Sviluppo di un sistema di supervisione remota per flotte di veicoli autonomi mediante piattaforma distribuita

Autonomous Driving represents a transformative technology for modern mobility, where fleets of self-driving vehicles promise safer, more efficient, and sustainable transportation services. Implementing an effective remote supervision system becomes essential to monitor multiple vehicles simultaneously and intervene promptly in critical situations when human drivers are no longer present on board. A fleet supervision system must handle monitoring of multiple vehicles, low-latency telemetry transmission, and reliable connectivity across geographically distributed areas with varying network conditions. Point-to-point solutions are insufficient for fleet-scale operations, requiring distributed messaging architectures that efficiently manage large data streams while ensuring scalability and fault tolerance. This Thesis describes the design and implementation of a fleet supervision system based on Apache Kafka, a distributed streaming platform enabling high-throughput, low-latency data transmission. The work extends an existing single-vehicle supervision system to support fleet-wide operations while maintaining direct connection capabilities for targeted interventions. The implementation includes a dedicated fleet monitoring interface, real-time monitoring tools for the Kafka infrastructure, and a resilient network architecture. System performance is validated through extensive testing under different Kafka configurations, analyzing latency and throughput metrics to identify optimal settings. Results demonstrate the system's adequacy for real-world deployment and potential for future extensions incorporating advanced analytics and AI-assisted supervision capabilities.

La Guida Autonoma rappresenta una tecnologia trasformativa per la mobilità moderna, dove flotte di veicoli autonomi promettono servizi di trasporto più sicuri, efficienti e sostenibili. Implementare un sistema efficace di supervisione remota diventa essenziale per monitorare simultaneamente più veicoli e intervenire tempestivamente in situazioni critiche quando non è presente un conducente umano a bordo. Un sistema di supervisione di flotta deve gestire il monitoraggio di più veicoli, garantire la trasmissione di dati telemetrici con bassa latenza e assicurare connettività affidabile in differenti aree geografiche con condizioni di rete variabili. Le soluzioni punto-punto risultano insufficienti per la gestione di operazioni su scala di flotta, le quali richiedono architetture distribuite di messaggistica capaci di gestire efficientemente grandi flussi di dati garantendo scalabilità e tolleranza ai guasti. Questa Tesi descrive la progettazione e l'implementazione di un sistema di supervisione di flotta basato su Apache Kafka, piattaforma di streaming distribuito che consente trasmissione dati ad alto throughput e bassa latenza. Il lavoro estende un sistema preesistente di supervisione del singolo veicolo per supportare operazioni sull'intera flotta, mantenendo la capacità di stabilire connessioni dirette per interventi mirati. L'implementazione include un'interfaccia dedicata al monitoraggio della flotta, strumenti di monitoraggio in tempo reale dell'infrastruttura Kafka e un'architettura di rete resiliente. Le prestazioni del sistema sono validate attraverso test approfonditi con diverse configurazioni Kafka, analizzando metriche di latenza e throughput per identificare le impostazioni ottimali. I risultati dimostrano l'adeguatezza del sistema per applicazioni reali e il potenziale per estensioni future che incorporino analisi avanzate e capacità di supervisione assistita da intelligenza artificiale.