KEYWORD |
Valutazione della vulnerabilità sismica e resilienza delle infrastrutture tramite Intelligenza Artificiale
Parole chiave CURVE DI FRAGILITA', INTELLIGENZA ARTIFICIALE, MONITORAGGIO STRUTTURALE, PONTI, RETI STRADALI, SISMICA, VULNERABILITÀ SISMICA
Riferimenti MARCO CIVERA, VALERIO DE BIAGI
Riferimenti esterni MIANO ANDREA (Università di Napoli Federico II)
PARISI FULVIO (Università di Napoli Federico II)
Tipo tesi SPERIMENTALE E DI SIMULAZIONE
Descrizione Il lavoro di tesi prevede lo sviluppo di una metodologia, basata sull'analisi dei dati e sul Machine Learning (ML), per valutare la resilienza delle reti stradali urbane in caso di grandi eventi sismici. In particolare, lo studente inizierà indagando uno o più casi studio di grandi reti viarie su aree urbane ad alta densità di popolazione (Napoli e Torino). Questa prima parte si concentrerà principalmente sulla definizione delle curve di fragilità per tutte le principali infrastrutture (ponti e viadotti) incluse nelle reti selezionate. Ciò fornirà stime della vulnerabilità sismica a livello strutturale per questi componenti più critici. Quindi, partendo da queste valutazioni e da dati sperimentali (registrazioni di eventi sismici e analisi del traffico), nella seconda parte della tesi verrà sviluppato un approccio data-driven e basato sull'intelligenza artificiale per valutare la vulnerabilità globale dell'intera rete stradale, oltre alla sua resilienza alle interruzioni del traffico e al reindirizzamento su itinerari alternativi.
Questo lavoro di ricerca rientra nelle attività del Centro Nazionale Mobilità Sostenibile (CNMS), in particolare del WP 4 Spoke 7 'Resilience of networks, structure health monitoring and asset management', guidato dal Politecnico di Torino e che comprende una rete di università e partner industriali (incluse, ma non solo, Autostrade per l'Italia, Milano-Serravalle, ANAS e altri).
Scadenza validita proposta 08/06/2024
PROPONI LA TUA CANDIDATURA