Smart freight transport in urban areas: a crowd-shipping model using autonomous vehicles

L'avanzamento dell'e-commerce e l'aumento della densità abitativa nel centro città sono elementi che incentivano l'incremento della richiesta merci all'interno dei centri urbani. L'attenzione all'impatto ambientale derivante da queste attività operative è un punto focale oggetto di sempre maggiore interesse. Attraverso il seguente studio, l'obiettivo è definire attuali e potenziali soluzioni nell'ambito della logistica urbana, con particolare interesse alle consegne dell'ultimo miglio. Una soluzione proposta riguarda la possibilità di sfruttare la capacità disponibile nei flussi generati dalla folla per movimentare merce, pratica nota sotto il nome di Crowd-shipping. L'idea consiste nella saturazione di mezzi già presenti nella rete urbana al fine di ridurre il numero di veicoli commerciali e minimizzare le esternalità negative annesse. A supporto di questa iniziativa, nell'analisi verranno considerati veicoli autonomi elettrici a guida autonoma. La tesi è incentrata sulla definizione di un modello di ottimizzazione matematica, che mira a designare un network logistico-distributivo efficiente per le consegne dell'ultimo miglio e a minimizzare le distanze degli attori coinvolti. Il problema proposto rappresenta una variante del Vehicle Routing Problem con time windows e multi depots. Il problema è NP-hard, quindi computazionalmente complesso per cui sarà necessario, in fase di analisi, definire un approccio euristico che permetterà di ottenere una soluzione sub-ottima in un tempo di calcolo ragionevole per istanze maggiori. L'analisi è stata sviluppata nell'ambiente di sviluppo Eclipse, attraverso il risolutore Cplex, in linguaggio Java. Per poterne comprendere la validità, è prevista un'ultima fase in cui gli output del modello ottimo e dell'euristica vengono confrontati tra loro su parametri caratteristici. Bisogna tuttavia considerare che l' utilizzo di sistemi cyber-fisici a supporto della logistica non può prescindere da un costante sguardo verso il progresso.

Autonomous pagination for newspaper from a predefined plan

Description of the development of a product able to deliver an autonomous page construction from a predefined plan. The processes involve Machine Learning techniques for text fitting on shapes, Beam Search for associations and Deep Learning for autonomous cropping of images.

Spatial-temporal variability of the benthic communities in Ravenna harbour using Autonomous Reef Monitoring Structures (ARMS) with focus on Non-Indigenous Species (NIS)

A Non-Indigenous Species (NIS) is defined as an organism, introduced outside its natural past or present range of distribution by humans, that successfully survives, reproduces, and establish in the new environment. Harbors and tourist marinas are considered NIS hotspots, as they are departure and arrival points for numerous vessels and because of the presence of free artificial substrates, which facilitate colonization by NIS. To early detect the arrival of new NIS, monitoring benthic communities in ports is essential. Autonomous Reef Monitoring Structures (ARMS) are standardized passive collectors that are used to assess marine benthic communities. Here we use an integrative approach based on multiple 3-month ARMS deployment (from April 2021 to October 2022) to characterize the benthic communities (with a focus on NIS) of two sites: a commercial port (Harbor) and a touristic Marina (Marina) of Ravenna. The colonizing sessile communities were assessed using percentage coverage of the taxa trough image analyses and vagile fauna (> 2 mm) was identified morphologically using a stereomicroscope and light microscope. Overall, 97 taxa were identified and 19 of them were NIS. All NIS were already observed in port environments in the Mediterranean Sea, but for the first time the presence of the polychaete Schistomeringos cf. japonica (Annenkova, 1937) was observed; however molecular analysis is needed to confirm its identity. Harbor and Marina host significantly different benthic communities, with significantly different abundance depending on the sampling period. While the differences between sites are related to their different environmental characteristic and their anthropogenic pressures, differences among times seems related to the different life cycle of the main abundant species. This thesis evidenced that ARMS, together with integrative taxonomic approaches, represent useful tools to early detect NIS and could be used for a long-term monitoring of their presence.