Architettura a Microservizi Ibrida
Sistema distribuito che orchestra via REST API la comunicazione tra un backend computazionale ad alte prestazioni in Java (Spring Boot) e un servizio predittivo in Python (Flask).
Progetto accademicoOtt. 2025 – Gen. 2026Università degli Studi di Bergamo
SPS-F1: Sistema di Supporto Decisionale Formula 1
Architettura a microservizi ibrida, Machine Learning telemetrico e ottimizzazione su Programmazione Dinamica per strategie di gara in Formula 1.
- Java Spring Boot
- Python Flask
- Scikit-learn
- REST API
- Dynamic Programming
01
Obiettivo & Sfida Ingegneristica
La sfida
In una gara di Formula 1 la strategia di sosta dipende da quanto rapidamente si degradano gli pneumatici. SPS-F1 trasforma i dati telemetrici storici in uno strumento di supporto alle decisioni per scegliere quando fermarsi ai box.
L'obiettivo
Stimare il degrado degli pneumatici con modelli di Machine Learning addestrati sui dati 2021–2024 e calcolare in tempo reale la strategia di pit-stop matematicamente ottima, confrontabile su una dashboard interattiva.
02
Pilastri Architetturali
Machine Learning Pipeline
Modelli di regressione Random Forest per l'analisi predittiva del degrado pneumatici, addestrati su 4 stagioni di dataset telemetrici storici (2021–2024).
Ottimizzazione Algoritmica
Motore di calcolo ad alte prestazioni basato su Programmazione Dinamica per identificare in tempo reale la strategia di gara matematicamente ottima.
Full-Stack & Simulazione
Dashboard interattiva per la simulazione di scenari di gara e il confronto grafico delle strategie di sosta.
03
Schema / Visual Preview
Dashboard strategie · Confronto sosteFig. 1