Architetture e trade-off nei Wildfire Monitoring Systems: un framework comparativo

Abstract

Gli incendi boschivi rappresentano un rischio ambientale e territoriale crescente e richiedono sistemi di monitoraggio capaci di rilevare segnali precoci e supportare risposte operative tempestive. La letteratura sui Wildfire Monitoring Systems (WMS) propone numerose soluzioni basate su sensori IoT/WSN, UAV, dati satellitari, architetture edge/cloud e modelli di intelligenza artificiale. Tuttavia, molti contributi si concentrano su singole tecnologie o su specifiche parti del sistema, rendendo difficile il confronto tra soluzioni diverse da una prospettiva end-to-end.

La presente tesi affronta questo problema sviluppando un framework funzionale e architetturale per l’analisi e la comparazione dei WMS. A partire da un’analisi bibliometrica e da una revisione strutturata della letteratura, il lavoro ricostruisce la pipeline dei sistemi di monitoraggio, dall’acquisizione dei dati alla generazione dell’allerta, organizzando sistemi eterogenei secondo dimensioni comuni, tra cui task, placement architetturale, granularità del dato, metriche operative e trade-off.

Il framework viene poi esteso attraverso un modello analitico-simulativo semplificato, basato su quattro scenari architetturali: centralizzato/cloud-heavy, edge-oriented, intermedio/fog-MEC e ibrido/event-driven. Gli scenari sono confrontati in termini di latenza, banda richiesta, potenza trasmissiva e affidabilità operativa.

I risultati mostrano che non esiste una configurazione universalmente preferibile: le architetture centralizzate preservano più informazione a valle, mentre quelle edge-oriented riducono traffico e tempi di risposta. Le soluzioni intermedie e ibride rappresentano invece compromessi dipendenti dal punto di riduzione dei dati, dalla logica di escalation e dai colli di bottiglia della pipeline.

Wildfires represent a growing environmental and territorial risk and require monitoring systems capable of detecting early warning signs and supporting timely operational responses. The literature on Wildfire Monitoring Systems (WMS) proposes numerous solutions based on IoT/WSN sensors, UAVs, satellite data, edge/cloud architectures and artificial intelligence models. However, many contributions focus on individual technologies or specific parts of the system, making it difficult to compare different solutions from an end-to-end perspective.

This thesis addresses this issue by developing a functional and architectural framework for the analysis and comparison of WMS. Starting from a bibliometric analysis and a structured literature review, the work reconstructs the pipeline of monitoring systems, from data acquisition to alert generation, organizing heterogeneous systems according to common dimensions, including tasks, architectural placement, data granularity, operational metrics and trade-offs.

The framework is then extended through a simplified analytical-simulation model based on four architectural scenarios: centralized/cloud-heavy, edge-oriented, intermediate/fog-MEC and hybrid/event-driven. The scenarios are compared in terms of latency, required bandwidth, transmission-related power and operational reliability.

The results show that no configuration is universally preferable: centralized architectures preserve richer downstream information, while edge-oriented ones reduce traffic and response time. Intermediate and hybrid solutions instead represent compromises that depend on where data reduction occurs, on the escalation logic and on the bottlenecks within the pipeline.