Analisi dell'impiego di SOG e COG in algoritmi di clustering per reti marittime

Il settore marittimo sta subendo una rapida trasformazione con l'avvento delle navi a guida autonoma, che richiedono un'elevata larghezza di banda per condividere grandi flussi di dati. Attualmente, le reti di comunicazione tradizionali, come l'AIS su frequenze VHF, offrono data rate limitati e non sono in grado di supportare tali carichi. Per superare queste limitazioni, soluzioni recenti propongono algoritmi multi-hop auto-organizzanti basati su programmazione aggregata per raggruppare le navi in cluster (gruppi) cooperativi. Tuttavia, l'algoritmo di riferimento aggrega i nodi valutandone esclusivamente la posizione, ignorando la rotta e la velocità delle navi. Ciò causa una continua variazione della topologia di rete e instabilità nei collegamenti. L'obiettivo di questa tesi è implementare una riconfigurazione della rete consapevole della navigazione. Il lavoro estrae i parametri SOG (velocità) e COG (rotta) dai payload dei messaggi AIS per calcolare una penalità di mobilità. Questa funzione disincentiva la formazione di collegamenti tra imbarcazioni con cinematica molto diversa. L'algoritmo è stato implementato nel framework Collektive e testato nel simulatore Alchemist. Le simulazioni dimostrano che l'introduzione dell'affinità navigazionale modifica la topologia di rete e che l'aggiunta di SOG e COG non ha migliorato il data rate complessivo. L'analisi dimostra che i dati di movimento delle imbarcazioni non sono sufficienti per migliorare sensibilmente l'efficienza comunicativa della rete e che ulteriori fattori dovranno essere considerati in future strategie di ottimizzazione.