Metriche Modello XGBoost v3
Dati di training verificati dal repository - 45,979 campioniMAE (Errore Medio)
30.81 min
RMSE
41.60 min
R² Score
0.6025
Campioni Training
45,979
Selezione Rotta Test
Mappa Consegne Multi-Pacco
Dettaglio Fermate Multi-Pacco
| # | Indirizzo | Pacchi | Tempo Servizio | Tipo Edificio | Distanza |
|---|---|---|---|---|---|
| Seleziona una rotta canonica per visualizzare le fermate | |||||
Confronto Modelli TESI
Metodologia incrementale: RandomForest baseline → Calibrazione → XGBoost + Zone Features
Esecuzione predizioni con v1, v2, v3...
Previsione ML
--
Tempo Consegna Totale
Dati Real-Time Google Maps
Condizioni Meteo
Explainable AI - Feature Impact
Formula Scientifica:
Previsione = ML_Model(24_features) × 0.70 + Heuristic × 0.30
Analisi AI (GPT-4)
Analisi Scenari FASE 1
Sistema Agentic: confronta 3 orari di partenza e riceve raccomandazione AI
Interrogazione Google Maps per 3 scenari...
Raccomandazione AI
Smart Departure AI
Usa Google Maps storico + eventi Perplexity per trovare l'orario ottimale di partenza
Interrogazione Google Maps per pattern storici...
Confronto Fasce Orarie
Analisi Agentica FASE 2
Framework PERCEIVE-EVALUATE-ACT: rilevamento eventi real-time via Perplexity + calibrazione dinamica XGBoost v3
Query Perplexity per eventi real-time...
Zona Rilevata
Seleziona un percorso per iniziare
Eventi Rilevati Oggi
Nessun dato
Tempo Stimato
--
Raccomandazioni
--
Base Scientifica
--