Questo progetto di tesi ha come obiettivo lo sviluppo di uno strumento per la previsione della congestione stradale in tempo reale ad un orizzonte temporale di 30 minuti. La previsione della congestione viene affrontata attraverso un approccio data-driven. L’interesse di questo approccio risiede nella possibilità di applicare all’ingegneria del traffico gli algoritmi di machine learning: tali algoritmi permettono di sfruttare una mole sempre crescente di dati di mobilità di cui disponiamo oggi, i big data, senza la necessità di costruire modelli matematici che tentano di riprodurre il comportamento del sistema. L’obiettivo è la creazione di uno strumento applicabile sia in ambito urbano che in ambito extra-urbano.