Un marco de aprendizaje automático para predecir el consumo de combustible y las emisiones de CO2 en vehículos...

Área de la Ciencia:

• Ingeniería Automotriz Ingeniería Automotriz
• Ciencias ambientales Ciencias ambientales.
• Ciencia de datos Ciencia de datos.

Sus antecedentes:

• Los datos precisos sobre el consumo de combustible y las emisiones de los vehículos son vitales para la evaluación comparativa del rendimiento, el cumplimiento normativo y la gestión de la energía.
• El aprendizaje automático (ML) ofrece soluciones flexibles, escalables y automatizadas para sistemas complejos no lineales, superando los enfoques tradicionales basados en modelos.
• Los estudios existentes a menudo se centran estrechamente en los vehículos con motor de combustión interna (ICEV), lo que limita la aplicabilidad más amplia.

Objetivo del estudio:

• Desarrollar un marco predictivo de aprendizaje automático (ML) para estimar el consumo de combustible y las emisiones en vehículos ligeros.
• Integrar conjuntos de datos de ICEV y vehículos eléctricos híbridos enchufables (PHEV) en un flujo de trabajo de modelado unificado.
• Permitir la doble previsión tanto de las emisiones como del consumo de combustible, ofreciendo una capacidad predictiva más completa.

Principales métodos:

• Desarrollo de un marco predictivo de aprendizaje automático utilizando un conjunto de datos del mundo real.
• Fusión e integración de los conjuntos de datos ICEV y PHEV dentro de un flujo de trabajo de modelado común.
• Implementación de un enfoque conjunto dentro del marco ML para capturar relaciones de datos intrincadas.

Principales resultados:

• El marco ML propuesto estima con precisión el consumo de combustible y las emisiones de los vehículos ligeros.
• La integración de diversos conjuntos de datos (ICEV y PHEV) mejora la generalización y la confiabilidad del modelo.
• La capacidad de pronóstico dual permite la predicción simultánea de las emisiones y el consumo de combustible.

Conclusiones:

• El marco unificado de ML proporciona una herramienta práctica y confiable para la evaluación ambiental y el desarrollo sostenible de vehículos.
• La capacidad del modelo para generalizar en diferentes tipos de vehículos (ICEV, PHEV) lo hace valioso para la toma de decisiones políticas.
• Este enfoque promueve un pronóstico preciso de las emisiones de los vehículos y el consumo de energía, apoyando iniciativas de transporte más ecológico.