ハイブリッド車および燃焼車両における燃料消費量とCO2排出量の予測のための機械学習フレームワーク：比較分析と性能評価

科学分野:

• 自動車工学
• 環境科学
• データサイエンス

背景:

• 正確な車両の燃料消費量と排出量データは、パフォーマンスのベンチマーク、規制遵守、およびエネルギー管理に不可欠です。
• 機械学習（ML）は、複雑な非線形システムに対して、柔軟でスケーラブルで自動化されたソリューションを提供し、従来のモデルベースのアプローチを上回ります。
• 既存の研究は、内部燃焼エンジン車（ICEV）に焦点を当てることが多く、より広範な適用性を制限しています。

研究 の 目的:

• 軽量車両の燃料消費量と排出量を推定するための予測型機械学習（ML）フレームワークを開発すること。
• ICEVおよびプラグインハイブリッド電気自動車（PHEV）の両方のデータセットを統合されたモデリングワークフローに統合すること。
• 排出量と燃料使用量の両方の二重予測を可能にし、より包括的な予測機能を提供すること。

主な方法:

• 実世界のデータセットを利用した予測型MLフレームワークの開発。
• 共通のモデリングワークフロー内でのICEVおよびPHEVデータセットの融合と統合。
• 複雑なデータ関係を捉えるために、MLフレームワーク内でのアンサンブルアプローチの実装。

主要な成果:

• 提案されたMLフレームワークは、軽量車両の燃料消費量と排出量を正確に推定します。
• 多様なデータセット（ICEVおよびPHEV）の統合は、モデルの一般化と信頼性を向上させます。
• 二重予測機能により、排出量と燃料消費量の同時予測が可能になります。

結論:

• 統合されたMLフレームワークは、環境評価と持続可能な車両開発のための実用的で信頼性の高いツールを提供します。
• モデルの異なる車両タイプ（ICEV、PHEV）にわたる一般化能力は、政策決定に役立ちます。
• このアプローチは、車両排出量とエネルギー消費量の正確な予測を進歩させ、よりグリーンな輸送イニシアチブをサポートします。