Modelo de Bajo Costo para la Estimación de Emisiones Contaminantes Basado en Gps y Aprendizaje Automático

Nestor Diego Rivera Campoverde; Jose Muñoz Sanz; Blanca Arenas Ramírez

Modelo de Bajo Costo para la Estimación de Emisiones Contaminantes Basado en Gps y Aprendizaje Automático

Translated title of the contribution: Low Cost Model for the Estimation of Pollutant Emissions Based on GPS and Machine Learning

Nestor Diego Rivera Campoverde
, Jose Muñoz Sanz
, Blanca Arenas Ramírez

Research Group in Transportation Engineering (GIIT)

Research output: Contribution to conference › Paper

Abstract

This paper presents a novel method for estimating the pollutants emitted by vehicles powered by internal combustion engines in real driving conditions, without the need for extensive measurement campaigns or the use of instrumentation in the vehicle for prolonged periods of time; for which it is based on the positioning and speed signals generated by the GPS (Global Positioning System) and the machine learning application. To obtain the data for training and validation of the model, two road tests are carried out using the Euro 6 directives for the estimation of pollutants through RDE (Real Driving Emissions), in which a portable emissions measurement system is used. and a logger that stores data from OBD (On Board Diagnostics) and GPS. From the data obtained in the first route, the performance of the vehicle is determined and through automatic learning, the model that estimates the polluting emissions is generated, which is validated with the data of the second route. When comparing the results generated by the model against those measured in the RDE, relative errors (%) of 0.0976, -0.2187, 0.2249 and -0.1379 are obtained in the emission factors of CO2, CO, HC and NOx, respectively. Finally, the model is fed with data obtained in 1218 km of random driving, obtaining similar results to OBD-based models and closer to the real traffic conditions generated by models such as IVE (International Vehicle Emissions). Obtaining data through the OBD and GPS present in current vehicles is cheap and the application of automatic learning models for the estimation of polluting emissions is an option that opens up a field of work without the need for on-board equipment. more expensive acquisition costs to carry out experimental campaigns on limited samples of vehicles due to the associated costs.

Translated title of the contribution	Low Cost Model for the Estimation of Pollutant Emissions Based on GPS and Machine Learning
Original language	Spanish (Ecuador)
State	Published - 24 Nov 2022
Event	XV Congreso Iberoamericano de Ingeniería Mecánica (CIBIM 2022) - ES Duration: 22 Nov 2022 → 24 Nov 2022

Conference

Conference	XV Congreso Iberoamericano de Ingeniería Mecánica (CIBIM 2022)
Period	22/11/22 → 24/11/22

Keywords

Automatic learning
Emissions based on gps.
Estimation of pollutants
Low cost model

CACES Knowledge Areas

617A Design and Construction of Motor Vehicles, Boats and Aircraft

Cite this

@conference{fd738f9cfcae42a2a638b10efd18d912,

title = "Modelo de Bajo Costo para la Estimaci{\'o}n de Emisiones Contaminantes Basado en Gps y Aprendizaje Autom{\'a}tico",

abstract = "El presente trabajo presenta un m{\'e}todo novedoso para la estimaci{\'o}n de los contaminantes emitidos por veh{\'i}culos propulsados con motores de combusti{\'o}n interna en conducciones reales de conducci{\'o}n, sin la necesidad de campa{\~n}as extensas de medici{\'o}n ni el uso de instrumentaci{\'o}n en el veh{\'i}culo por per{\'i}odos prolongados de tiempo; para lo cual se basa en las se{\~n}ales de posicionamiento y velocidad generadas por el GPS (Global Positioning System) y la aplicaci{\'o}n de aprendizaje autom{\'a}tico. Para la obtenci{\'o}n de los datos de entrenamiento y validaci{\'o}n del modelo se realizan dos pruebas en ruta mediante las directivas de Euro 6 para la estimaci{\'o}n de contaminantes mediante RDE (Real Driving Emissions), en las que se utiliza un sistema de medici{\'o}n de emisiones port{\'a}til, y un registrador que almacena los datos provenientes de OBD (On Board Diagnostics) y del GPS. A partir de los datos obtenidos en la primera ruta se determinan las prestaciones del veh{\'i}culo y mediante aprendizaje autom{\'a}tico se genera el modelo que estima las emisiones contaminantes, el cual es validado con los datos de la segunda ruta. Al comparar los resultados genera-dos por el modelo frente a los medidos en el RDE se obtienen errores relativos (\%) de 0.0976, -0.2187, 0.2249 y -0.1379 en los factores de emisi{\'o}n de CO2, CO, HC y NOx respectivamente. Finalmente se alimenta al modelo con datos obtenidos en 1218 km de conducci{\'o}n aleatoria, obteniendo similares resultados a modelos basados en OBD y m{\'a}s pr{\'o}ximos a las condiciones reales de circulaci{\'o}n que generan modelos como el IVE (International Vehicle Emissions). La obtenci{\'o}n de datos mediante el OBD y GPS presentes en los veh{\'i}culos actuales es econ{\'o}mica y la aplicaci{\'o}n de modelos de aprendizaje autom{\'a}tico para la estimaci{\'o}n de emisiones contaminan-tes es una opci{\'o}n que abre un campo de trabajo sin la necesidad de contar con equipos a bordo de adquisici{\'o}n m{\'a}s costosos para la realizaci{\'o}n de campa{\~n}as experimentales en muestras limitadas de veh{\'i}culos por los costes asociados.",

keywords = "Automatic learning, Emissions based on gps., Estimation of pollutants, Low cost model, Automatic learning, Emissions based on gps., Estimation of pollutants, Low cost model",

author = "\{Rivera Campoverde\}, \{Nestor Diego\} and \{Mu{\~n}oz Sanz\}, Jose and \{Arenas Ram{\'i}rez\}, Blanca",

year = "2022",

month = nov,

day = "24",

language = "Espa{\~n}ol (Ecuador)",

note = "XV Congreso Iberoamericano de Ingenier{\'i}a Mec{\'a}nica (CIBIM 2022) ; Conference date: 22-11-2022 Through 24-11-2022",

}

TY - CONF

T1 - Modelo de Bajo Costo para la Estimación de Emisiones Contaminantes Basado en Gps y Aprendizaje Automático

AU - Rivera Campoverde, Nestor Diego

AU - Muñoz Sanz, Jose

AU - Arenas Ramírez, Blanca

PY - 2022/11/24

Y1 - 2022/11/24

N2 - El presente trabajo presenta un método novedoso para la estimación de los contaminantes emitidos por vehículos propulsados con motores de combustión interna en conducciones reales de conducción, sin la necesidad de campañas extensas de medición ni el uso de instrumentación en el vehículo por períodos prolongados de tiempo; para lo cual se basa en las señales de posicionamiento y velocidad generadas por el GPS (Global Positioning System) y la aplicación de aprendizaje automático. Para la obtención de los datos de entrenamiento y validación del modelo se realizan dos pruebas en ruta mediante las directivas de Euro 6 para la estimación de contaminantes mediante RDE (Real Driving Emissions), en las que se utiliza un sistema de medición de emisiones portátil, y un registrador que almacena los datos provenientes de OBD (On Board Diagnostics) y del GPS. A partir de los datos obtenidos en la primera ruta se determinan las prestaciones del vehículo y mediante aprendizaje automático se genera el modelo que estima las emisiones contaminantes, el cual es validado con los datos de la segunda ruta. Al comparar los resultados genera-dos por el modelo frente a los medidos en el RDE se obtienen errores relativos (%) de 0.0976, -0.2187, 0.2249 y -0.1379 en los factores de emisión de CO2, CO, HC y NOx respectivamente. Finalmente se alimenta al modelo con datos obtenidos en 1218 km de conducción aleatoria, obteniendo similares resultados a modelos basados en OBD y más próximos a las condiciones reales de circulación que generan modelos como el IVE (International Vehicle Emissions). La obtención de datos mediante el OBD y GPS presentes en los vehículos actuales es económica y la aplicación de modelos de aprendizaje automático para la estimación de emisiones contaminan-tes es una opción que abre un campo de trabajo sin la necesidad de contar con equipos a bordo de adquisición más costosos para la realización de campañas experimentales en muestras limitadas de vehículos por los costes asociados.

AB - El presente trabajo presenta un método novedoso para la estimación de los contaminantes emitidos por vehículos propulsados con motores de combustión interna en conducciones reales de conducción, sin la necesidad de campañas extensas de medición ni el uso de instrumentación en el vehículo por períodos prolongados de tiempo; para lo cual se basa en las señales de posicionamiento y velocidad generadas por el GPS (Global Positioning System) y la aplicación de aprendizaje automático. Para la obtención de los datos de entrenamiento y validación del modelo se realizan dos pruebas en ruta mediante las directivas de Euro 6 para la estimación de contaminantes mediante RDE (Real Driving Emissions), en las que se utiliza un sistema de medición de emisiones portátil, y un registrador que almacena los datos provenientes de OBD (On Board Diagnostics) y del GPS. A partir de los datos obtenidos en la primera ruta se determinan las prestaciones del vehículo y mediante aprendizaje automático se genera el modelo que estima las emisiones contaminantes, el cual es validado con los datos de la segunda ruta. Al comparar los resultados genera-dos por el modelo frente a los medidos en el RDE se obtienen errores relativos (%) de 0.0976, -0.2187, 0.2249 y -0.1379 en los factores de emisión de CO2, CO, HC y NOx respectivamente. Finalmente se alimenta al modelo con datos obtenidos en 1218 km de conducción aleatoria, obteniendo similares resultados a modelos basados en OBD y más próximos a las condiciones reales de circulación que generan modelos como el IVE (International Vehicle Emissions). La obtención de datos mediante el OBD y GPS presentes en los vehículos actuales es económica y la aplicación de modelos de aprendizaje automático para la estimación de emisiones contaminan-tes es una opción que abre un campo de trabajo sin la necesidad de contar con equipos a bordo de adquisición más costosos para la realización de campañas experimentales en muestras limitadas de vehículos por los costes asociados.

KW - Automatic learning

KW - Emissions based on gps.

KW - Estimation of pollutants

KW - Low cost model

KW - Automatic learning

KW - Emissions based on gps.

KW - Estimation of pollutants

KW - Low cost model

M3 - Documento

T2 - XV Congreso Iberoamericano de Ingeniería Mecánica (CIBIM 2022)

Y2 - 22 November 2022 through 24 November 2022

ER -