progetto artemis data base europeo fattori di emissione di autovetture n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Progetto ARTEMIS Data Base Europeo “Fattori di emissione di autovetture” PowerPoint Presentation
Download Presentation
Progetto ARTEMIS Data Base Europeo “Fattori di emissione di autovetture”

Loading in 2 Seconds...

play fullscreen
1 / 33

Progetto ARTEMIS Data Base Europeo “Fattori di emissione di autovetture” - PowerPoint PPT Presentation


  • 136 Views
  • Uploaded on

Progetto ARTEMIS Data Base Europeo “Fattori di emissione di autovetture”. XII riunione dell‘ Expert Panel. dott. Meccariello Giovanni CNR – Istituto Motori. Introduzione. ARTEMIS ( Assessment and reliability of transport emission models and inventory systems )

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Progetto ARTEMIS Data Base Europeo “Fattori di emissione di autovetture”' - baruch


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
progetto artemis data base europeo fattori di emissione di autovetture

Progetto ARTEMIS Data Base Europeo “Fattori di emissione di autovetture”

XII riunione dell‘ Expert Panel

dott. Meccariello Giovanni

CNR – Istituto Motori

introduzione
Introduzione
  • ARTEMIS (Assessment and reliability of transport emission models and inventory systems)
  • Il progetto è rivolto allo sviluppo di un modello d'emissione per tutti i modi di trasporto e mira a fornire le valutazioni costanti dell'emissione al livello nazionale, internazionale e regionale
  • La struttura del progetto è armonizzata in diversi Task (WP) rivolti a valutare i fattori di emissione dei diversi modi di trasporto ed alla costituzione di un database europeo dei fattori di emissione
slide3

WP 100 - Project Management - TRL

WP 300 - LDV emissions - INRETS

WP 400 - HDV emissions - TUG

WP 500 - 2-wheel emissions - TNO

WP 600 - Evaporative emissions - TUG

WP 700 - Railways - DTU

WP 800 Aircraft - psiA

WP 900 - Shipping - DTU

WP 1000 - Road traffic - INRETS

WP 1100 - Inventory Model

WP 1200 - Validation

INFRAS

TUG

introduzione1
Introduzione
  • Nell’ambito della partecipazione al progetto europeo ARTEMIS, l’Istituto Motori ha sviluppato un approccio statistico per l’analisi delle emissioni inquinanti di dati provenienti da un grande Data Base di emissioni.
  • Per la valutazione dei fattori di emissione si è partiti dai dati di emissione medi misurati in un ciclo di guida, relativi ad un elevato numero di combinazioni di veicoli e cicli di guida, quali quelli memorizzati nel data base di ARTEMIS.
  • L’approccio è stato perfezionato ed applicato ai dati di emissione dell’intero data base delle misure effettuate su autovetture per trasporto passeggeri sia diesel che benzina.
obiettivi
Obiettivi

I risultati dell’attività ottenuti per ciascuna combinazione di tecnologia/veicoli/cilindrata sono relativi ai molteplici obiettivi perseguiti:

  • valutare i fattori di emissione;
  • analizzare gli effetti della classe di omologazione, della classe di cilindrata del veicolo e dei cicli di guida sui fattori di emissione;
  • sviluppare un modello di predizione delle emissioni di un micro-trip, in funzione dei parametri cinematici considerati nel modello.
cicli di guida
Cicli di guida

42/160 Cicli di guida utili

casi diesel
Casi Diesel
  • Sono stati analizzati tre data set, dividendo i dati in base alla classe di omologazione presenti nel database (EURO 1, 2 e 3) ed alla cilindrata del veicolo.
  • È stata considerata una sola classe di cilindrata (inferiore ai 2000 cc) in quanto i veicoli diesel, utilizzabili, presenti nel database hanno tutte cilindrate elevate comprese tra 1600-2000 cc.
  • Non sono presenti veicoli con cilindrate inferiori perché esistenti solo per i nuovi veicoli Euro 4 non ancora presenti, con valori di emissioni adeguati e sufficienti alla creazione di un modello, nel database analizzato.
casi benzina
Casi Benzina
  • Sono stati analizzati otto data set, dividendo i dati in base alla classe di omologazione presenti nel database (EURO 1, 2, 3 e 4) ed alla cilindrata del veicolo.
  • Sono state considerate tre classi di cilindrate (1200-1400 cc, 1400-2000 cc, oltre 2000 cc) nel caso in cui fossero disponibili una quantità considerevole di dati, altrimenti si sono raggruppate le classi di cilindrata e i dati sono stati suddivisi univocamente per classe di omologazione
tabella riassuntiva
Tabella Riassuntiva

Casi Diesel

Casi Benzina

individuazione outliers
Individuazione Outliers
  • Preliminarmente, è stata condotta un’analisi, sull’intero subset di dati, tramite uno dei metodi non parametrici attualmente più diffusi, per identificare gli outliers in un campione di dati, MAD, (Median absolute deviation) la mediana del valore assoluto degli scarti dalla mediana.
  • MAD è una misura non parametrica di dispersione o variabilità di una distribuzione di dati.
individuazione outliers1
Individuazione Outliers
  • Una ulteriore verifica degli outliers viene effettuata confermando i valori di emissione dei veicoli dei cicli di omologazione, valutando se essi rispettino i limiti di omologazione delle diverse normative vigenti a seconda della tecnologia del veicolo
valutazione dei fattori di emissione
Valutazione dei fattori di emissione
  • La valutazione dei fattori di emissione per ciascun data set viene eseguita applicando dei modelli di regressione sviluppati ad hoc.
  • In primo luogo viene calcolato dai dati un modello tendente ad individuare la presenza di trend specificinelle emissioni e di eventuali valori anomali, considerando nel modello l’effetto specifico di ciascun veicolo mediante l’utilizzo di variabili dummy.
  • Tali variabili permettono di valutare all’interno del modello i singoli pesi, nella determinazione delle emissioni, dei coefficienti dei singoli veicoli rispetto agli inquinanti.
valutazione dei fattori di emissione1
Valutazione dei fattori di emissione
  • Tali coefficienti ci permettono di identificare l’effetto % di eventuali veicoli su un particolare fattore di emissione e di stabilire secondo una soglia di taglio i veicoli considerati normal emitters da quelli high emitters ed infine da quelli da considerare come outliers e quindi escluderli dal processo formativo dei fattori di emissione.
  • In letteratura, valori % dei coefficienti maggiore di 300 sono considerati anomali e di conseguenza trattati come outliers, mentre quelli compresi nel range 150  300 sono considerati high emitter e quindi trattati con particolare attenzione in quando anomali rispetto alla media dei veicoli in relazione alla loro cilindrata e tecnologia
costruzione del modello
Costruzione del Modello
  • I fattori di emissione calcolati , considerando l’effetto del veicolo come un effetto casuale, che si somma all’errore sperimentale di misura e non viene valutato separatamente.
  • Vengono costruiti diversi modelli di regressione PLS (Partial Least Squares) multiblock per specifica base dati (tecnologia / cilindrata)
costruzione del modello1
Costruzione del Modello

PLS si fonda su una regressione statistica multivariata, capace di considerare nello stesso modello le relazioni esistenti tra un gruppo di variabili di risposta Y (predictors), che nel nostro caso rappresentano le emissioni medie misurate in ogni ciclo di guida, e un gruppo di variabili esplicative X (scores), ossia i parametri cinematici identificativi del profilo di velocità stesso.

Modello di emissione

[CO HC NOX CO2 PM] = f(x1, x2, x3, …, xi, …, xn)

Fattori di emissione

CO HC NOX PM CO2

costruzione del modello2
Costruzione del Modello
  • Le variabili di risposta Y del modello di regressione sono le emissioni inquinanti regolamentate prodotte in un ciclo di guida (DC) misurate in g/km.
  • Le variabili esplicative X esprimono il valore di alcuni parametri cinematici che caratterizzano i cicli di guida.
  • Due blocchi di variabili esplicative sono state individuate considerando due potenziali cause di variabilità delle emissioni relative ad un ciclo di guida:
    • il primo blocco di variabili è stato determinato dall’equazione dinamica del veicolo considerando l’energia spesa dal veicolo nel ciclo e gli eventi di accelerazione alle diverse velocità.
    • il secondo blocco mediante le classi di frequenza della distribuzione empirica congiunta di velocità/accelerazione
costruzione del modello3
Costruzione del Modello

Identificare le variabili, caratterizzanti la prestazione del veicolo nella corrente di traffico, in grado di spiegare le variazioni delle emissioni.

Variabili utilizzate per la caratterizzazione dei profili di velocità

  • la variazione della quantità dell'emissione in un profilo di velocità può essere spiegata tramite la portata dei gas di scarico, che è a sua volta proporzionale all'energia sviluppata dal veicolo nella corrente di traffico.
costruzione del modello4
Costruzione del Modello

Variabili utilizzate per la caratterizzazione dei profili di velocità

  • Un'altra frazione può essere spiegata dalle variazioni puntuali legate ai transitori descritti dalla distribuzione empirica congiunta della velocità e della accelerazione opportunamente suddivise in classi.
costruzione del modello5
Costruzione del Modello

Problematiche legati alle caratteristiche delle variabili

  • Collinearità.
  • Numero elevato di variabili.
  • Basso numero di osservazioni sperimentali.

PLS

(Partial Least Squares)

costruzione del modello6

T

Y

PLS

u

tr

variabili

wt

qt

X

X1

X2

X-scores

r1

r2

W1

W2

p1

p2

Costruzione del Modello

In questo modo possiamo considerare separatamente due differenti aspetti del fenomeno generando due modelli base, ciascuno dei quali valuta un gruppo di variabili latenti caratterizzanti un particolare aspetto sulle emissioni

Andremo così a definire un modello globale, PLS gerarchico multiblock, costruito con le informazioni derivanti dai due modelli base e dal gruppo di variabili di emissione

caso diesel euro 2 1600 2000
Caso Diesel - Euro 2 1600-2000

Modello Dummy per la valutazione dei trend

dei coefficienti dei veicoli

Modello con Normal e High Emitter

Modello con NormalEmitter

Modello con HighEmitter

caso benzina euro 3 1400 2000
Caso Benzina - Euro 3 1400-2000

Modello Dummy per la valutazione dei trend

dei coefficienti dei veicoli

Modello con Normal e High Emitter

Modello con NormalEmitter

Modello con HighEmitter