Riassunto analitico
La diffusione dei veicoli ibridi pone nuove sfide in termini di gestione dell’energia e analisi dei dati delle vetture circolanti. A causa di nuove e più stringenti normative, è necessario raggiungere un’alta efficienza del gruppo motopropulsore in ogni condizione di lavoro, comprese quelle reali di guida. L’obiettivo è assicurare l’accuratezza e l’affidabilità dei dati delle vetture circolanti e insieme sviluppare una nuova metodologia per stimare il consumo di carburante del veicolo in un ambiente virtuale che sia rappresentativo dell’effettiva condizione della flotta e dell’uso dei clienti. In questo contesto, i dati provenienti dalle vetture circolanti sono definiti come le misurazioni effettuate a bordo del veicolo che vengono raccolte e conservate in una piattaforma specifica per la gestione di una mole di dati così importante (Big Data).
Questi dati possono essere utilizzati per stimare il consumo medio di carburante della flotta e sintetizzare un modello di guida che possa essere utilizzato per descrivere l’uso che i clienti fanno del veicolo. Per ottenere questo, l’accuratezza dei dati raccolti dai veicoli deve essere validata in modo incrociato con una seconda campagna svolta dalla compagnia. Tutti gli strumenti necessari per pre- e post- processare questi ultimi sono stati sviluppati. Una nuova metodologia per generare un modello di guida virtuale è stata proposta e implementata. In questo modo, i dati dei veicoli circolanti sono stati validati e i più importanti hanno un’alta accuratezza. Inoltre, il prototipo sviluppato per la creazione del modello di guida virtuale è altamente personalizzabile, robusto e scalabile.
Questi risultati consentono l’uso dei Big Data dei veicoli circolanti per la presente analisi rappresentando la risorsa primaria per estrapolare il comportamento del veicolo in condizioni reali. Lo strumento di generazione può quindi essere applicato a tali dati e ottenere un modello di guida più rappresentativo di tutte le possibili condizioni di lavoro, che è fondamentale per stimare il consumo di carburante in ciascuna di loro.
|
Abstract
Increased use of hybrid vehicles brings new challenges in terms of energy management and customer data analysis. Due to the new and more stringent regulations, high efficiency of the powertrains is required in every operation condition, including customer real driving ones. The aim is to assess the accuracy and reliability of customer data and develop a new methodology to estimate the vehicle’s fuel consumption in a virtual environment representing the actual fleet condition and customer usage. In this context, customer data is defined as the on-board measurements from the vehicles in the market that are collected and stored in a Big Data platform.
These data can be used to estimate the average customer fuel consumption and to synthetize a driving pattern that can be used to describe the customer usages of the vehicle. In order to achieve this, the accuracy of the customer data retrieved from the market has been cross validated with respect to a company data collection campaign. All the tools needed for the pre- and post-processing of the latter has been developed. A new method to generate a virtual driving pattern has been proposed and implemented. As a result, the data coming from the market have been validated and the fundamental ones have high accuracy. Moreover, the proof of concept developed for the creation of the virtual driving pattern is a high-customizable framework, very robust and scalable.
These results allow the usage of customer Big Data for the current investigation as the master source to describe vehicle behaviour in real conditions. The generation tool can now be applied to those data and a much more representative driving pattern can be retrieved directly to describe all the possible operating conditions, which is fundamental to estimate the fuel consumed in each of those.
|
