Desarrollo de un programa de Eco-Driving a nivel operativo con monitoreo a bordo OBD II en el Área Metropolitana de Bucaramanga
![Thumbnail](/bitstream/handle/20.500.12749/23191/Tesis.pdf.jpg?sequence=6&isAllowed=y)
Cite
Share this
Date
2024-01-17Other contributors
Monitoring of the work process
Consultation in the UNAB Apollo SystemMetadata
Show full item recordDocuments PDF
Abstract
Las estrategias de Eco-Driving buscan controlar y reducir el consumo innecesario de combustible mediante la toma de decisiones antes y durante la conducción. Para desarrollar las estrategias primero se realizó una campaña de monitoreo en condiciones reales de carreta para una muestra de 6 vehículos durante 6 meses, el objetivo de la campaña fue recolectar datos de variables de manejo como la velocidad, aceleración, RPM, consumo de combustible, entre otros, mediante un dispositivo OBD II. Para analizar los estilos de conducción, se implementaron dos modelos de aprendizaje no supervisado: Kmeans y DBSCAN. Utilizando las métricas del coeficiente de silueta y el índice de Davies Boulton, se determinó que el método de mayor calidad para la clasificación es Kmeans cuando se itera con las variables de velocidad promedio y aceleración positiva máxima. Los resultados indicaron la existencia de 3 grupos o clústeres que corresponden a los estilos calmado, normal y agresivo. A partir de esta clasificación, se identificaron las características distintivas de cada estilo, lo que permitió plantear estrategias de Ecodriving a nivel operativo, es decir relacionadas directamente con el comportamiento del conductor en carretera. Finalmente, para estimar el ahorro potencial derivado de estas estrategias, se entrenaron cinco modelos de regresión con aprendizaje supervisado. Cada modelo se evaluó utilizando índices de error como MSE, RMSE y R2, Los resultados indicaron que el modelo óptimo para la estimación es Random forest debido a que tiene un RMSE de 4,99 L/100Km siendo el valor más bajo de error y un coeficiente de determinación de 0.91 siendo el valor más alto obtenido, lo cual es indicador de una alta precisión del modelo entrenado. Según los resultados, se concluyó que el Ecodriving posibilita una reducción de hasta el 30% en el consumo de combustible. Esto se traduce en un ahorro económico para el conductor y una disminución en la producción de emisiones contaminantes.
Lemb keywords
Mecatrónica; Conducción de vehículos; Recursos energéticos; Conservación de la energía; AutomóvilesKeywords
Driving styles; Eco-driving; Random forest; Vehicle driving; Energetic resources; Energy conservation; Automobiles
Comments
Collections
- Ingeniería Mecatrónica [324]