The transport sector is a major cause of emissions both in Sweden and globally. This master thesis aims to develop a model for estimating emissions from heavy transport on a specific route. The emissions can be used in a route planning software and help the driver choose a route that contributes to reduced emissions. The methodology was to investigate attributes, like vehicle-related attributes and topography, and their impact on transport emissions. The carbon dioxide, methane and nitrous oxide emissions were converted into carbon dioxide equivalents, which were incorporated as one cost together with a precalculated driving time as a second cost in a multi objective function used for route planning. Different tests were conducted to investigate the accuracy and the usability of the model. First, a validation test was performed, where the optimized routes were analyzed. The test showed that the model was more likely to choose a shorter route in general. The fuel consumption values largely met expectations towards generic values and measurements, that were gathered from research. A second test of the model made use of the driving time combined with the emissions in a multi objective function. In this test, a weighting coefficient was varied and analyzed to understand the possibility to find a value of the coefficient for the best trade-off. The result showed that the model generates different solutions for different coefficients and that it is possible to find a suitable trade-off between the driving time and emissions. Therefore, this study shows that there is a possibility to combine emission with other objectives such as driving time for route optimization. Finally, a sensitivity analysis was performed, where attribute factors and assumptions were varied to see how sensitive they were and, in turn, how much a change would impact the calculated emissions. The result from the sensitivity analysis showed that the changes in topography-attributes had less impact than changes on vehicle-related attributes. In conclusion, this thesis has built a foundation for route planning, based on the environmental aspect, for heavy transports.

Bakgrund & Problem: Transport och distribution utgör grundläggande aktiviteter i ett transportföretag, såsom en 3PL-aktörs, verksamhet. I denna verksamhet är tunga transporter vanligt förekommande vilket utgör en betydande del av världens totala koldioxidutsläpp. Samtidigt som bränsleförbrukning står för en stor del av ett åkeris totala kostnader driver det även CO2-utsläpp i en redan, sett ur ett miljömässigt perspektiv, ansträngd värld. Att på sikt reducera dem globala CO2-utsläppen kommer kräva en omställning av transportsektorn och en övergång från fossila bränslen till mer förnyelsebara. För det enskilda åkeriet kan minskad bränsleförbrukning sänka kostnaderna samtidigt som det är fördelaktigt för miljön då det leder till minskade CO2-utsläpp. Vad driver då bränsleförbrukningen i ett åkeri? I denna studie ligger fokus främst på sparsam körning, transportplanering och teknologi som de faktorer som påverkar bränsleförbrukningen. I sammanhanget är även val av bränsle relevant men denna faktor har analyserats separat då det snarare är en faktor som driver CO2-utsläpp än bränsleförbrukningen i sig. Syfte: Syftet med denna studie är att studera ett urval av transportföretaget GDL:s åkerier och dess verksamhet med primärt fokus på bränsleförbrukning och CO2-utsläpp. Ambitionen vid arbetets slut är att kunna betygsätta åkeriernas verksamhet med utgångspunkt i deras bränsleförbrukning och de faktorer som driver den. Studien syftar även till att klargöra maktförhållandet mellan uppdragsgivare, som GDL, och åkerier. Metod: Studien tillämpar ett positivistiskt vetenskapligt synsätt med abduktion som angreppssätt. Baserat på de frågeställningar som studeras i detta arbete har en kvalitativ forskningsmetod applicerats överlag med små inslag av kvantitativa aspekter. Slutsats: De faktorer som huvudsakligen driver bränsleförbrukning är sparsam körning, transportplanering och teknologi. Sparsam körning är den faktor som denna studie bedömer ha störst påverkan och en fullständig implementering kan resultera i en bränslereduktion på 10-30 5(95) procent. Förutom mängden bränsle som förbrukas har även val av bränsle möjligheten att påverka företag positivt, främst miljömässigt men även ekonomiskt, där alternativa bränslen är huvudsakligt fokus. I denna studie hanteras bränslen som är förekommande inom studiens åkerier och bland dessa har HVO klart lägst CO2-utsläpp. Inflytandet från större aktörer, som GDL, är i nuläget svårt att precisera och varierar mellan åkerier. GDL:s position på marknaden borde, om så önskas, möjliggöra att ett större inflytande utövas gentemot de mindre aktörer som till stor del kör åt GDL. / Background & Problem: Transportation and distribution, such as 3PL, pose an essential part of a logistics company’s scope of duties; especially heavy transports, which account for a big part of the worldwide CO2-emissions, are an essential part of the business. Whilst fuel consumption makes up the majority of a company’s total consecutive expenses, it also augments carbon dioxide emission in our already flawed world. Therefore, the aim in the long run is a readjustment in the transport sector which includes the transition from fossil fuels towards renewable energy sources as well as the reduction of fuel consumption in general. This is also in the interest of the distribution companies, as they thereby can save expenses and reduce their ecological footprint at the same time. Yet, what determines the fuel consumption of a distribution company? To decry that, this study will primarily focus on eco-driving, route planning as well as technology as the main drivers of fuel consumption. It hereby is necessary to consider the chosen kind of fuel as an important factor regarding the CO2-emissions; this, however, will be analyzed separately. Purpose: The purpose of this paper is to study a selection distribution companies that primarily work on behalf of GDL, to examine which factors drive fuel consumption and CO2 emissions 6(95) within these companies. This papers ambition is to fairly evaluate the distribution companies and grade them accordingly, based on factors that drive fuel consumption and CO2 emissions. Additionally, this paper also aims to clarify the power structure between outsourcers, such as GDL, and their distributors. Method: This paper applies a positivistic scientific view with abduction as an approach. Based on this papers research questions it was determined that a qualitative research method should be applied throughout the study, with minor quantitative elements. Conclusions: The main factors for fuel consumption are parsimonious driving, route planning as well as technology. Hereby, frugal driving was ranked as the most important one as it can lead to a saving of 10-30 percent. Furthermore, the amount of used fuel can be positively influenced through the choice of certain fuel types. This has economical as well as ecological effects; the study focusses on renewable fuels, such as HVO, which has by far the lowest CO2- emissions amongst the fuels that were drawn into consideration. Influence by bigger actors, such as GDL, makes it hard to determine between different companies’ standings, as GDL’s position directly influences their smaller distributers.

This master thesis is part of a bigger project issued by AVL with the purpose to design a high pressure compression ignition fuel system for their single cylinder test cell at their facility in Södertälje. Typically compression-ignition fuel tests are being run within an operating pressure range of 500-2400 bar, but this system has to be able to run with pressures up to 3500 bar. The project was intended to be carried out by two participants where this master thesis covers the evaluation of how fuel consumption rates shall be measured in the system described above as well as how the fuel shall be conditioned. The selected concept for measuring fuel consumption rate was based on measuring the mass flow on the low-pressure side of the system with a Coriolis flowmeter. The chosen temperature sensor for monitoring the temperature on the high-pressure side was a K-type thermocouple which would be directly connected to the fuel rail in the system. A bleeder was selected on the basis that it had been used in one of AVL's old test cells. A heat exchanger could not be chosen. However a rough estimation of the capacity needed for a heat exchanger was calculated for future reference. The methodology used to develop a concept was based on the engineering project process taught to students at Karlstad University. First a project plan was made followed by a solution-independently expressed product specification including a specification of requirements and QFD-matrix. Several concepts were generated for measuring the fuel consumption by evaluating different measuring principles, available components, possible positions of the components within the system and combinations with different fuel supply concepts. Less extensive methods were used for the remaining tasks in the detailed engineering phase of the project. The concepts were compared using Pugh's analysis and a concept was selected in collaboration with AVL. The majority of the objectives for this master thesis could be successfully carried out. The documentation and drawings requested by the client, manufacturing of the system, implementation and validation into the test cell could not be done due to lack of time. This, along with the selection of a heat exchanger and low-pressure thermocouple was left for future work.

The impact of air travel on the climate, along with its increasing share in CO2 emissions have raised the demand for sustainable air travel solutions. The current aircraft technologies have seen significant improvement throughout the years. Although, the rate at which new aircraft technologies are developed can not keep up with the increased demand for air travel. Hence, a different approach to reduce the aviation’s impact on climate can be achieved by optimizing the vertical flight path in order to reduce the fuel consumption, i.e. using dynamic programming. Upon departure, an optimization of the vertical flight path is initiated and an optimal flight plan is suggested to the flight crew.  The fuel saving produced by the optimal flight plan is a potential saving that can only be fully achieved if the flight crew chose to fly according to the optimized flight path. However, restrictions from the Air Traffic Control, as well as the flight crew’s willingness to follow the optimized flight path can affect the achieved saving. Hence, a tool is developed in order to compute trip fuel consumption from post-flight data obtained from the Automatic Dependent Surveillance-Broadcast (ADS-B) surveillance technology. A method to identify the start and end positions of cruise segments is successfully implemented. Two methods of calculating the fuel are implemented and compared. The first method is based on simulating the actual flight, which uses the same performance model as for the simulation of the operational flight plan trip and optimized trip. The second method is based on utilizing the ADS-B data to obtain the aircraft speed which in return can be used as a parameter to obtain the fuel flow of the aircraft, hence the trip is not simulated. The results reveals that the simulation method produces flight trajectories that are comparable to the operational and optimized flight plans since they use the same model structure. However, using ADS-B data to obtain fuel consumption represents the actual flight trajectory more accurately.  Furthermore, an optimization algorithm based on the onboard Flight Management Computer is implemented. According to the results, the FMC optimization offers a sufficient optimization of the cruise phase, when compared to the OFP trip, however performs worse than the dynamic programming, which provides a global optimal solution. / Flygresornas inverkan på klimatet, tillsammans med dess ökande andel av CO2-utsläppen, har ökat kraven på hållbara flygplanslösningar. Den nuvarande flygplansteknologin har genomgått betydande förbättringar genom åren. Men takten för vilken ny flygplansteknik utvecklas kan inte hålla jämna steg med den ökade efterfrågan på flygresor. Däremot kan ett annat tillvägagångssätt för att minska flygets påverkan på klimatet uppnås genom att optimera den vertikala flygvägen för att minska bränsleförbrukningen, d.v.s. med hjälp av högupplösta väderdata. Vid avgång initieras en dynamisk programmering där optimering av den vertikala flygbanan och en optimal färdplan föreslås för flygbesättningen.  Bränslebesparingen som den optimala färdplanen ger är en besparingspotential som endast kan uppnås fullt ut om flygbesättningen väljer att flyga enligt den. Restriktioner från flygledningen, samt flygbesättningens vilja att följa den optimerade färdplanen kan dock påverka den uppnådda besparingen. Därav utvecklas ett verktyg för att beräkna färdens bränsleförbrukning från postflight data erhållna från Automatic Dependent Surveillance-Broadcast (ADS-B) övervakningsteknologi. En metod för att identifiera start- och slutpositionerna för kryssningssegment implementeras framgångsrikt. Två metoder för att beräkna bränslet implementeras och jämförs. Den första metoden baseras på att simulera den faktiska flygningen. Denna metod använder samma prestandamodell som för simuleringen av den operativa färdplanens resa och den optimerade resan. Den andra metoden baseras på att använda ADS-B-data för att erhålla flygplanets hastighet, som i sin tur kan användas som en parameter för att få fram flygplanets bränsleflöde vid en tidpunkt. Resultaten visar att simuleringsmetoden ger flygbanor som är rättvist jämförbara med de operativa och optimerade flygplanerna, då de använder samma modell. Men att använda ADS-B-data för att få bränsleförbrukning representerar den faktiska flygbanan mer exakt.  Dessutom implementeras en optimeringsalgoritm baserad på den inbyggda Flight Management Computer. Enligt resultaten erhåller FMC-optimeringen en tillfredsställande optimering av kryssningsfasen, jämfört med OFP-resan, men presterar sämre än den dynamiska programmeringen, vilket alltid ger en global optimal lösning.

Fuel consumption is one of the key factors in determining expenses of operating a heavy-duty vehicle. A customer may therefor request an estimate of the fuel consumption of a given vehicle. Scania uses modular design when constructing heavy-duty vehicles. The modular design allows a customer to specify which building blocks to use when constructing the vehicle, such as gear box, engine and chassis type. The many possible combinations means that the same vehicle is rarely sold twice, which can make fuel consumption measurements unfeasible. This study investigates the accuracy of machine learning algorithms in predicting fuel consumption for heavy-duty vehicles. The study is conducted at Scania. Scania has also provided the data used in the study. This study also examines the prediction power of different parameters. Performance is evaluated by reporting the prediction error on both simulated data and operational measurements. The performance of Linear regression (LR), K-nearest neighbor (KNN) and Artificial neural networks (ANN) is compared using statistical hypothesis testing. It is found that using Country as an input parameter yields a performance increase in all the algorithms. The statistical evaluation procedure finds that ANNs have the lowest prediction error compared to LR and KNN in estimating fuel consumption on both simulated and operational data. The performance of the final models is comparable to models of previous studies in both the simulated and operational estimation scenarios. / Bränsleförbrukning utgör en av nyckelfaktorerna för att avgöra hur mycket det kostar att använda tunga lastbilar. En köpare av en tung lastbil kan därmed begära en uppskattning av hur mycket bränsle ett givet fordon förbrukar. Scania använder sig av en modulär designprincip vid fordonskonstruktion, vilket ger kunden möjlighet att bestämma vilka byggnadsblock som ska utgöra ett for- don. Detta gör att det kan vara omöjligt att mäta förbrukningen av ett tidigare icke-producerat fordon. Den här studien undersöker exaktheten av maskininlärningsalgoritmer för att estimera bränsleförbrukning av tunga lastbilar. Studien genomförs vid Scania, som även tillhandahåller data. Användbarheten av olika in-parametrar undersöks. Algoritmernas prestanda utvärderas genom att rapportera det kvadrerade felvärdet uppmätt mellan det riktiga uppmätta värdet och det av algoritmen uppskattade värdet. Bränsleförbrukning estimeras för simulerad data och för uppmätta värden från fordon i bruk. Tre kategorier av algoritmer undersöks: Artificiella neurala nätverk, linjär regression och K-nearest neighbor. Jämförelsen mellan algoritmer använder statistisk hypotes-testning. Resultatet visar att parametern som beskriver vilket land fordonet registrerats i förbättrar samtliga algoritmers estimering. Den statistiska utvärderingen finner att artificiella neurala nätverk ger det lägsta felet av de tre kategorierna av algoritmer i estimering av simulerade och uppmätta värden. De slutgiltiga modellernas exakthet är jämförbar med resultat från tidigare studier.

No description available.

Formation flying of satellites describes a mission in which a set of satellites arrange their position with respect to one another. In this paper, satellite formation flying guidance and control algorithms are investigated in terms of required velocity increment Delta-v, and tracking error for a Chief/Deputy satellite system. Different control methods covering continuous and impulsive laws are implemented and tested for Low Earth Orbit (LEO). Sliding Mode, Feedback Linearization and Model Predictive Controllers are compared to an Impulsive Feedback Law which tracks the mean orbital element differences. Sliding Mode and Feedback Linearization controllers use the same dynamic model which includes Earth Oblateness perturbations. On the other hand, Model Predictive Control with Multi-Objective Cost Function is based on the Clohessy–Wiltshire equations, which do not account for any perturbation and do not cover the eccentricity of the orbit. The comparison was done for two different missions both including Earth Oblateness effects only. A relative orbit mission, which was based on the Prisma Satellite Mission and a rendezvous mission, was implemented. The reference trajectory for the controllers was generated with Yamanaka and Ankersen’s state transition matrix, while a separate method was used for the Impulsive Law. In both of the missions, it was observed that the implemented Impulsive Law outperformed in terms of Delta-v, 1.2 to 3.5 times smaller than the continuous control approaches, while the continuous controllers had a smaller tracking error, 2 to 8.3 times less, both in terms of root mean square error and maximum error in the steady state. Finally, this study shows that the tracking error and Delta-v has inversely proportional relationship. / Formationsflygning av satelliter innebär att en grupp satelliter flyger tillsammans och anpassar sina relativa lägen i förhållande till varandra. I detta examensarbete studerades regleralgoritmer för formationsflygande satelliter med fokus på bränsleförbrukning och positionsavvikelse genom ”Chief & Deputy”-metoden. Olika reglermetoder har studerats, t.ex. Sliding Mode- och Feedback Linearization-reglering för formationsflygningsfall i låg jordbana med J2-störning samt en Model Predictive-reglering för fall med relativ rörelse baserad på Clohessy-Wiltshire-ekvationerna. Vidare studerades en reglermetod baserad på impulsframdrivning. De fyra reglermetoderna implementerades på två olika rymduppdrag. Först ett uppdrag baserat på Prisma-satelliterna för två satelliter i relativ omloppsbana och sedan ett Rendezvous-uppdrag. Referensbanan för alla reglermetoder, utom för implusmetoden, har tagits fram med hjälp av Yamanakas och Ankersens tillståndsmatris. Resultaten visar att den implementerade impulsmetoden presterar bättre med avseende på bränsleförbrukning, medan de kontinuerliga reglermetoderna producerade mindre relativ positionsavvikelse, både med avseende på kvadratiskt medelvärde och maximalt värde.

The impact of air travel on the climate, along with its increasing share in CO2 emissions haveraised the demand for sustainable air travel solutions. The current aircraft technologies haveseen significant improvement throughout the years. Although, the rate at which new aircrafttechnologies are developed can not keep up with the increased demand for air travel. Hence, adifferent approach to reduce the aviation’s impact on climate can be achieved by optimizing thevertical flight path in order to reduce the fuel consumption, i.e. using dynamic programming.Upon departure, an optimization of the vertical flight path is initiated and an optimal flight planis suggested to the flight crew. The fuel saving produced by the optimal flight plan is a potential saving that can only be fullyachieved if the flight crew chose to fly according to the optimized flight path. However, restrictionsfrom the Air Traffic Control, as well as the flight crew’s willingness to follow theoptimized flight path can affect the achieved saving. Hence, a tool is developed in order tocompute trip fuel consumption from post-flight data obtained from the Automatic DependentSurveillance-Broadcast (ADS-B) surveillance technology. A method to identify the start andend positions of cruise segments is successfully implemented. Two methods of calculating thefuel are implemented and compared. The first method is based on simulating the actual flight,which uses the same performance model as for the simulation of the operational flight plantrip and optimized trip. The second method is based on utilizing the ADS-B data to obtain theaircraft speed which in return can be used as a parameter to obtain the fuel flow of the aircraft,hence the trip is not simulated. The results reveals that the simulation method produces flighttrajectories that are comparable to the operational and optimized flight plans since they use thesame model structure. However, using ADS-B data to obtain fuel consumption represents theactual flight trajectory more accurately. Furthermore, an optimization algorithm based on the on-board Flight Management Computeris implemented. According to the results, the FMC optimization offers a sufficient optimizationof the cruise phase, when compared to the OFP trip, however performs worse than the dynamicprogramming, which provides a global optimal solution / Flygresornas inverkan på klimatet, tillsammans med dess ökande andel av CO2-utsläppen, harökat kraven på hållbara flygplanslösningar. Den nuvarande flygplansteknologin har genomgåttbetydande förbättringar genom åren. Men takten för vilken ny flygplansteknik utvecklas kaninte hålla jämna steg med den ökade efterfrågan på flygresor. Däremot kan ett annat tillvägagångssättför att minska flygets påverkan på klimatet uppnås genom att optimera den vertikalaflygvägen för att minska bränsleförbrukningen, d.v.s. med hjälp av högupplösta väderdata. Vidavgång initieras en dynamisk programmering där optimering av den vertikala flygbanan och enoptimal färdplan föreslås för flygbesättningen. Bränslebesparingen som den optimala färdplanen ger är en besparingspotential som endast kanuppnås fullt ut om flygbesättningen väljer att flyga enligt den. Restriktioner från flygledningen,samt flygbesättningens vilja att följa den optimerade färdplanen kan dock påverka denuppnådda besparingen. Därav utvecklas ett verktyg för att beräkna färdens bränsleförbrukningfrån post-flight data erhållna från Automatic Dependent Surveillance-Broadcast (ADS-B) övervakningsteknologi.En metod för att identifiera start- och slutpositionerna för kryssningssegmentimplementeras framgångsrikt. Två metoder för att beräkna bränslet implementeras ochjämförs. Den första metoden baseras på att simulera den faktiska flygningen. Denna metodanvänder samma prestandamodell som för simuleringen av den operativa färdplanens resa ochden optimerade resan. Den andra metoden baseras på att använda ADS-B-data för att erhållaflygplanets hastighet, som i sin tur kan användas som en parameter för att få fram flygplanetsbränsleflöde vid en tidpunkt. Resultaten visar att simuleringsmetoden ger flygbanor somär rättvist jämförbara med de operativa och optimerade flygplanerna, då de använder sammamodell. Men att använda ADS-B-data för att få bränsleförbrukning representerar den faktiskaflygbanan mer exakt. Dessutom implementeras en optimeringsalgoritm baserad på den inbyggda Flight ManagementComputer. Enligt resultaten erhåller FMC-optimeringen en tillfredsställande optimering avkryssningsfasen, jämfört med OFP-resan, men presterar sämre än den dynamiska programmeringen,vilket alltid ger en global optimal lösning.

The automotive industry is undertaking major technological steps in an effort to reduce emissions and fight climate change. To reduce the reliability on fossil fuels a lot of research is invested into electric motors (EM) and their applications. One such application is plug-in hybrid electric vehicles (PHEV), in which internal combustion engines (ICE) and EM are used in combination, and take turns to propel the vehicle based on driving conditions. The main optimization problem of PHEV is to decide when to use which motor. If this optimization is done with respect to emissions, the entire electric charge should be used up before the end of the trip. But if the charge is used up too early, latter driving segments for which the optimal choice would have been to use the EM will have to be done using the ICE. To address this optimization problem, we studied the fuel consumption during different driving conditions. These driving conditions are characterized by hundreds of sensors which collect data about the state of the vehicle continuously when driving. From these data, we constructed 150 seconds segments, including e.g. vehicle speed, before new descriptive features were engineered for each segment, e.g. max vehicle speed. By using the characteristics of typical driving conditions specified by the Worldwide Harmonized Light Vehicles Test Cycle (WLTC), segments were labelled as a highway or city road segments. To reduce the dimensions without losing information, principle component analysis was conducted, and a Gaussian mixture model was used to uncover hidden structures in the data. Three machine learning regression models were trained and tested: a linear mixed model, a kernel ridge regression model with linear kernel function, and lastly a kernel ridge regression model with an RBF kernel function. By splitting the data into a training set and a test set the models were evaluated on data which they have not been trained on. The model performance and explanation rate obtained for each model, such as R2, Mean Absolute Error and Mean Squared Error, were compared to find the best model. The study shows that the fuel consumption can be modelled by the sensor data of a PHEV test fleet where 6 features contributes to an explanation ratio of 0.5, thus having highest impact on the fuel consumption. One needs to keep in mind the data were collected during the Covid-19 outbreak where travel patterns were not considered to be normal. No regression model can explain the real world better than what the underlying data does. / Fordonsindustrin vidtar stora tekniska steg för att minska utsläppen och bekämpa klimatförändringar. För att minska tillförlitligheten på fossila bränslen investeras en hel del forskning i elmotorer (EM) och deras tillämpningar. En sådan applikation är laddhybrider (PHEV), där förbränningsmotorer (ICE) och EM används i kombination, och turas om för att driva fordonet baserat på rådande körförhållanden. PHEV: s huvudoptimeringsproblem är att bestämma när man ska använda vilken motor. Om denna optimering görs med avseende på utsläpp bör hela den elektriska laddningen användas innan resan är slut. Men om laddningen används för tidigt måste senare delar av resan, för vilka det optimala valet hade varit att använda EM, göras med ICE. För att ta itu med detta optimeringsproblem, studerade vi bränsleförbrukningen under olika körförhållanden. Dessa körförhållanden kännetecknas av hundratals sensorer som samlar in data om fordonets tillstånd kontinuerligt vid körning. Från dessa data konstruerade vi 150 sekunder segment, inkluderandes exempelvis fordonshastighet, innan nya beskrivande attribut konstruerades för varje segment, exempelvis högsta fordonshastighet. Genom att använda egenskaperna för typiska körförhållanden som specificerats av Worldwide Harmonized Light Vehicles Test Cycle (WLTC), märktes segment som motorvägs- eller stadsvägsegment. För att minska dimensioner på data utan att förlora information, användes principal component analysis och en Gaussian Mixture model för att avslöja dolda strukturer i data. Tre maskininlärnings regressionsmodeller skapades och testades: en linjär blandad modell, en kernel ridge regression modell med linjär kernel funktion och slutligen en en kernel ridge regression modell med RBF kernel funktion. Genom att dela upp informationen i ett tränings set och ett test set utvärderades de tre modellerna på data som de inte har tränats på. För utvärdering och förklaringsgrad av varje modell användes, R2, Mean Absolute Error och Mean Squared Error. Studien visar att bränsleförbrukningen kan modelleras av sensordata för en PHEV-testflotta där 6 stycken attribut har en förklaringsgrad av 0.5 och därmed har störst inflytande på bränsleförbrukningen . Man måste komma ihåg att all data samlades in under Covid-19-utbrottet där resmönster inte ansågs vara normala och att ingen regressionsmodell kan förklara den verkliga världen bättre än vad underliggande data gör.

Tesis por compendio / It was not that long ago, just in the first half on the 1990s, when mobile phones were first introduced, being big and expensive. All you could do with them was to make phone calls. Since then mobile devices have experienced a great technological advance: we carry smartphones in our pockets that provide Internet access, having accelerometers that can measure acceleration, a gyroscope that can provide orientation information, different wireless interfaces such as Bluetooth connections, and above all, great computing power. On the other hand, the automobile industry has evolved significantly during the last 10 years. One of the most exciting advances in vehicle development is vehicle-to-vehicle V2V communication, which allows cars to communicate with each other over a dedicated Wi-Fi band, and share information about vehicle speed, route direction, traffic flow, and road and weather conditions. An example of such a system is GM's (General Motors) OnStar, introduced in 1996, and that provides automatic response in case of an accident, stolen-vehicle recovery, remote door unlock, and vehicle diagnostics. Also, the standard On Board Diagnosis (OBD-II), available for several years, allows us to connect to the Electronic Control Unit (ECU) via a Bluetooth OBD-II connector. This connection interface allows connectivity between the smartphone and the vehicle, and can be purchased for just over 15 euros. The spectrum of possibilities that arise when combining the car and the smartphone is unlimited, such as performing the diagnosis of the car by assuming the tasks performed by the car's On Board Unit (OBU), or sending the collected data to a platform where the diagnosis or maintenance of the system can be realized in order to detect possible faults, help you to save gas and reduce environment pollution, and notify you of your car's problems, among other features. The general objective pursued with this doctoral thesis is to help drivers to correct bad habits in their driving. To achieve this we promote the combination between smartphones and vehicular networks to design and develop a platform able to offer useful tips to achieve safer driving and greater fuel economy. It is well-known that intelligent driving can lead to lower fuel consumption, with the consequent positive impact on the environment. The proposal that has been carried out in this doctoral thesis begins with the data capture from the vehicles' OBD-II port and data analysis through the use of graphs, maps, and statistics, both, on the server itself and in the smartphone's application developed. We applied data mining techniques and neural networks to analyze, study and generate a classiffication on driving styles based on the analysis of the characteristics of each specific route used for testing. In a second phase, we demostrate the relationship between fuel consumption and driving style. To achieve that goal, the first thing that we had to realize was how to apply different algorithms for the instantaneous consumption calculation (this parameter cannot be obtained directly from the vehicle ECU). Later, we studied and analyzed all data that was collected from the drivers who shared their monitored data with the server. Although drivers do not recognize themselves as being in a state of anxiety while driving, they are more stressed than in any other daily activity, for example, when trying to stay in the right lane, keeping the car at a certain speed, and starting and stopping the vehicle. In general, drivers are more concentrated than they think, which causes an increase in the heart rate. Many factors influence heart rate while at rest, e.g. stress, medications, medical conditions, even genes play a role. In our study we also investigate how stress and the driving behavior influence the heart rate. So, in the last phase, we demostrate the correlation between heart rate and driving style, showing how the driving style can make the heart rate vary by 3 %. / No hace mucho tiempo, tan sólo en la primera mitad en la década de los 90, cuando los teléfonos móviles aparecieron, eran grandes y caros, todo lo que se podía hacer con ellos era realizar llamadas telefónicas. Desde entonces los dispositivos móviles han experimentado un gran avance tecnológico, llevamos teléfonos inteligentes en el bolsillo con acceso a Internet, acelerómetros que calculan la aceleración instantánea, giroscopios que proporcionan información de orientación, diferentes conexiones inalámbricas como Bluetooth, y sobre todo, gran capacidad de computación. Por otro lado, la industria del automóvil ha evolucionado mucho durante los últimos 10 años. Uno de los avances más interesantes en el desarrollo de vehículos ha sido la conectividad, V2V, o comunicación vehículo a vehículo, permite a los automóviles comunicarse mediante Wi-Fi y compartir información sobre la velocidad del vehículo, la dirección de la ruta actual, el tráfico, así como las condiciones de la carretera y las condiciones ambientales. Por otra parte, el estándar On Board Diagnosis (OBD-II), disponible desde hace varios años, permite conectarnos de forma sencilla a la ECU (Electronic Control Unit) mediante un conector Bluetooth OBD-II. Este interfaz de conexión permite la conectividad entre el dispositivo móvil y el vehículo, se puede adquirir por poco más de 15 euros. El espectro de posibilidades que surgen al combinar el automóvil y el Smartphone es amplísimo, como por ejemplo realizar el diagnóstico del coche a través del móvil asumiendo las tareas que hace la unidad On Board Unit (OBU) del coche, o bien enviar los datos recogidos a una plataforma donde se pueda realizar el diagnóstico o mantenimiento del sistema, detectando posibles fallos puede ayudar a ahorrar en el consumo de combustible, notificar los problemas del coche en tiempo real, entre otras características. El objetivo general que se persigue con esta tesis doctoral es ayudar al conductor a corregir malos hábitos en su forma de conducción. Conseguimos esto mediante la combinación entre smartphones y las redes vehiculares, diseñamos y desarrollamos una plataforma capaz de ofrecer consejos útiles para conseguir una conducción más segura y un mayor ahorro de combustible. Es conocido que una conducción inteligente puede llevarnos a un menor consumo de combustible, con el consiguiente impacto positivo que ello conlleva sobre el medio ambiente. La propuesta que se ha llevado a cabo en esta tesis doctoral comienza con la obtención de los datos desde el OBD-II del coche y su presentación y análisis mediante el uso de gráficas, mapas, estadísticas, tanto en el propio servidor como en la aplicación móvil desarrollada para la obtención de datos recibidos desde la ECU. Se aplicaron técnicas de minería de datos y redes neuronales para analizar, estudiar y generar una clasificación sobre los estilos de conducción en base al análisis de las características de la vía sobre la que ha realizado la ruta. En una segunda fase se demostró la relación entre el consumo de combustible con el estilo de conducción, para ello lo primero que tuvimos que realizar fue aplicar diversos algoritmos para el cálculo del consumo instantáneo, este parámetro no es posible obtenerlo directamente de la ECU del vehículo. Posteriormente se realizó el estudio y el análisis de todos los datos que se recogieron de los conductores que se prestaron a la realización del estudio enviando los datos al servidor. Muchos factores influyen en la frecuencia cardíaca en reposo, por ejemplo, el estrés, los medicamentos, las condiciones médicas, incluso los genes tienen su influencia, el envejecimiento tiende a acelerarlo, y el ejercicio regular tiende a ralentizarlo. En nuestro estudio también investigamos cómo el estrés y el comportamiento en la conducción influyen en la frecuencia cardíaca. En la última fase vemos la correlación existente entre el ri / No fa molt de temps, tan sols en la primera mitat en la dècada dels 90, quan els telèfons mòbils van aparéixer, eren grans i cars, tot el que es podia fer amb ells era realitzar telefonades. Des de llavors els dispositius mòbils han experimentat un gran avanç tecnològic, portem telèfons intel_ligents en la butxaca amb accés a Internet, acceleròmetres que calculen l'acceleració instantània, giroscopis que proporcionen informació d'orientació, diferents connexions sense _ls com Bluetooth, i sobretot gran capacitat de computació. D'altra banda, la indústria de l'automòbil ha evolucionat molt durant els últims 10 anys. Un dels avanços més interessants en el desenrotllament de vehicles ha sigut la connectivitat, V2V, o comunicació vehicle a vehicle, permet als automòbils comunicar-se per mitjà de la banda de Wi-Fi i compartir información sobre la velocitat del vehicle, la direcció de la ruta actual, les condicions del trà_c, així com l'estat de la carretera i les condicions ambientals. D'altra banda l'estàndard On Board Diagnosi (OBD-II), disponible des de fa diversos anys, permet connectar-nos de forma senzilla a l'ECU (Electronic Control Unit) per mitjà d'un connector Bluetooth OBD-II. Esta interfície de connexió permet la connectivitat entre el dispositiu mòbil i el vehicle, es pot adquirir per poc més de 15 euros. L'espectre de possibilitats que sorgixen al combinar l'automòbil i el Smartphone és il_limitat, com per exemple realitzar el diagnòstic del cotxe a través del móvil assumint les tasques que fa la unitat On Board Unit (OBU) del cotxe, o bé enviar les dades arreplegades a una plataforma on es puga realitzar el diagnòstic o manteniment del sistema, detectant possibles fallades, ajuda a estalviar en el consum de combustible, noti_car els problemes del cotxe en temps real, entre altres característiques. L'objectiu general que es perseguix amb esta tesi doctoral és ajudar al conductor a corregir mals hàbits en la seua forma de conducció. Aconseguim açò mitjançant de la combinació entre smartphones i les xarxes vehiculares, dissenyem i desenrotllem una plataforma capaç d'oferir consells útils per a aconseguir una conducció més segura i un major estalvi de combustible. És conegut que una conducció intel_ligent pot emportar-nos a un menor consum de combustible, amb el consegüent impacte positiu que això comporta sobre el medi ambient. La proposta que s'ha dut a terme en esta tesi doctoral comença amb l'obtenció de les dades des de l'OBD-II del cotxe i la seua presentació i anàlisi per mitjà de l'ús de grà_ques, mapes, estadístiques, tant en el propi servidor, com en l'aplicació mòbil desenrotllada per a l'obtenció de dades rebudes des de l'ECU. S'apliquen tècniques de mineria de dades i xarxes neuronals per a analitzar, estudiar i generar una classi_cació sobre els estils de conducció basant-se en l'anàlisi de les característiques de la via sobre la qual ha realitzat la ruta. En una segona fase es va a demostrar la relació entre el consum de combustible amb l'estil de conducció, per a això la primera cosa que vam haver de realizar va ser aplicar diversos algorismes per al càlcul del consum instantani, este paràmetre no és possible obtindre-ho directament de l'ECU del vehicle. Posteriorment es va realitzar l'estudi i l'anàlisi de totes les dades que es van arreplegar dels conductors que es van prestar a la realització de l'estudi enviant les dades al servidor. Molts factors in_ueixen en la freqüència cardíaca en repòs, per exemple, l'estrès, els medicaments, les condicions mèdiques, _ns i tot els gens tenen la seua in_uència, l'envelliment tendeix a accelerar-ho, i l'exercici regular tendeix a ralentir-ho. En el nostre estudi només estem interessats en com l'estrès i el comportament en la conducció in_ueixen en la freqüència cardíaca. En l'última fase vam veure la correlació existent entre el ritme cardíac i l'estil de conducci / Meseguer Anastasio, JE. (2017). A novel framework to promote eco-driving through smartphone-vehicle integration [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/84287 / Compendio