Evaluación de desempeño energético de vehículos: Caso bus UNAB

Vista sencilla de ítem
dc.contributor.advisorMaradey Lázaro, Jessica Gisella
dc.contributor.advisorCordero Moreno, Danielspa
dc.contributor.apolounabMaradey Lázaro, Jessica Gisella [jessica-gissella-maradey-lázaro]spa
dc.contributor.authorSuarez Rivera, Diego Alexander
dc.contributor.cvlacSuarez Rivera, Diego Alexander [1005012150]spa
dc.contributor.cvlacMaradey Lázaro, Jessica Gisella [0000040553]spa
dc.contributor.googlescholarSuarez Rivera, Diego Alexander [ENXbA6oAAAAJ]spa
dc.contributor.googlescholarCordero Moreno, Daniel [es&oi=ao]spa
dc.contributor.orcidSuarez Rivera, Diego Alexander [0009-0006-9307-7454]spa
dc.contributor.orcidMaradey Lázaro, Jessica Gisella [0000-0003-2319-1965]spa
dc.contributor.orcidCordero Moreno, Daniel [0000-0002-2155-2627]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.coverage.temporalEnero de 2023 a Diciembre de 2023spa
dc.date.accessioned2024-01-17T19:17:54Z
dc.date.available2024-01-17T19:17:54Z
dc.date.issued2024-01-17
dc.degree.nameIngeniero Mecatrónicospa
dc.description.abstractActualmente existe gran interés por parte de los conductores de vehículos de reducir el consumo de combustible, ya que cada vez el precio del galón sigue siendo más alto, esto por distintos factores, Colombia no produce la cantidad de combustible necesaria por mes, actualmente produce un poco más del 70% y el restante es importado. También existe un déficit del Fondo de Estabilización de Precios de los Combustibles (FEPC), por lo que también se hace necesario elevar los precios del galón. Según la literatura la conducción presenta una notable influencia sobre el consumo de energía, si se realiza de manera eficiente puede generar un ahorro entre un 5% y un 25% en condiciones reales de operación [1]. La Universidad Autónoma de Bucaramanga (UNAB) cuenta con un bus para el traslado de su comunidad de una sede a otra. En el proyecto desarrollado se evaluó el desempeño energético del bus UNAB en operación normal a través del monitoreo a bordo (OBD II). Se describió el patrón de conducción y a partir de este se desarrolló el ciclo de conducción basado en Micro Trips Fuel Based (MTFBM) alcanzo una similitud <20% de las diferencias relativas promedio de los CP’s, la clasificación de los estilos de conducción por medio del SAFD indico que las velocidades que se conducen en la ruta del bus son velocidades bajas, se realizó una comparación del método de aceleración vs el método del jerk, donde se validó que un estilo de conducción agresivo aumenta el consumo de combustible.spa
dc.description.abstractenglishCurrently there is great interest on the part of vehicle drivers to reduce fuel consumption, since the price per gallon continues to be higher and higher, this is due to different factors, Colombia does not produce the necessary amount of fuel per month, it currently produces a just over 70% and the rest is imported. There is also a deficit in the Fuel Price Stabilization Fund (FEPC), so it is also necessary to raise prices per gallon. According to the literature, driving has a notable influence on energy consumption; if done efficiently it can generate savings between 5% and 25% in real operating conditions [1]. The Universidad Autónoma de Bucaramanga (UNAB) has a bus to transport its community from one location to another. In the developed project, the energy performance of the UNAB bus in normal operation was evaluated through on-board monitoring (OBD II). The driving pattern was described and from this the driving cycle based on Micro Trips Fuel Based (MTFBM) was developed, achieving a similarity <20% of the average relative differences of the CP's, the classification of driving styles through the SAFD indicated that the speeds driven on the bus route are low speeds, a comparison of the acceleration method vs. the jerk method was carried out, where it was validated that an aggressive driving style increases fuel consumption.spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontents1. INTRODUCCIÓN ............................................................................................ 13 1.1 DESCRIPCIÓN DEL PROBLEMA ............................................................ 13 1.2 JUSTIFICACIÓN DEL PROBLEMA .......................................................... 14 1.3 OBJETIVOS .............................................................................................. 16 1.3.1 Objetivo general ................................................................................. 16 1.3.2 Objetivos específicos ......................................................................... 16 2 ESTADO DEL ARTE ...................................................................................... 17 3. MARCO TEÓRICO ......................................................................................... 23 3.1 Combustible ................................................................................................. 23 3.1.1 Diesel ..................................................................................................... 23 3.2 Consumo de combustible ............................................................................. 23 3.2.1 Fases de un motor de combustión interna ............................................. 23 3.2.2 Tipos de combustión .............................................................................. 24 3.2.2.1 Combustión completa ...................................................................... 24 3.2.2.2 Combustión incompleta ................................................................... 24 3.2.2.3 Combustión estequiométrica ........................................................... 24 3.2.2.4 Combustión real .............................................................................. 24 3.2.3 Mediciones del consumo de combustible .............................................. 24 3.2.3.1 Dinamómetro de motor .................................................................... 25 3.2.3.2 Dinamómetro de chasis ................................................................... 25 3.2.3.3 Tecnologías a bordo ........................................................................ 25 3.2.3.4 Simulador de manejo ...................................................................... 26 3.2.4 Factores que influyen en el consumo de combustible ........................ 26 3.3 Estilos de conducción ................................................................................... 27 3.3.1 Factores que influyen en los estilos de conducción ............................... 27 3.3.2 Tipo de estilos de conducción ............................................................ 27 3.4 Ciclos de conducción ................................................................................... 27 3.4.1 Tipos de ciclos de conducción ............................................................... 27 3.4.2. Los ciclos de conducción para representar condiciones operativas reales ........................................................................................................................ 28 3.4.3 Métodos de elaboración de ciclos de conducción .................................. 28 3.4.3.1 Métodos estocásticos ...................................................................... 28 3.4.3.2 Métodos determinísticos ................................................................. 29 4. METODOLOGÍA ............................................................................................. 30 4.1 MODELADO/SIMULACIÓN .......................................................................... 30 4.1.1 Actividad 1, reconocer la necesidad. ..................................................... 31 4.1.2 Actividad 2, Investigar la literatura. ........................................................ 31 4.1.2.1 Resultados de la investigación del estado del arte.......................... 31 4.1.2.2. Investigación del marco teórico sobre consumo de combustible, diferentes metodologías para poder medir o determinar el consumo, estilos de conducción y ciclos de conducción. ....................................................... 31 4.1.3 Actividad 3, investigar la instrumentación. ............................................. 31 4.1.3.1 Definición del sistema de diagnóstico a bordo (OBD). .................... 32 4.1.3.2 Aplicación del diagnóstico a bordo (OBD). ...................................... 32 4.1.3.3 Interfaz ELM 327 OBD2 .................................................................. 32 4.1.3.4 Puerto OBD II .................................................................................. 32 4.1.3.5 Selección de dispositivos ................................................................ 34 4.1.3.7 Características de cada dispositivo ................................................. 35 4.1.3.8 Criterios para la elección de los dispositivos. .................................. 37 4.1.4 Actividad 4, Implementación del dispositivo. .......................................... 38 4.1.4.1 Selección y caracterización técnica del vehículo............................. 38 4.1.4.2 Caracterización sociodemográfica del conductor. ........................... 41 4.1.4.3 Campaña de monitoreo. .................................................................. 42 4.2 ADQUISICIÓN .............................................................................................. 47 4.2.1 Realizar pruebas de adquisición de datos. ............................................ 47 4.3 ELIMINACION DE DATOS ATIPICOS ......................................................... 48 4.3.1 Etapa 1 de eliminación de datos atípicos manualmente. ....................... 48 4.3.2 Etapa 2 y 3 eliminación de datos atípicos por código. ........................... 49 4.3.3 Etapa 4 de eliminación de datos atípicos manualmente. ....................... 50 4.4 METODOLOGIA ESTABLECIDA PARA LA CONSTRUCCION DEL CICLO DE CONDUCCION ............................................................................................. 51 4.4.1 Método micro-trips fuel based method (MTFBM) ................................... 51 4.4.2 Selección de parámetros característicos ............................................... 51 4.4.3 Ecuaciones para el cálculo de los parámetros característicos. .............. 52 4.4.4 Calculo de los parámetros característicos de los datos monitoreados .. 53 4.4.5 Obtención de los micro viajes ................................................................ 54 4.4.6 Clúster y distribución de probabilidad .................................................... 54 4.4.7 Selección cuasi aleatoria y empalme de los micro viajes ...................... 55 4.4.8 Validación del ciclo de conducción ........................................................ 56 4.5 POTENCIA ESPECÍFICA DEL VEHICULO (VSP) ....................................... 57 4.5.1 Proceso de obtención de las variables para calcular el VSP ................. 60 4.6 METODOLOGIA APLICADA PARA LA CLASIFICACION DE LOS ESTILOS DE CONDUCCION ............................................................................................. 60 4.6.1 Selección de las características para la clasificación de los estilos de conducción ...................................................................................................... 62 4.6.2 Diagrama de frecuencia – velocidad – aceleración (SAFD) ................... 63 4.6.3 Metodología aceleración ........................................................................ 64 4.6.4 Metodología Jerk ................................................................................... 64 4.6.5 Construcción del algoritmo desarrollado ................................................ 64 Donde, |𝐽| es el valor absoluto calculado a partir de la derivada de la aceleración. .................................................................................................... 65 4.6.6 Metodología DBSCAN ........................................................................... 66 4.6.7. Metodología KMEANS .......................................................................... 66 La metodología Kmeans es un algoritmo de clasificación no supervisada por medio de clusterización, donde se agrupan objetos en “k” grupos basándose en sus características. Este agrupamiento se realiza minimizando la suma de distancias entre cada objeto y el centroide de su clúster. ............................... 66 4.6.7 Construcción del algoritmo desarrollado ................................................ 66 5 RESULTADOS Y ANALISIS DE DATOS ............................................................ 68 5.1 CICLO DE CONDUCCION OBTENIDO ....................................................... 68 5.2 PARAMETROS CARACTERISTICOS – DIFERENCIAS RELATIVAS ......... 68 5.3 ANALISIS DE LA POTENCIA ESPECÍFICA DEL VEHICULO (VSP) ........... 70 5.4 DIAGRAMA VELOCIDAD VS CONSUMO Y ACELERACION VS CONSUMO ........................................................................................................................... 72 5.4.1 Velocidad vs consumo ........................................................................... 72 5.4.2 Aceleración vs consumo ........................................................................ 73 5.5 CLASIFICACION DE LOS ESTILOS DE CONDUCCION POR MEDIO DEL DIAGRAMA SAFD .............................................................................................. 74 5.4.1 Análisis de la variable velocidad del diagrama SAFD ............................ 74 5.4.2 Análisis de la variable aceleración del diagrama SAFD. ........................ 75 5.6 CLASIFICACION DE LOS ESTILOS DE CONDUCCION METODO DE ACELERACION Y METODO DEL JERK ........................................................... 77 5.6.1 Correlación del consumo de combustible y los estilos de conducción ... 78 5.7 CLASIFICACION DE LOS ESTILOS DE CONDUCCION METODOLOGIA DBSCAN Y KMEANS ......................................................................................... 79 5.5.1 Análisis de los datos .............................................................................. 79 5.5.1.1 Variación estadística por medio de la varianza ............................... 79 5.5.1.2 Preparación del PCA para observar el impacto de las features ...... 80 5.5.2 Metodología DBSCAN ........................................................................... 81 5.5.2.1Segmentación de datos para aplicar DBSCAN ................................ 81 5.5.2.2 Detección y eliminación de outliers para cada base de datos ......... 82 5.5.3 Metodología KMEANS ........................................................................... 84 5.5.3.1 Resultados de la metodología KMEANS ......................................... 85 5.7 ESTRATEGIAS DE MEJORA PARA REDUCIR EL CONSUMO DE COMBUSTIBLE DEL BUS UNAB. ..................................................................... 86 6 CONCLUSIONES ............................................................................................... 88 7. RECOMENDACIONES Y TRABAJOS A FUTURO ........................................... 90 BIBLIOGRAFIA ...................................................................................................... 91 8 ANEXOS ............................................................................................................. 97 8.1 CODIGO PARA LA CONSTRUCCION DEL CICLO DE CONDUCCION CANDIDATO (MTFBM) ...................................................................................... 97 8.2 CODIGO PARA LA CLASIFICACION DE LOS ESTILOS DE CONDUCCION (DBSCAN - K-MEANS) .................................................................................... 109spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/23175
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería Mecatrónicaspa
dc.publisher.programidIMK-1789
dc.relation.referencesK. Bohórquez. "Combustibles: crece el consumo y el billonario hueco fiscal". Colombia Forbes. https://forbes.co/2022/08/17/editors-picks/combustibles-crece-el-consumo-de-la-mano-de-un-billonariohueco-fiscal.spa
dc.relation.referencesS.A.S., E.L.R. Cada mes, Colombia consume alrededor de 428 millones de galones de combustible, Diario La República. Available at: https://www.larepublica.co/economia/cada-mes-colombia-consume-alrededor-de-428- millones-de-galones-de-combustible-3451998.spa
dc.relation.referencesUPME, “TRANSPORTE ELECTRICO EN COLOMBIA,” Bogotá D.C, 2017.spa
dc.relation.referencesRedacción vanguardia. "Presentarán plan para mejorar la calidad del aire en Bucaramanga y el área". Vanguardia. https://www.vanguardia.com/area-metropolitana/bucaramanga/presentaran-plan-para-mejorar-lacalidad-del-aire-en-bucaramanga-y-el-area-YI5192199.spa
dc.relation.referencesCTS Embarq México, “Documento base para la elaboración de la Estrategia de Transición para promover el uso de Tecnologías y Combustibles más Limpios” en el tema de ahorro de energía en transporte,” 2015.spa
dc.relation.referencesJ. N. Barkenbus, “Eco-driving: An overlooked climate change initiative,” Energy Policy, vol. 38, no. 2, pp. 762–769, 2010. doi: 10.1016/j.enpol.2009.10.021.spa
dc.relation.referencesJ. Van Mierlo, G. Maggetto, E. Van de Burgwal, and R. Gense, “Driving style and traffic measures-influence on vehicle emissions and fuel consumption,” Proc. Inst. Mech. Eng. Part D J. Automob. Eng., vol. 218, no. 1, pp. 43–50, Jan. 2004. doi: 10.1243/095440704322829155.spa
dc.relation.referencesM. Andrejić, N. Bojović, and M. Kilibarda, “A framework for measuring transport efficiency in distribution centers,” Transp. Policy, vol. 45, pp. 99–106, 2016. doi: 10.1016/j.tranpol.2015.09.013.spa
dc.relation.referencesP.Fafoutellis, E.G.Mantouka,E.I. Vlahogianni, “Eco-Driving and Its Impacts on Fuel Efficiency: An Overview of Technologies and Data-Driven Methods. Sustainability” 2021, 13, 226. https://doi.org/10.3390/su13010226spa
dc.relation.referencesE. Choi. E. Kim, “Critical aggressive acceleration values and models for fuel consumption when starting and driving a passenger car running on LPG”, 2017. https://doi.org/10.1080/15568318.2016.1262928.spa
dc.relation.referencesN.Xu,X. Li,Q. Liu,D. Zhao, “An Overview of Eco-Driving Theory, Capability Evaluation and Training Applications”, 2021. https://doi.org/10.3390/s21196547spa
dc.relation.referencesH.Wang, L.Fu,Y.Zhou,H.Li, “Modelling of the fuel consumption for passenger cars regarding”, Beijing, 2008. https://doi.org/10.1016/j.trd.2008.09.002spa
dc.relation.referencesGaur, D. R., Mudgal, A., & Singh, R. R. (2013). Routing vehicles to minimize fuel consumption. Operations Research Letters, 41(6), 576–580. https://doi.org/10.1016/j.orl.2013.07.007spa
dc.relation.referencesZhou, X., Huang, J., Lv, W., & Li, D. (2013). Fuel consumption estimates based on driving pattern recognition. Proceedings - 2013 IEEE International Conference on Green Computing and Communications and IEEE Internet of Things and IEEE Cyber, Physical and Social Computing, GreenCom-IThings-CPSCom 2013, 496–503. https://doi.org/10.1109/GreenCom-iThings-CPSCom.2013.99spa
dc.relation.referencesHo, S. H., Wong, Y. D., & Chang, V. W. C. (2014). Developing Singapore Driving Cycle for passenger cars to estimate fuel consumption and vehicular emissions. Atmospheric Environment, 97, 353–362. https://doi.org/10.1016/j.atmosenv.2014.08.042spa
dc.relation.referencesMa, H., Xie, H., Chen, S., Yan, Y., & Huang, D. (2014). Effects of driver acceleration behavior on fuel consumption of city buses. SAE Technical Papers, 1. https://doi.org/10.4271/2014-01-0389spa
dc.relation.referencesMa, H., Xie, H., Huang, D., & Xiong, S. (2015). Effects of driving style on the fuel consumption of city buses under different road conditions and vehicle masses. Transportation Research Part D: Transport and Environment, 41, 205–216. https://doi.org/10.1016/j.trd.2015.10.003spa
dc.relation.referencesAlves, M., & Macedo, H. (n.d.). Análisis de conducción de vehículos con respecto al consumo de combustible. utilizando dispositivos Fuzzy Logic y OBD-II avner pereira. www.onlinedoctranslator.comspa
dc.relation.referencesWang, J., & Rakha, H. A. (2016). Fuel consumption model for conventional diesel buses. Applied Energy, 170, 394–402. https://doi.org/10.1016/j.apenergy.2016.02.124.spa
dc.relation.referencesOzener, O. (2017). Real driving emissions and fuel consumption characteristics of Istanbul public transportation. Thermal Science, 21, 665–667. https://doi.org/10.2298/TSCI161112308Ospa
dc.relation.referencesYamashita, R. J., Yao, H. H., Hung, S. W., & Hackman, A. (2018). Accessing and constructing driving data to develop fuel consumption forecast model. IOP Conference Series: Earth and Environmental Science, 113(1). https://doi.org/10.1088/1755-1315/113/1/012217spa
dc.relation.referencesRios-Torres, J., Liu, J., & Khattak, A. (2019). Fuel consumption for various driving styles in conventional and hybrid electric vehicles: Integrating driving cycle predictions with fuel consumption optimization*. International Journal of Sustainable Transportation, 13(2), 123–137. https://doi.org/10.1080/15568318.2018.1445321spa
dc.relation.referencesZheng, X., Lu, S., Yang, L., Yan, M., Xu, G., Wu, X., Fu, L., & Wu, Y. (2020). Real-world fuel consumption of light-duty passenger vehicles using on-board diagnostic (OBD) systems. Frontiers of Environmental Science and Engineering, 14(2). https://doi.org/10.1007/spa
dc.relation.referencesHuzayyin, O. A., Salem, H., & Hassan, M. A. (2021). A representative urban driving cycle for passenger vehicles to estimate fuel consumption and emission rates under real-world driving conditions. Urban Climate, 36. https://doi.org/10.1016/j.uclim.2021.100810spa
dc.relation.referencesPirayre, A., Michel, P., Rodriguez, S. S., & Chasse, A. (2022). Driving Behavior Identification and RealWorld Fuel Consumption Estimation With Crowdsensing Data. IEEE Transactions on Intelligent Transportation Systems, 23(10), 18378–18391. https://doi.org/10.1109/TITS.2022.3169534spa
dc.relation.referencesF. y. N. (. Academia Colombiana de Ciencias Exactas, «Factores de emision de los combustibles colombianos,» Bogota, 2003spa
dc.relation.referencesY.Huanga, E. C. Y. Ng, J.L Zhou, N.C. Surawskia, E.F Chanb, & G. Hong, “Eco-driving technology for sustainable road transport: A review.”, 2018, https://doi.org/10.1016/j.rser.2018.05.030spa
dc.relation.referencesM. Rafael, M. Sanchez, V. Mucino, J. Cervantes and A. Lozano ,“Impact of driving styles on exhaust emissions and fuel economy from a heavy-duty truck: Laboratory tests”, 2006. https://doi.org/10.1504/IJHVS.2006.009117.spa
dc.relation.referencesC. Marina Martinez, M. Heucke, F. -Y. Wang, B. Gao and D. Cao, “Driving Style Recognition for Intelligent Vehicle Control and Advanced Driver Assistance: A Survey,” in IEEE Transactions on Intelligent Transportation Systems, vol 19, no. 3, pp. 666-676, March 2018, doi: 101109/TITS.2017.2706978.spa
dc.relation.referencesJ. D. Molina y B. F. Acuña, “Clasificación de estilos de conducción en el área metropolitana de Bucaramanga con monitoreo a bordo (OBDII) en condiciones reales de carretera.”, 2022.spa
dc.relation.referencesH. A. Gomez, «DESARROLLO DE CICLOS DE CONDUCCION PARA EL ÁREA METROPOLITANA CENTRO OCCIDENTE – AMCO.,» pereira, 2014.spa
dc.relation.referencesP. Nouri y C. Morency, «Evaluating Microtrip Definitions for Developing Driving Cycles,» Transportation Research Record, pp. 86-92, 2017.spa
dc.relation.referencesJ. Huertas, L. Quirama, M. Giraldo y J. Díaz, «Comparison of Three Methods for Constructing Real Driving Cycles,» Energies, 2019.spa
dc.relation.referencesJ. Huertas, M. Giraldo, L. Quirama y J. Díaz, «Driving Cycles Based on Fuel Consumption,» energies, vol. 11, 2018spa
dc.relation.referencesELM Electronics, «ELM electronics,» 2015. [En línea]. Available: Recuperado de:http://elmelectronics.com/DSheets/ELM327DS.pdf. [Último acceso: 22 09 2021].spa
dc.relation.referencesA. Mohammadnazar, R. Arvin y A. Khattak, «Classifying travelers’ driving style using basic safety messages generated by connected vehicles: Application of unsupervised machine learning,» Transportation Research Part C, nº 122, 2021.spa
dc.relation.referencesF. Schockenhoff, H. Nehse y M. Lienkamp, «Maneuver-based objectification of user comfort affecting aspects of driving style of autonomous vehicle concepts,» Applied Sciences, vol. 10, nº 11, 2020.spa
dc.relation.referencesB. Gao, K. Cai, T. Qu, Y. Hu y H. Chen, «Personalized adaptive cruise control based on online driving style recognition technology and model predictive control,» IEEE transactions on vehicular technology, vol. 69, nº 11, pp. 12482-12496, 2020.spa
dc.relation.referencesR. Yu, X. Long y J. Li, «Driving Style Analyses for Car-sharing Users Utilizing Lowfrequency Trajectory Data,» de 5th International Conference on Transportation Information and Safety (ICTIS), 2019.spa
dc.relation.referencesA. Donkers, D. Yang y M. Viktorović, «Influence of driving style, infrastructure, weather and traffic on electric vehicle performance,» Transportation research part D: transport and environment, 2020.spa
dc.relation.referencesY. Shi, N. Cui y Y. Du, «Energy Management Strategy based on Driving Style Recognition for Plug-in Hybrid Electric Bus,» de 2020 39th Chinese Control Conference, pp. 5511-5516, 2020.spa
dc.relation.referencesJ. Guo, Y. Jiang, Y. Yu y W. Liu, «A novel energy consumption prediction model with combination of road information and driving style of BEVs,» Sustainable Energy Technologies and Assessments, 42, 100826, 2020.spa
dc.relation.referencesI. Silva y J. Eugenio Naranjo, «A systematic methodology to evaluate prediction models for driving style classification,» Sensors, vol. 20, nº 6, 2020.spa
dc.relation.referencesG. Li, F. Zhu, X. Qu, B. Cheng, S. Li y P. Green, «Driving style classification based on driving operational pictures,» IEEE Access, 1-1, 2019.spa
dc.relation.referencesY. Feng, S. Pickering, E. Chappell, P. Iravani y C. Brace, «A support vector clustering based approach for driving style classification,» International Journal of Machine Learning and Computing, vol. 9, nº 3, pp. 344-350, 2019.spa
dc.relation.referencesY. Liu, J. Wang, P. Zhao, D. Qin y Z. Chen, «Research on classification and recognition of driving styles based on feature engineering,» IEEE Access, vol. 7, pp. 89245-89255, 2019.spa
dc.relation.referencesJ. Cordero, J. Aguilar, K. Aguilar, D. Chávez y E. Puerto, «Recognition of the driving style in vehicle drivers,» Sensors, vol. 20, nº 9, 2020.spa
dc.relation.referencesW. Han, W. Wang, X. Li y J. Xi, «Statistical-based approach for driving style recognition using Bayesian probability with kernel density estimation,» IET Intelligent Transport Systems, vol. 13, nº 1, pp. 22-30, 2019.spa
dc.relation.referencesM. M. Bejani y M. Ghatee, «Convolutional neural network with adaptive regularization to classify driving styles on smartphones,» IEEE transactions on intelligent transportation systems, vol. 21, nº 2, pp. 543-552, 2019.spa
dc.relation.referencesP. Jardin, I. Moisidis, S. S. Zetina y S. Rinderknecht, «Rule-Based Driving Style Classification Using Acceleration Data Profiles,» 23rd International Conference on Intelligent Transportation Systems (ITSC), 2020.spa
dc.relation.referencesM. Brambilla, P. Mascetti y A. Mauri, «Comparison of different driving style analysis approaches based on trip segmentation over GPS information,» de IEEE International Conference on Big Data (Big Data), 2017.spa
dc.relation.referencesI. Del Campo, E. Asua, V. Martínez, Ó. Mata-Carballeira y J. Echanobe, «Driving style recognition based on ride comfort using a hybrid machine learning algorithm,» 21st International Conference on Intelligent Transportation Systems (ITSC), pp. 3251-3258, 2018.spa
dc.relation.referencesT. Colombo, G. Panzani, S. Savaresi y P. Paparo, «Absolute driving style estimation for ground vehicles,» IEEE conference on control technology and applications, pp. 2196-2201, 2017.spa
dc.relation.referencesJ. Gallus, U. Kirchner, R. Vogt y T. Benter, «Impact of driving style and road grade on gaseous exhaust emissions of passenger vehicles measured by a Portable Emission 95 Measurement System (PEMS),» Transportation Research Part D: Transport and Environment 52, 215-226, 2017.spa
dc.relation.referencesY. Feng, S. Pickering, E. Chappell, P. Iravani y C. Brace, «Driving Style Modelling with Adaptive Neuro-Fuzzy Inference System and Real Driving Data,» In International Conference on Applied Human Factors and Ergonomics, pp. 481-490, 2018.spa
dc.relation.referencesC. Deng, C. Wu, N. Lyu y Z. Huang, «Driving style recognition method using braking characteristics based on hidden Markov model,» PLOS ONE, vol. 12, nº 8, 2017.spa
dc.relation.referencesO. Shouno, «Deep unsupervised learning of a topological map of vehicle maneuvers for characterizing driving styles,» de In 2018 21st International Conference on Intelligent Transportation Systems (ITSC), pp. 2917-2922, 2018.spa
dc.relation.referencesG. Li, S. E. Li, B. Cheng y P. Green, «Estimation of driving style in naturalistic highway traffic using maneuver transition probabilities,» Transportation Research Part C: Emerging Technologies, vol. 74, pp. 113-125, 2017.spa
dc.relation.referencesO. F. Ozgul, M. U. Cakir, M. Tan, M. F. Amasyali y H. T. Hayvaci, «Fully Unsupervised Framework for Scoring Driving Style,» de 2018 International Conference on Intelligent Systems (IS), 2018.spa
dc.relation.referencesR. Liessner, A. Dietermann, B. Bäker y K. Lüpkes, «Derivation of real-world driving cycles corresponding to traffic situation and driving style on the basis of Markov models and cluster analyses,» de 6th Hybrid and Electric Vehicles Conference (HEVC 2016) , 2016.spa
dc.relation.referencesK. Li, L. Jin, Y. Jiang, H. Xian y L. Gao, «Effects of driver behavior style differences and individual differences on driver sleepiness detection,» Advances in Mechanical Engineering, vol. 7, nº 4, 2015.spa
dc.relation.referencesT. Felstead, M. McDonald y M. Fowkes, «Driving style extremes and potential vehicle emission effects,» In Proceedings of the Institution of Civil Engineers-Transport, vol. 162, nº 3, pp. 141-148, 2009.spa
dc.relation.referencesV. Nikulin, «Driving style identification with unsupervised learning,» de In International Conference on Machine Learning and Data Mining in Pattern Recognition, Springer, Cham, 2016.spa
dc.relation.referencesM. Karaduman y H. Eren, «Deep learning based traffic direction sign detection and determining driving style,» 2017 International Conference on Computer Science and Engineering, pp. 1046-1050, 2017.spa
dc.relation.referencesK. M. Sentoff, L. Aultman-Hall y B. A. Holmén, «Implications of driving style and road grade for accurate vehicle activity data and emissions estimates,» Transportation Research Part D: Transport and Environment, vol. 35, pp. 175-188, 2015.spa
dc.relation.referencesW. Wang, J. Xi, A. Chong y L. Li, «Driving Style Classification Using a Semisupervised Support Vector Machine,» IEEE Transactions on Human-Machine Systems, vol. 47, nº 5, pp. 650-660, 2017.spa
dc.relation.referencesO. Derbel y R. Landry, «Driving style assessment based on the GPS data and fuzzy inference systems,» de 12th International Multi-Conference on Systems, Signals & Devices, doi:10.1109/ssd.2015.7348214 , 2015.spa
dc.relation.referencesD. Johnson y M. Trivedi, «Driving style recognition using a smartphone as a sensor platform,» 14th International IEEE Conference on Intelligent Transportation Systems, pp. 1609-1615, 2011.spa
dc.relation.referencesF. Jiménez, J. C. Amarillo, J. E. Naranjo, F. Serradilla y A. Díaz, «Energy consumption estimation in electric vehicles considering driving style,» de IEEE 18th International Conference on Intelligent Transportation Systems, 2015.spa
dc.relation.referencesJ. C. Ferreira, J. de Almeida y R. A. da Silva, «The Impact of Driving Styles on Fuel Consumption: A Data-Warehouse-and-Data-Mining-Based Discovery Process,» IEEE Transactions on Intelligent Transportation Systems, vol. 16, nº 5, pp. 2653-2662, 2015.spa
dc.relation.referencesA. Aljaafreh, N. Alshabatat y Al-Din, «Driving style recognition using fuzzy logic,» de International Conference on Vehicular Electronics and Safety, 2012.spa
dc.relation.referencesZ. Constantinescu, C. Marinoiu y M. Vladoiu, «Driving style analysis using data mining techniques,» International Journal of Computers Communications & Control, vol. 5, nº 5, pp. 654-663, 2010.spa
dc.relation.referencesUniversidad Industrial de Santander, «Plan maestro de movilidad, área metropolitana de Bucaramanga 2011-2030,» Bucaramanga.spa
dc.relation.referencesYu, L., Wang, Z., Qiao, F., & Qi, Y. (2008). Approach to Development and Evaluation of Driving Cycles for Classified Roads Based on Vehicle Emission Characteristics. Transportation Research Record, 2058(1), 58–67.spa
dc.relation.referencesSawyer, R. F., R. A. Harley, S. H. Cadle, J. M. Norbeck, R. Slott, H. A. Bravo, K. L. Schere, G. M. Hidy, and H. B. Singh. Mobile Sources Critical Review: 1998 NARSTO Assessment. Journal of Atmospheric Environment, Vol. 34, No. 12–14, 2000, pp. 2161–2181.spa
dc.relation.referencesJiménez-Palacios, J. L. Understanding and Quantifying Motor Vehicle Emissions with Vehicle Specific Power and TILDAS Remote Sensing. PhD dissertation. Massachusetts Institute of Technology, Cambridge, Mass., Feb. 1999. http://cires.colorado.edu/jimenez/Papers/Jimenez_ PhD_Thesis.pdf. Accessed May 16, 2007.spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsMechatronicspa
dc.subject.keywordsVehicle performancespa
dc.subject.keywordsFuel consumptionspa
dc.subject.keywordsMeasure fuel consumptionspa
dc.subject.keywordsEnergetic resourcesspa
dc.subject.keywordsEnergy consumptionspa
dc.subject.keywordsEnergy efficiencyspa
dc.subject.keywordsVehicle drivingspa
dc.subject.lembMecatrónicaspa
dc.subject.lembRecursos energéticosspa
dc.subject.lembConsumo de energíaspa
dc.subject.lembRendimiento energéticospa
dc.subject.lembConducción de vehículosspa
dc.subject.proposalConsumo de combustiblespa
dc.subject.proposalMedir el consumo de combustiblespa
dc.subject.proposalRendimiento del vehículospa
dc.titleEvaluación de desempeño energético de vehículos: Caso bus UNABspa
dc.title.translatedVehicle energy performance evaluation: UNAB bus casespa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
2024_Tesis_Diego_Alexander_Suarez_Rivera.pdf
Tamaño:
3.31 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar
Miniatura
Nombre:
Licencia.pdf
Tamaño:
295.26 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería Mecatrónica