Μεθοδολογία - Ανάπτυξη κύκλων οδήγησης από δεδομένα κίνησης για την πόλη της Αθήνας.

Abstract

Σκοπός της παρούσας πτυχιακής εργασίας είναι η ανάλυση της χρησιμότητας των κύκλων οδήγησης, ιδίως ως προς το σκέλος των εκπομπών ρύπων, καθώς και η πειραματική καταγραφή δεδομένων με στόχο την αξιοποίησή τους στη δημιουργία αντιπροσωπευτικών κύκλων οδήγησης. Για την επίτευξη των παραπάνω στόχων, στα πλαίσια της εργασίας γίνεται μια εκτενής ανάλυση στο πρόβλημα της ατμοσφαιρικής ρύπανσης η οποία οφείλεται στα οχήματα και ιδιαίτερα επιβατηγά οχήματα. Παρουσιάζονται δε οι τεχνολογίες και η ιστορία για τη μείωση της ρύπανσης καθώς και το Ευρωπαϊκό νομοθετικό πλαίσιο στον τομέα αυτό. Οι κύκλοι οδήγησης αποτελούν ένα αναπόσπαστο εργαλείο στην μέτρηση των εκπομπών ρύπων. Εν τούτοις δεν είναι πάντα αντιπροσωπευτικοί της πραγματικότητας και διαρκώς εξελίσσονται. Έτσι, στα πλαίσια της παρούσης, συγκεντρώθηκαν μετρήσεις από την πραγματική κίνηση ενός οχήματος και οι οποίες επεξεργάστηκαν κατάλληλα τόσο στατιστικά όσο και προκειμένου να εξαχθούν κύκλοι οδήγησης με τη μέθοδο των microtrips. Έτσι λοιπόν δημιουργήθηκαν και αναλύθηκαν διάφοροι κύκλοι οδήγησης, οι οποίοι αφορούσαν τόσο την κίνηση σε διαφορετικές ώρες της ημέρας, την κίνηση σε διαφορετικές ημέρες αλλά και συνολικά με βάση τα δεδομένα των διαδρομών που συλλέχθηκαν και οι οποίοι είναι ιδιαίτερα αντιπροσωπευτικοί της πραγματικότητας.

The scope of this thesis is the analysis of the usefulness of driving cycles, especially regarding vehicle emission testing, as well as the experimental recording of data in order to create new representative driving cycles. Towards this goal, in the context of this work, an extensive analysis is made regarding the air pollution problem, especially due to passenger vehicles. We present the history and technologies of reducing air emissions as well as the European legal framework on this matter. Driving cycles are an integral tool in measuring vehicle emissions. However, they are not always representative of the ever changing reality and they are constantly evolving. This, in the context of this work we collect real data from a vehicle moving in a predefined route and then these are processed both statistically as well as in order to extract new driving cycles using the microtrips method. This way, various driving cycles were created and analyzed, comparing both driving habits and traffic within the same day as well between different days. Finally, an overall cycle representing the route we chose is constructed. All these cycles are found to be very representative of real driving conditions, thus achieving our goal.