Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10495/39904
Título : Desarrollo de una metodología para realizar análisis modal de emisiones vehiculares
Autor : Hincapié García, Óscar David
metadata.dc.contributor.advisor: Agudelo Santamaría, Andrés Felipe
metadata.dc.subject.*: Análisis de datos
Data analysis
Gases de combustión - mediciones
Flue gases - meausurement
Contaminación - mediciones
Pollution - measurement
Automóviles - aspectos ambientales
Automobiles - Environmental aspects
Aprendizaje automático
Machine learning (inteligencia artificial)
Inteligencia artificial - procesamiento de datos
Artificial intelligen - data processing
Análisis modal de emisiones
Potencia específica vehicular
Vehículos de servicio pesados
Técnicas de análisis de datos
Técnicas de aprendizaje de datos
http://vocabularies.unesco.org/thesaurus/concept2214
Fecha de publicación : 2024
Resumen : RESUMEN : Esta investigación se enfoca en el desarrollo de una metodología que facilite la creación y utilización de modelos de análisis modal de emisiones (AME), utilizando datos de posicionamiento global medidos con sensores GPS. Estos modelos estiman factores de emisión, los cuales cuantifican las emisiones en relación con la masa de contaminantes y la actividad del vehículo. Éstos se diseñaron para los vehículos más representativos de la región del Área Metropolitana del Valle de Aburrá, considerando condiciones locales, como la calidad de los combustibles, la topografía y los patrones de conducción. La metodología propuesta se divide en tres etapas: creación, validación y aplicación de modelos de emisiones contaminantes. Ésta se materializó mediante el desarrollo de flujos de procesamiento de datos y la creación de modelos de aprendizaje de máquina (Machine Learning - ML). Inicialmente se presenta el procesamiento de los datos, en el cual, se procesan las mediciones experimentales de variables dinámicas, emisiones contaminantes y datos de posicionamiento global; aplicando técnicas de procesamiento y calculando variables a partir de formulaciones matemáticas propuestas en la literatura. Este procesamiento se hizo mediante la creación de fases para cada una de las etapas de la metodología (creación, validación y uso). Estas fases incorporan técnicas de procesamiento como la sincronización de señales, la depuración de desconexiones de GPS, el filtrado de señales, y la depuración de mediciones experimentales. Además, se calculó variables a partir de las mediciones, tales como la aceleración, la pendiente, las inercias del vehículo, la potencia específica vehicular, el estrés del motor, y los flujos másicos de las emisiones contaminantes. Después, se aplicó un análisis de incertidumbre en la metodología mediante el cálculo de las incertidumbres para equipos de medición y la propagación de éstas en algunas etapas de la metodología. Este análisis permite tener precisión y exactitud cuando se crean modelos AME y se reportan los resultados de factores de emisión para fuentes móviles. También, se analizaron las incertidumbres de los factores de emisión basados en datos instantáneos obtenidos con PEMS mediante la metodología de la norma ASME PTC 19.1 y simulaciones Monte Carlo. Se encontró que ambas técnicas son válidas para obtener las incertidumbres dado que se obtuvieron resultados idénticos. Finalmente, se aplicaron diversas técnicas de creación de modelos AME utilizando las variables depuradas en el procesamiento de datos. La metodología incluyó la formación de grupos de datos con comportamientos similares para estimar emisiones contaminantes. Estos grupos se generaron mediante la distribución de densidad de probabilidad, técnicas de interpolación y aproximación, o técnicas estadísticas de aprendizaje de datos. De este modo, se seleccionó el mejor modelo para estimar emisiones solo con nuevos datos GPS. Además, se utilizaron modelos existentes (MOVES, IVE, AMVA) para comparar con los modelos desarrollados en este trabajo.
Aparece en las colecciones: Maestrías de la Facultad de Ingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
HincapieOscar_2024_DesarrolloMetodologiaEmisionesTesis de maestría35.36 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.