Real-Time, On-Road Measurement of Driving Behavior, Engine Parameters and Exhaust Emissions
Notice bibliographique
Résumé
Automotive tailpipe emissions are a significant contribution to urban air quality problems.(1) However, it is difficult to quantify the extent of that contribution and to quantify any progress in solving the problem. Emissions inventories are commonly based on vehicle registrations, assumed mileage and a set of emission factors. The emission factors are based on dynamometer testing of selected vehicles undertightly controlled conditions. Actual vehicle operation in any urban area encompasses a wider range of vehicles, operating conditions and ambient conditions. Given the highly tuned nature of current engine management systems, the actual in-use emissions levels can be highly sensitive to non-standard ambient and operating situations.(2,3,4,5) This paper describes an on-board system used to record ambient conditions, driving behavior, vehicle operating parameters, fuel consumption and exhaust emissions. The system uses a laptop computer data acquisition system and a number of add-on sensors, (which include a five-gas analyzer and fast-response lambda sensor). Recorded data files are post-processed to measure values ranging from simple vehicle speed and distance traveled to emission rates in grams per kilometer. In addition, using the vehicle speed trace as input to a vehicle dynamic model the tractive power requirements could be calculated. The paper presents results for a small set of repeated commuting trips to illustrate the capabilities and repeatability of the in-use measurement system. Also included are diagnosis of emission control system anomalies which significantly affected emissions but were not detectable by the driver.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».