Progetto ARTEMIS Data Base Europeo Fattori di emissione di autovetture XII riunione dell Expert...

Progetto ARTEMIS Progetto ARTEMIS Data Base Europeo Data Base Europeo

“Fattori di emissione di autovetture” “Fattori di emissione di autovetture”

XII riunione XII riunione dell‘ Expertdell‘ Expert Panel Panel

dott. Meccariello Giovannidott. Meccariello Giovanni

CNR – Istituto MotoriCNR – Istituto Motori

ARTEMIS (ARTEMIS (Assessment and reliability of transport Assessment and reliability of transport emission models and inventory systemsemission models and inventory systems))

Il progetto è rivolto allo sviluppo di un modello Il progetto è rivolto allo sviluppo di un modello d'emissione per tutti i modi di trasporto e mira a d'emissione per tutti i modi di trasporto e mira a fornire le valutazioni costanti dell'emissione al fornire le valutazioni costanti dell'emissione al livello nazionale, internazionale e regionalelivello nazionale, internazionale e regionale

La struttura del progetto è armonizzata in diversi La struttura del progetto è armonizzata in diversi Task (WP)Task (WP) rivolti a valutare i fattori di emissione rivolti a valutare i fattori di emissione dei diversi modi di trasporto ed alla costituzione dei diversi modi di trasporto ed alla costituzione di un database europeo dei fattori di emissionedi un database europeo dei fattori di emissione

IntroduzioneIntroduzione

WP 100 - Project Management - TRL

WP 300 - LDV emissions - INRETS

WP 400 - HDV emissions - TUG

WP 500 - 2-wheel emissions - TNO

WP 700 - Railways - DTU

WP 800 Aircraft - psiA

WP 900 - Shipping - DTU

WP 1000 - Road traffic - INRETS

WP 1100 - Inventory Model INFRAS

WP 1200 - Validation TUG

WP 600 - Evaporative emissions - TUG

WORKPACKAGE 300 DESCRIPTION - Task 320

•WP Title: Improvement of the passenger car emission data base

•Starting date: month nr. 4 Duration: 45 months

•Partners involved •R & D Task/Activity of Partner

•INRETS •Task 323 responsible, participation all tasks

•TUG •Task 321 resp., participation task 324

•VTT •WP and task 322 responsible,

•EMPA •Participation in tasks 322 & 323

•CNR •Participation in all tasks

•TNO •Participation in task 325

•KTI •Participation in tasks 322 & 323

•ULCO •Participation in tasks 322 & 323

•US •Participation in tasks 322 & 323

•AVL-MTC •Participation in task 325

•VTI •Participation in tasks 322, 323, 324 & 325

•USTL •Participation in tasks 322 & 323

•Objectives - Assess the effects of road gradient and vehicle load, measure hot and cold emissions of unregulated pollutants to enlarge the emission database to include vehicles with the latest emission control technology and assess the effect of low ambient temperature on emissions.•Description of work / tasks:• - 321 Road gradient, vehicle load and auxiliaries• - 322 Exhaust emissions of non-regulated pollutants• - 323 Cold start emissions• - 324 Influence of auxiliaries• - 325 Light duty vehicle emissions

IntroduzioneIntroduzione Nell’ambito della partecipazione al progetto Nell’ambito della partecipazione al progetto

europeo ARTEMIS, l’Istituto Motori ha sviluppato europeo ARTEMIS, l’Istituto Motori ha sviluppato un approccio statistico per l’analisi delle emissioni un approccio statistico per l’analisi delle emissioni inquinanti di dati provenienti da un grande Data inquinanti di dati provenienti da un grande Data Base di emissioni.Base di emissioni.

Per la valutazione dei fattori di emissione si è Per la valutazione dei fattori di emissione si è partiti dai dati di emissione medi misurati in un partiti dai dati di emissione medi misurati in un ciclo di guida, relativi ad un elevato numero di ciclo di guida, relativi ad un elevato numero di combinazioni di veicoli e cicli di guida, quali quelli combinazioni di veicoli e cicli di guida, quali quelli memorizzati nel data base di ARTEMIS.memorizzati nel data base di ARTEMIS.

L’approccio è stato perfezionato ed applicato ai L’approccio è stato perfezionato ed applicato ai dati di emissione dell’intero data base delle dati di emissione dell’intero data base delle misure effettuate su misure effettuate su autovetture per trasporto autovetture per trasporto passeggeri sia diesel che benzinapasseggeri sia diesel che benzina..

ObiettiviObiettivi

I risultati dell’attività ottenuti per ciascuna I risultati dell’attività ottenuti per ciascuna combinazione di combinazione di tecnologia/veicoli/cilindratatecnologia/veicoli/cilindrata sono relativi ai molteplici obiettivi perseguiti: sono relativi ai molteplici obiettivi perseguiti:

valutare i fattori di emissione;valutare i fattori di emissione; analizzare gli effetti della classe di analizzare gli effetti della classe di

omologazione, della classe di cilindrata del omologazione, della classe di cilindrata del veicolo e dei cicli di guida sui fattori di veicolo e dei cicli di guida sui fattori di emissione;emissione;

sviluppare un modello di predizione delle sviluppare un modello di predizione delle emissioni di un micro-trip, in funzione dei emissioni di un micro-trip, in funzione dei parametri cinematici considerati nel modello.parametri cinematici considerati nel modello.

Struttura data baseStruttura data base

Valutazione dei fattori di emissione di autovetture

Acquisizione fonte dati Analisi fonte dati Costituzione Case study Analisi MAD PLS DummyFattori di emissione

PLS (Simca)

Indi

vid

uazi

one

d

ei f

atto

ri d

i e

mis

sio

ne

Ela

bo

razi

on

e d

ei c

asi

ed

id

en

tific

azi

one

d

elle

fa

sce

dei

co

effi

cie

nti %

e

mm

issi

vi

Elim

inaz

ion

e

dei

ve

ico

li e

cced

ent

i il

rang

e %

p

reco

nfig

ura

to

Cre

azio

ne

de

i m

od

elli

PL

S

bas

e c

on

vari

abili

d

um

my

ve

ico

lo

An

alis

i de

gli

Ou

tlie

rs d

ei

valo

ri o

sse

rva

ti in

fu

nzio

ne

MA

D e

su

cce

ssiv

a

elim

ina

zio

ne

Est

razi

one

dei c

asi i

n fu

nzio

ne

della

te

ncol

ogia

e

cicl

indr

ata

Ela

bora

zion

e C

ase

Stu

dy c

icli

“hot

”

Fon

te D

ati

Artemis DataBase

Individuazione ed estrazioni Case Study

Filtro

Casi Benzina{8}

Casi Diesel{3}

MADCasi

filtrati da Outliers

PLS DUMMY

Valutazione dell’effetto %

Fasce % veicoli

PLS MultiBlockTutti i Casi

diag

ram

ma

di fl

usso

diag

ram

ma

di fl

usso

Cicli di guidaCicli di guida

mv

020406080

100120140

OS

CA

R.H

1

OS

CA

R.H

2

OS

CA

R.H

3

OS

CA

R.G

2

Nap

oli.

10_2

3

Han

db

oo

k R

4 -

LE

6 +

tr1

+ S

tGo

HW

+ t

r2

OS

CA

R.G

1

Nap

oli.

15_1

8_21

inre

ts.u

rbai

nfl

uid

eco

urt

Art

emis

.Lo

wM

ot_

urb

den

se

Art

emis

.Hig

hM

ot_

urb

den

se

TR

L.U

rban

Art

emis

- U

rban

. 1 +

2 +

3 +

4 +

5 (

921

Art

emis

.urb

an_i

ncl

_sta

rt

Art

emis

.Lo

wM

ot_

urb

an

Art

emis

.Hig

hM

ot_

urb

an

OS

CA

R.F

OS

CA

R.D

1

OS

CA

R.D

2

Art

emis

.Hig

hM

ot_

free

urb

an

OS

CA

R.E

mo

dem

.urb

an57

13

OS

CA

R.C

Han

db

oo

k R

3 -

LE

2u +

tr1

+ L

E3

+ tr

2 +

TU

G.R

ies_

Ro

adG

rad

ien

t 0p

erc

TR

L.S

ub

urb

an&

Ru

ral

mo

dem

Hyz

em.r

oad

Nap

oli.

6_17

Art

emis

.ru

ral_

incl

_pre

_po

st

Art

emis

.ru

ral

LD

V_P

VU

.Co

mm

erci

alC

ars.

road

Art

emis

.Hig

hM

ot_

rura

l

Han

db

oo

k R

2 -

A4

+ tr

1 +

LE

1 +

tr2

+

Art

emis

.mo

torw

ay_1

30_i

ncl

_pre

_po

st

Art

emis

.mo

torw

ay_1

50_i

ncl

_pre

_po

st

TR

L.M

oto

rway

Han

db

oo

k R

1 -

AE

1 +

tr1

+ A

E2

+ tr

2 +

Art

emis

.mo

torw

ay_1

30

Bu

nd

esau

tob

ahn

(EM

PA

.BA

B)

Art

emis

.Lo

wM

ot_

mo

torw

ay

Art

emis

.mo

torw

ay_1

50

Art

emis

.Hig

hM

ot_

mo

torw

ay

42/160 Cicli di guida utili

Casi DieselCasi Diesel

Sono stati analizzati tre data set, dividendo i Sono stati analizzati tre data set, dividendo i dati in base alla classe di omologazione presenti dati in base alla classe di omologazione presenti nel database (EURO 1, 2 e 3) ed alla cilindrata nel database (EURO 1, 2 e 3) ed alla cilindrata del veicolo. del veicolo.

È stata considerata una sola classe di cilindrata È stata considerata una sola classe di cilindrata (inferiore ai 2000 cc) in quanto i veicoli diesel, (inferiore ai 2000 cc) in quanto i veicoli diesel, utilizzabili, presenti nel database hanno tutte utilizzabili, presenti nel database hanno tutte cilindrate elevate comprese tra 1600-2000 cc. cilindrate elevate comprese tra 1600-2000 cc.

Non sono presenti veicoli con cilindrate inferiori Non sono presenti veicoli con cilindrate inferiori perché esistenti solo per i nuovi veicoli Euro 4 perché esistenti solo per i nuovi veicoli Euro 4 non ancora presenti, con valori di emissioni non ancora presenti, con valori di emissioni adeguati e sufficienti alla creazione di un adeguati e sufficienti alla creazione di un modello, nel database analizzato.modello, nel database analizzato.

Casi BenzinaCasi Benzina

Sono stati analizzati otto data set, dividendo i dati Sono stati analizzati otto data set, dividendo i dati in base alla classe di omologazione presenti nel in base alla classe di omologazione presenti nel database (EURO 1, 2, 3 e 4) ed alla cilindrata del database (EURO 1, 2, 3 e 4) ed alla cilindrata del veicolo. veicolo.

Sono state considerate tre classi di cilindrate Sono state considerate tre classi di cilindrate (1200-1400 cc, 1400-2000 cc, oltre 2000 cc) nel (1200-1400 cc, 1400-2000 cc, oltre 2000 cc) nel caso in cui fossero disponibili una quantità caso in cui fossero disponibili una quantità considerevole di dati, altrimenti si sono considerevole di dati, altrimenti si sono raggruppate le classi di cilindrata e i dati sono raggruppate le classi di cilindrata e i dati sono stati suddivisi univocamente per classe di stati suddivisi univocamente per classe di omologazioneomologazione

Tabella RiassuntivaTabella Riassuntiva

OMOLOGAZIONE//CILINDRATA

Euro 1 Euro 2 Euro 3 Euro 4

< 2000 E1 D 2000 E2 D 2000 E3 D 2000 n.a.

OMOLOGAZIONE /CILINDRATA

Euro 1 Euro 2 Euro 3 Euro 4

1200-1400 E1 GAS 12-14 E2 GAS 12-14 E3 GAS 12-14 E4 GAS 10-20

1400-2000 E1 GAS 14-20 E2 GAS 14-20 E3 GAS 14-20

> 2000 n.a. n.a. E3 GAS 2000 n.a.

Casi Benzina

Casi Diesel

Individuazione OutliersIndividuazione Outliers

Preliminarmente, è stata condotta un’analisi, Preliminarmente, è stata condotta un’analisi, sull’intero subset di dati, tramite uno dei sull’intero subset di dati, tramite uno dei metodi non parametrici attualmente più metodi non parametrici attualmente più diffusi, per identificare gli outliers in un diffusi, per identificare gli outliers in un campione di dati, campione di dati, MAD, MAD, (Median absolute (Median absolute deviation) la mediana del valore assoluto deviation) la mediana del valore assoluto degli scarti dalla mediana. degli scarti dalla mediana.

MADMAD è una misura non parametrica di è una misura non parametrica di dispersione o variabilità di una distribuzione dispersione o variabilità di una distribuzione di dati.di dati.

Individuazione OutliersIndividuazione Outliers

Una ulteriore verifica degli outliers Una ulteriore verifica degli outliers viene effettuata confermando i valori viene effettuata confermando i valori di emissione dei veicoli dei cicli di di emissione dei veicoli dei cicli di omologazione, valutando se essi omologazione, valutando se essi rispettino i limiti di omologazione rispettino i limiti di omologazione delle diverse normative vigenti a delle diverse normative vigenti a seconda della tecnologia del veicolo seconda della tecnologia del veicolo

Valutazione dei fattori di emissioneValutazione dei fattori di emissione

La valutazione dei fattori di emissione per ciascun La valutazione dei fattori di emissione per ciascun data set viene eseguita applicando dei data set viene eseguita applicando dei modelli di modelli di regressioneregressione sviluppati ad hoc. sviluppati ad hoc.

In primo luogo viene calcolato dai dati un modello In primo luogo viene calcolato dai dati un modello tendente ad individuare tendente ad individuare la presenza di trend la presenza di trend specificispecifici nelle emissioninelle emissioni e di eventuali valori e di eventuali valori anomali, considerando nel modello l’effetto anomali, considerando nel modello l’effetto specifico di ciascun veicolo mediante l’utilizzo di specifico di ciascun veicolo mediante l’utilizzo di variabili dummy. variabili dummy.

Tali variabili permettono di valutare all’interno del Tali variabili permettono di valutare all’interno del modello i singoli pesi, nella determinazione delle modello i singoli pesi, nella determinazione delle emissioni, dei coefficienti dei singoli veicoli emissioni, dei coefficienti dei singoli veicoli rispetto agli inquinanti. rispetto agli inquinanti.

Valutazione dei fattori di emissioneValutazione dei fattori di emissione Tali coefficienti ci permettono di identificare l’effetto % di Tali coefficienti ci permettono di identificare l’effetto % di

eventuali veicoli su un particolare fattore di emissione e eventuali veicoli su un particolare fattore di emissione e di stabilire secondo una soglia di taglio i veicoli di stabilire secondo una soglia di taglio i veicoli considerati considerati normal normal emittersemitters da quelli da quelli high emittershigh emitters ed ed infine da quelli da considerare come infine da quelli da considerare come outliersoutliers e quindi e quindi escluderli dal processo formativo dei fattori di emissione.escluderli dal processo formativo dei fattori di emissione.

In letteratura, valori % dei coefficienti In letteratura, valori % dei coefficienti maggiore di 300 sono considerati maggiore di 300 sono considerati anomali e di conseguenza trattati come anomali e di conseguenza trattati come outliersoutliers, mentre quelli compresi nel , mentre quelli compresi nel range 150 range 150 300 sono considerati 300 sono considerati high high emitteremitter e quindi trattati con particolare e quindi trattati con particolare attenzione in quando anomali rispetto attenzione in quando anomali rispetto alla media dei veicoli in relazione alla alla media dei veicoli in relazione alla loro cilindrata e tecnologialoro cilindrata e tecnologia

>300 %>300 %

300 %300 %

150 %150 %

-150 %-150 %

-300 %-300 %

<-300 %<-300 %

Costruzione del ModelloCostruzione del Modello I fattori di emissione calcolati , I fattori di emissione calcolati ,

considerando l’effetto del veicolo come considerando l’effetto del veicolo come un effetto casuale, che si somma un effetto casuale, che si somma all’errore sperimentale di misura e non all’errore sperimentale di misura e non viene valutato separatamente.viene valutato separatamente.

Vengono costruiti diversi modelli di Vengono costruiti diversi modelli di regressione PLS (Partial Least Squares) regressione PLS (Partial Least Squares) multiblock per specifica base dati multiblock per specifica base dati (tecnologia / cilindrata)(tecnologia / cilindrata)

Costruzione del ModelloCostruzione del Modello

PLS si fonda su una regressione statistica PLS si fonda su una regressione statistica multivariata, capace di considerare nello stesso multivariata, capace di considerare nello stesso modello le relazioni esistenti tra un gruppo di modello le relazioni esistenti tra un gruppo di variabili di risposta Y (predictors), che nel nostro variabili di risposta Y (predictors), che nel nostro caso rappresentano le emissioni medie misurate in caso rappresentano le emissioni medie misurate in ogni ciclo di guida, e un gruppo di variabili ogni ciclo di guida, e un gruppo di variabili esplicative X (scores), ossia i parametri cinematici esplicative X (scores), ossia i parametri cinematici identificativi del profilo di velocità stesso.identificativi del profilo di velocità stesso.

PLS si fonda su una regressione statistica PLS si fonda su una regressione statistica multivariata, capace di considerare nello stesso multivariata, capace di considerare nello stesso modello le relazioni esistenti tra un gruppo di modello le relazioni esistenti tra un gruppo di variabili di risposta Y (predictors), che nel nostro variabili di risposta Y (predictors), che nel nostro caso rappresentano le emissioni medie misurate in caso rappresentano le emissioni medie misurate in ogni ciclo di guida, e un gruppo di variabili ogni ciclo di guida, e un gruppo di variabili esplicative X (scores), ossia i parametri cinematici esplicative X (scores), ossia i parametri cinematici identificativi del profilo di velocità stesso.identificativi del profilo di velocità stesso.

Modello di emissione[CO HC NOX CO2 PM] = f(x1, x2, x3, …, xi, …, xn)

Fattori di emissioneCO HC NOX PM CO2


Le variabili di risposta Y del modello di regressione sono le Le variabili di risposta Y del modello di regressione sono le emissioni inquinanti regolamentate prodotte in un ciclo di emissioni inquinanti regolamentate prodotte in un ciclo di guida (DC) misurate in g/km. guida (DC) misurate in g/km.

Le variabili esplicative X esprimono il valore di alcuni Le variabili esplicative X esprimono il valore di alcuni parametri cinematici che caratterizzano i cicli di guida. parametri cinematici che caratterizzano i cicli di guida.

Due blocchi di variabili esplicative sono state individuate Due blocchi di variabili esplicative sono state individuate considerando due potenziali cause di variabilità delle considerando due potenziali cause di variabilità delle emissioni relative ad un ciclo di guida: emissioni relative ad un ciclo di guida: • il primo blocco di variabili è stato determinato il primo blocco di variabili è stato determinato

dall’equazione dinamica del veicolo considerando dall’equazione dinamica del veicolo considerando l’energia spesa dal veicolo nel ciclo e gli eventi di l’energia spesa dal veicolo nel ciclo e gli eventi di accelerazione alle diverse velocità. accelerazione alle diverse velocità.

• il secondo blocco mediante le classi di frequenza della il secondo blocco mediante le classi di frequenza della distribuzione empirica congiunta di distribuzione empirica congiunta di velocità/accelerazione velocità/accelerazione

Costruzione del ModelloCostruzione del ModelloIdentificare le variabili, caratterizzanti la prestazione del Identificare le variabili, caratterizzanti la prestazione del

veicolo nella corrente di traffico, in grado di spiegare le veicolo nella corrente di traffico, in grado di spiegare le variazioni delle emissioni.variazioni delle emissioni.

Variabili Descrizione Variabili Descrizione

tral Tempo al minimo v=0 mv Media della velocità di guida (v>0)

t_running Tempo totale di guida v>0

mv2Media del quadrato della velocità di guida (v>0)

m_vapot_pos Media della velocità per accelerazione positiva (acc.>0 e v>0)

mv3Media del cubo della velocità di guida (v>0)

invdist Inverso della distanza

Variabili utilizzate per la caratterizzazione dei Variabili utilizzate per la caratterizzazione dei profili di velocità profili di velocità

la variazione della quantità dell'emissione in un la variazione della quantità dell'emissione in un profilo di velocità può essere spiegata tramite la profilo di velocità può essere spiegata tramite la portata dei gas di scarico, che è a sua volta portata dei gas di scarico, che è a sua volta proporzionale all'energia sviluppata dal veicolo proporzionale all'energia sviluppata dal veicolo nella corrente di traffico.nella corrente di traffico.


la variazione della quantità dell'emissione in un la variazione della quantità dell'emissione in un profilo di velocità può essere spiegata tramite la profilo di velocità può essere spiegata tramite la portata dei gas di scarico, che è a sua volta portata dei gas di scarico, che è a sua volta proporzionale all'energia sviluppata dal veicolo proporzionale all'energia sviluppata dal veicolo nella corrente di traffico.nella corrente di traffico.


a /va /v 0<v<20 km/h

20<v<40 km/h

4 0<v<60 km/h

6 0<v<80 km/h

80<v<100 km/h

v> 100km/h

a<-1.4 m/s2 FS_V20a1 FS_V40a1 FS_V60a1 FS_V80a1 FS_V100a1 FS_V101a1

-1.4 <a<-0.6 FS_V20a2 FS_V40a2 FS_V60a2 FS_V80a2 FS_V100a2 FS_V101a2

-0.6 <a<-0.2 FS_V20a3 FS_V40a3 FS_V60a3 FS_V80a3 FS_V100a3 FS_V101a3

-0.2 <a< 0.2 FS_V20a4 FS_V40a4 FS_V60a4 FS_V80a4 FS_V100a4 FS_V101a4

0.2 <a< 0.6 FS_V20a5 FS_V40a5 FS_V60a5 FS_V80a5 FS_V100a5 FS_V101a5

0.6 <a< 1.0 FS_V20a6 FS_V40a6 FS_V60a6 FS_V80a6 FS_V100a6 FS_V101a6

a>1.0 m/s2 FS_V20a7 FS_V40a7 FS_V60a7 FS_V80a7 FS_V100a7 FS_V101a7


Un'altra frazione può essere spiegata dalle Un'altra frazione può essere spiegata dalle variazioni puntuali legate ai transitori variazioni puntuali legate ai transitori descritti dalla distribuzione empirica descritti dalla distribuzione empirica congiunta della velocità e della congiunta della velocità e della accelerazione opportunamente suddivise in accelerazione opportunamente suddivise in classi.classi.


Un'altra frazione può essere spiegata dalle Un'altra frazione può essere spiegata dalle variazioni puntuali legate ai transitori variazioni puntuali legate ai transitori descritti dalla distribuzione empirica descritti dalla distribuzione empirica congiunta della velocità e della congiunta della velocità e della accelerazione opportunamente suddivise in accelerazione opportunamente suddivise in classi.classi.


Collinearità.Collinearità. Numero elevato di variabili.Numero elevato di variabili. Basso numero di osservazioni Basso numero di osservazioni

sperimentali.sperimentali.

Problematiche legati alle caratteristiche delle variabiliProblematiche legati alle caratteristiche delle variabili

PLS PLS ((Partial Least SquaresPartial Least Squares))

PLS PLS ((Partial Least SquaresPartial Least Squares))


Andremo così a definire Andremo così a definire un modello globale, PLS un modello globale, PLS gerarchico multiblock, gerarchico multiblock,

costruito con le costruito con le informazioni derivanti informazioni derivanti dai due modelli base e dai due modelli base e

dal gruppo di variabili di dal gruppo di variabili di emissioneemissione

In questo modo possiamo considerare separatamente due In questo modo possiamo considerare separatamente due differenti aspetti del fenomeno generando due modelli base, differenti aspetti del fenomeno generando due modelli base,

ciascuno dei quali valuta un gruppo di variabili latenti ciascuno dei quali valuta un gruppo di variabili latenti caratterizzanti un particolare aspetto sulle emissionicaratterizzanti un particolare aspetto sulle emissioni

XX11 XX22

YY

XXXXvariabilivariabilivariabilivariabili

TTTT

WW11WW11

pp11pp11

WW22WW22

pp22pp22

rr11rr11 rr22rr22

ttrrttrr

uuuu

qqttqqtt

X-scoresX-scoresX-scoresX-scores

PLSPLSPLSPLS

wwttwwtt

Caso Diesel - Euro 2 1600-2000Caso Diesel - Euro 2 1600-2000

RMSEE = 0,213018

206D 306 1,9D306 HDI 406 1,9 DT406 HDI 406 SE 2,0 HDI SALOONA4TDI ASTRA DTI 16VCLIO 1,9D FOCUS 1,8 TDGOLF GOLF 1,9 TDIIBIZA GT TDI MAREA WEEKEND TD100MEGANE 1,9D MONDEO 1,8TD ESTATEPASSAT PASSAT 1,9 TDI 4D SALOONPASSAT TDI PASSAT VARIANT 1,9 TDI - 38/271 5DPUNTO TD CULT ZAFIRA A 20 TDZX TD BREAK

Modello con Normal e High EmitterModello con Normal e High Emitter

Modello Dummy per la valutazione dei trend Modello Dummy per la valutazione dei trend dei coefficienti dei veicolidei coefficienti dei veicoli

Modello con NormalModello con Normal EmitterEmitter

Modello con HighModello con High EmitterEmitter

C O g / K m

0

0 .1

0 .2

0 .3

0 .4

0 .5

0 .6

0 .7

0 .8

0 .9

1

1 .1

1 .2

1 .3

1 .4

1 .5

1 .6

1 .7

1 .8

1 .9

2

2 .1

2 .2

2 .3

2 .4

v _ o v e ra ll

0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 1 1 0 1 2 0 1 3 0 1 4 0

C 0 2 g / K m

0

5 0

1 0 0

1 5 0

2 0 0

2 5 0

3 0 0

3 5 0

4 0 0

4 5 0

5 0 0

5 5 0

v _ o v e ra ll

0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 1 1 0 1 2 0 1 3 0 1 4 0

H C g / K m

0

0 .1

0 .2

0 .3

0 .4

0 .5

0 .6

0 .7

v _ o v e ra ll

0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 1 1 0 1 2 0 1 3 0 1 4 0

N O X g / K m

0

0 .1

0 .2

0 .3

0 .4

0 .5

0 .6

0 .7

0 .8

0 .9

1

1 .1

1 .2

1 .3

1 .4

1 .5

1 .6

1 .7

1 .8

1 .9

2

2 .1

2 .2

2 .3

2 .4

2 .5

v _ o v e ra ll

0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 1 1 0 1 2 0 1 3 0 1 4 0

Caso Benzina - Euro 3 1400-2000Caso Benzina - Euro 3 1400-2000

RMSEE = 1,28128

146_TWIN_SPARK_1 147_1x6_ 147_2x0_TWIN_SPA147_HATCHBACK_1x 156_ 156_J_TWIN_SPARK206_XS16S_ 306_1x8_16V_ 307_HATCHBACK_1x307_SW_1x6 316I 95_ESTATE_2x0xExALMERA ASTRA_CARAVAN_1x C200C5_2x0_HPI C5_BREAK_2x0IxDE CARISMA_COMFORT_CIVIC_HATCHBACK_ COROLLA_ COROLLA_TSDEMIO_ FOCUS_ FOCUS_1x6_16V_AUGOLF_VARIANT_1x6 LAGUNA_II_1x6_16 MEGANE_16VMEGANE_1x6_16V MEGANE_2x0_IDE MEGANE_COUPEMEGANE_SCENIC_2x MONDEO_2x0 MONDEO_2x0_GHIA_PRIMERA_2x0_CVT_ PT_CRUISER PUNTO_1x8_HGT_SCENIC SCENIC_1x6_16S V40_2x0_ZAFIRA_1x8_16V_A

Modello con Normal e High EmitterModello con Normal e High Emitter

Modello con NormalModello con Normal EmitterEmitter

Modello con HighModello con High EmitterEmitter

Modello Dummy per la valutazione dei trend Modello Dummy per la valutazione dei trend dei coefficienti dei veicolidei coefficienti dei veicoli

C O g / K m

0

0 .1

0 .2

0 .3

0 .4

0 .5

0 .6

0 .7

0 .8

0 .9

1

1 .1

1 .2

1 .3

1 .4

1 .5

1 .6

1 .7

1 .8

1 .9

2

2 .1

2 .2

2 .3

2 .4

2 .5

2 .6

2 .7

2 .8

v _ o v e ra ll

0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 1 1 0 1 2 0

C 0 2 g / K m

0

5 0

1 0 0

1 5 0

2 0 0

2 5 0

3 0 0

3 5 0

4 0 0

4 5 0

5 0 0

5 5 0

6 0 0

v _ o v e ra ll

0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 1 1 0 1 2 0

H C g / K m

0

0 .1

0 .2

0 .3

v _ o v e ra ll

0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 1 1 0 1 2 0

N O X g / K m

0

0 .1

0 .2

0 .3

0 .4

0 .5

v _ o v e ra ll

0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 0 1 0 0 1 1 0 1 2 0

Progetto ARTEMIS Data Base Europeo Fattori di emissione di autovetture XII riunione dell Expert...

Documents

Transcript of Progetto ARTEMIS Data Base Europeo Fattori di emissione di autovetture XII riunione dell Expert...