Predicción de emisiones usando machine learning para la estimación de gases CO2, a partir de las variables de operación de un vehículo liviano

Abstract

La presente investigación realiza un análisis de la emisión del gas de efecto invernadero CO2 provocada por un vehículo liviano en la ciudad de Ibarra, que ejecutó una ruta específica que consta de una zona urbana, zona rural y zona de autopista; para ello se realizó una recolección de información sobre el aprendizaje de máquina o machine learning y datos de emisiones en el campo automotriz. Esta investigación también utilizó equipos portátiles como Datalogger y un GPS CanEdge2 de la marca CSSELETRONICS que permitió la recolección, el almacenamiento de datos y el posicionamiento en tiempo real del vehículo respectivamente en una ruta que se rige bajo la normativa RDE (Real Driving Emissions) que recorre cumpliendo los requisitos de dicha normativa en un formato MDF4, que posteriormente fueron transformados a un formato principal CSV(Excel) usado como la entrada de datos para la ejecución de los modelos de predicción adecuados. En el desarrollo, compilación y ejecución de los diferentes modelos de predicción se utilizó Google Colaboratory; un servicio de cuaderno que se relaciona a la perfección con el lenguaje de programación Python y RStudio semejante a Jupyter Notebook que posee una interfaz y una configuración mucho más rápida y sencilla de manejo; Google Colab permitió que los usuarios de esta investigación desarrolle un código con una importación de librerías extensa que dio paso a la realización de múltiples modelos relacionados con las regresiones lineales, redes neuronales artificiales, árboles de decisión regressor, bosques aleatorios y máquinas de vectores de soporte regressor debido a la naturaleza de los datos numéricos, por ende, la selección del modelo se ejecutó con el que mejor se acople o interaccione con la base de datos obtenidos en la ruta mencionada. Los resultados obtenidos en la presente investigación se manifestaron 2 modelos de predicción que se acoplaron de forma favorable a la naturaleza de los datos ingresados los cuales fueron la red neuronal artificial multicapa (RNAM) y máquina de vectores de soporte regressor (SVMR) que se encuentran en los rangos de fiabilidad aceptable y que dieron paso al cumplimiento de los objetivos de este proyecto de titulación. No obstante, el uso de los equipos mencionados y los modelos desarrollados pueden efectuarse para investigaciones no solo de la flota de vehículos livianos sino también usarse para los vehículos con motores de encendido por compresión o MEC y usar las señales de los sensores no solo para encontrar emisiones CO2 sino también, CO, NOx, HC, etc.