Quantifizierung von Emissionen in Fahrzeugen mit energiesparender Start-Stopp-Technologie: THC- und NOx-Modellierungsüberblicke

Die Erstellung genauer Emissionsmodelle, die in der Lage sind, die Variabilität und Dynamik moderner Antriebssysteme zu erfassen, ist entscheidend für die Planung der zukünftigen Mobilität. Dieses Papier präsentiert eine Methodik zur Erstellung von THC- und NOx-Emissionsmodellen für Fahrzeuge mit Start-Stopp-Technologie. Ein zentraler Aspekt dieses Vorhabens besteht darin, Techniken zu finden, die die Motorstoppphasen genau replizieren, wenn keine Emissionen vorliegen. Zu diesem Zweck wurden mehrere Techniken des maschinellen Lernens unter Verwendung der Programmiersprache Python getestet. Methoden wie Random Forest und Gradient Boosting zeigten die besten Vorhersagefähigkeiten für THC- und NOx-Emissionen und erzielten R2-Werte von ungefähr 0,9 sowohl für Kalt- als auch für Warmemissionen. Zudem werden in dem Papier Empfehlungen für die effektive Modellierung solcher Emissionen aus Fahrzeugen präsentiert.