prikaz prve stranice dokumenta Predikcija emisija štetnih plinova vozila korištenjem algoritama strojnog učenja s podatcima prikupljenih OBD2 uređajem
  Download
PDF 6.6 MB
master's thesis
Predikcija emisija štetnih plinova vozila korištenjem algoritama strojnog učenja s podatcima prikupljenih OBD2 uređajem
Zagreb: University of Zagreb, Faculty of Transport and Traffic Sciences, 2022. urn:nbn:hr:119:906095
Vaiti, Tin
University of Zagreb
Faculty of Transport and Traffic Sciences
Division of Intelligent Transport Systems and Logistics
Department of Intelligent Transport Systems

Institutional repository: Faculty of Transport and Traffic Sciences

Cite this document

Vaiti, T. (2022). Predikcija emisija štetnih plinova vozila korištenjem algoritama strojnog učenja s podatcima prikupljenih OBD2 uređajem (Master's thesis). Zagreb: University of Zagreb, Faculty of Transport and Traffic Sciences. Retrieved from https://urn.nsk.hr/urn:nbn:hr:119:906095

Vaiti, Tin. "Predikcija emisija štetnih plinova vozila korištenjem algoritama strojnog učenja s podatcima prikupljenih OBD2 uređajem." Master's thesis, University of Zagreb, Faculty of Transport and Traffic Sciences, 2022. https://urn.nsk.hr/urn:nbn:hr:119:906095

Vaiti, Tin. "Predikcija emisija štetnih plinova vozila korištenjem algoritama strojnog učenja s podatcima prikupljenih OBD2 uređajem." Master's thesis, University of Zagreb, Faculty of Transport and Traffic Sciences, 2022. https://urn.nsk.hr/urn:nbn:hr:119:906095

Vaiti, T. (2022). 'Predikcija emisija štetnih plinova vozila korištenjem algoritama strojnog učenja s podatcima prikupljenih OBD2 uređajem', Master's thesis, University of Zagreb, Faculty of Transport and Traffic Sciences, accessed 26 December 2024, https://urn.nsk.hr/urn:nbn:hr:119:906095

Vaiti T. Predikcija emisija štetnih plinova vozila korištenjem algoritama strojnog učenja s podatcima prikupljenih OBD2 uređajem [Master's thesis]. Zagreb: University of Zagreb, Faculty of Transport and Traffic Sciences; 2022 [cited 2024 December 26] Available at: https://urn.nsk.hr/urn:nbn:hr:119:906095

T. Vaiti, "Predikcija emisija štetnih plinova vozila korištenjem algoritama strojnog učenja s podatcima prikupljenih OBD2 uređajem", Master's thesis, University of Zagreb, Faculty of Transport and Traffic Sciences, Zagreb, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:119:906095

Metadata
TitlePredikcija emisija štetnih plinova vozila korištenjem algoritama strojnog učenja s podatcima prikupljenih OBD2 uređajem
Title (english)Prediction of vehicle emissions using machine learning algorithms with data collected by the OBD2 device
AuthorTin Vaiti
MentorTonči Carić (mentor)
Committee memberEdouard Ivanjko (predsjednik povjerenstva)
Committee memberPero Škorput (član povjerenstva)
Committee memberMiroslav Vujić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Transport and Traffic Sciences
(Division of Intelligent Transport Systems and Logistics)
(Department of Intelligent Transport Systems)
Zagreb
Defense date and country2022-09-22, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Traffic and Transport Technology
Intelligent Transport Systems and Logistics
Abstract
Konstantnim povećanjem broja vozila na cestama javlja se sve veći problem emisija štetnih ispušnih plinova. Navedeno je izazvalo globalni interes za primijenjeno istraživanje u područjima analize podataka i strojnog učenja nad podacima prikupljenim s vozila. Kako bi se olakšalo praćenje količine emisija štetnih ispušnih plinova razvijeni su različiti modeli procjene štetnih emisija. U ovom diplomskom radu izraden je model predikcije emisija ugljikovog dioksida korištenjem metoda strojnog učenja. Za treiranje modela bili su korišteni javno dostupni podaci koji se sastoje od tehničkih podataka o samom vozilu, procijenjene emisije ugljičnog dioksida za nova laka vozila te ocjene potrošnje goriva specifične za odredeno vozilo. Korišteni alat za izradu modela bio je programski jezik Python u kojemu se obradila predobrada podataka, vršilo se testiranje pet različitih regresija od kojih je regresija s povećanjem gradijenata ispala najpouzdanija i koja se koristila za testiranje modela na privatno prikupljenim podacima. Za testiranje modela koristili su se osobno prikupljeni podaci pomoću OBD-II (eng. On-Board Diagnostics, OBD) uređaja. Rezultati primjene modela bili su prikazani na manjem dijelu rute gdje je model uspješno predvidio količinu emisija u svakom dijelu rute koristeći ulazne parametre prikupljene OBD-II uredajem.
Abstract (english)
With the constant increase in the number of vehicles on the roads, the problem of harmful gas emissions is emerging. This has sparked global interest in applied research in the areas of data analysis and machine learning on data collected from vehicles. In order to facilitate the monitoring of the amount of harmful gas emissions, various models for the assessment of harmful emissions have been developed. In this thesis, a carbon dioxide emission prediction model was developed using machine learning methods. Publicly available data consisting of technical data about the vehicle itself, estimated carbon dioxide emissions for new light vehicles, and vehicle-specific fuel consumption ratings were used to train the model. The tool used to create the model was the Python programming language in which the data was processed, five different regressions were tested, of which the regression with increasing gradients turned out to be the most reliable and which was used to test the model on privately collected data. To test the model, personally collected data using an OBD-II (eng. On-Board Diagnostics, OBD) device was used. The results of the model application were shown on a smaller part of the route where the model successfully predicted the amount of emissions in each part of the route using the input parameters collected by the OBD-II device.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:119:906095
Study programmeTitle: Intelligent Transport Systems and Logistics
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka prometa (magistar/magistra inženjer/inženjerka prometa)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2022-12-09 17:02:07