1,721,044 research outputs found
Modello di simulazione per il calcolo di consumi energetici ed impatto ambientale del trasporto urbano di superficie
No full textAlla luce di un’approfondita analisi dello stato dell’arte dei modelli per il calcolo delle emissioni si è proposto un nuovo approccio per superare i problemi dei modelli attuali.
Si sono analizzate tre categorie di modelli, quelli basati sui fattori di emissione, quelli basati sui cicli di marcia medi e quelli basati sulla microsimulazione. I primi sono senz’altro i più diffusi, semplici da usare ed affidabili per ottenere dei valori medi su grandi aree, tuttavia si è dimostrato come a livello locale falliscano commettendo errori anche del 200% sul singolo arco ed anche maggiori sulla singola sezione d’arco. I secondi, per quanto abbiano avuto degli ottimi spunti sono ormai in via di abbandono perché a fronte di onerosissime campagne di acquisizione si ottengono dei modelli assolutamente inflessibili e tendenti
all’obsolescenza precoce. I terzi sono i più studiati e promettenti tuttavia soffrono di due problemi, il primo è quello di richiedere enormi potenze di calcolo, problema che si risolverà da solo col tempo con l’aumento delle capacità di calcolo degli elaboratori commerciali, il secondo, di molto più difficile soluzione, è la cronica dipendenza da dati sperimentali del modello a tutti i livelli. Inoltre l’uso di questi ultimi modelli ha dimostrato che, sebbene possibile a livello teorico gestire grosse reti, sia molto semplice perdere il controllo delle simulazioni qualora la rete si allarghi al punto di non poter più guardare ogni veicolo della
simulazione individualmente.
Il modello che risolverebbe i problemi del calcolo delle emissioni è un modello accurato al contempo in locale e su vaste aree che descriva in dettaglio il fenomeno ma che si accontenti di lavorare, se non con pochi dati sperimentali, quantomeno con dati di facile reperimento.
Per fornire un tale strumento si è pensato di integrare i valori di tre livelli di simulazione il tradizionale livello macro utilizzato per la pianificazione dei trasporti, un livello micro utilizzato solo a livello locale (quindi grandemente più semplice da gestire ed affidabile) per descrivere in dettaglio il moto dei veicoli sulla rete ed un livello ultra-micro che simula il singolo veicolo.
L’architettura complessiva del modello proposto è organizzata in tre step corrispondenti ai tre livelli di simulazione. In particolare ognuno dei tre livelli di simulazione svolge parte del calcolo nel seguente modo:
1. il modello macro è un tradizionale modello trasportistico che identifica i flussi di traffico e le velocità medie dei flussi sugli archi della rete partendo dalle condizioni socioeconomiche, dalle caratteristiche del territorio e dalla rete dei trasporti;
2. il modello micro ricostruisce i diagrammi di marcia di tutti i veicoli transitanti su ogni arco nella finestra temporale della simulazione a partire dai valori di flusso e velocità media del singolo arco determinati dal modello macro;
3. il modello ultra-mico calcola il consumo di combustibile (energia) e le emissioni inquinanti di ogni singolo veicolo su ogni arco a partire dal diagramma di marcia determinato dal modello micro, dalle caratteristiche del veicolo assegnate probabilisticamente in accordo con la composizione veicolare e dalle pendenze degli archi percorsi.
Questa ricerca non apporta nessuna particolare innovazione al modello macro utilizzato e, può addirittura rinunciare all’uso di un modello per determinare i flussi e le loro velocità medie qualora si disponga di dati tali dati perché sperimentalmente misurati sulla rete. Il modello macro scelto è un software commerciale, TRANSCAD® della Caliper, che coniuga le capacità trasportistiche con una gestione geografica GIS (Geographic Information System) dei dati che facilita visualizzazione e trattamento dei dati sia di input che di output del modello.
Il modello micro determina i cicli di marcia dei veicoli presenti sull’arco nella finestra temporale. Per fare ciò oltre agli input che provengono dal modello macro, flusso medio d’arco nella finestra temporale, velocità media del flusso e le caratteristiche geometriche dell’arco per ogni arco, ha bisogno di alcuni parametri quali la distanza libera che il veicolo accetta senza accodarsi o iniziare la manovra di sorpasso e la velocità che il veicolo manterrebbe se fosse solo sull’arco. Tali parametri scaturiscono da una calibrazione effettuata, tramite dati sperimentali, su un certo numero di archi “tipo”. I risultati della calibrazione sono anch’essi input al modello micro. Il modello macro fornisce al micro il numero di veicoli che accedono ad ogni arco nell’unità di tempo ma non l’esatta distribuzione degli accessi. In prima ipotesi il modello micro considera gli ingressi dei veicoli ad ogni arco scaglionati secondo una distribuzione statistica quindi, una volta
simulati tutti gli archi della rete, verifica che la distribuzione assunta per ogni arco sia coerente con i risultati ottenuti alla fine degli archi confluenti. Se le distribuzioni differiscono il procedimento di calcolo viene iterato adottando come distribuzioni d’ingresso quelle ricavate a valle della precedente simulazione.
L’ultimo passo della simulazione consiste nel determinare per ogni veicolo su ogni arco, di cui istante per istante si conoscono i cicli di marcia, emissioni e consumi istantanei. Oltre a cicli di marcia e pendenza della strada il simulatore ultra-micro necessita di altri input quali la densità dell’aria (o temperatura, pressione ed umidità relativa) e le caratteristiche del veicolo. In dettaglio per ogni veicolo è necessario conoscere: la superficie frontale, il coefficiente di penetrazione aerodinamica CX, la massa a vuoto, la condizione di carico ed i piani quotati potenza, consumo ed emissioni specifiche del motore. Dati di tale dettaglio identificano il singolo veicolo con notevole precisione, tuttavia che sia proprio quel singolo veicolo di cui si hanno i dati ad essere in quel preciso istante su quel dato arco è un’ipotesi piuttosto restrittiva. Quindi si è ritenuto di suddividere i veicoli in “classi veicolari” i cui veicoli hanno caratteristiche simili tra loro e raccogliere dati caratteristici della classe e non del singolo veicolo. Variazioni possono senz’altro esistere ma se l’appartenenza di un veicolo ad una certa classe è ben studiata tali variazioni sono piuttosto contenute. Si è scelta, come classificazione, quella adottata dal progetto MEET (MEET Consortium, 1999: 49–51)
che suddivide i veicoli secondo la taglia del motore, il combustibile l’anno di prima immatricolazione tuttavia tale classificazione non è vincolante e si potrebbe scendere in maggior dettaglio qualora lo si ritenesse necessario.
Gli output della catena di modelli consistono nelle emissioni istantanee di ogni veicolo presente sulla rete in ogni istante della finestra temporale. Per renderli fruibili questi dati possono essere aggregati per posizione geografica, per tempo, per veicolo, per strada o anche per combinazioni di questi fattori. A tale scopo la catena di modelli è completata dall’interfaccia grafica GIS, che è indispensabile per il trattamento dei dati che altrimenti sarebbero solo “montagne” di numeri
Marie Curie Training site on traffic modelling and safety
No full textto develop a simulation tool based on the integration of macro (network level), micro (single link) and ultra-micro (single vehicle) models to estimate consumption and emissions of traffic at both local and network level. This approach was intending to overcome most of the limitation of the present state of the art models
Higher speed challenges for the automated road
No full text10 years of research collaboration between CTL and IMARA team in the field of automated transport systems established friendship bond and trust which are the basis for the development of further projects. However beside the “usual collaboration” between IMARA and CTL the visit was the occasion to bring forward a further research subject: developing simplified but accurate vehicle dynamic modeling to allow INRIA vehicles to be automated at higher speeds and CTL on-board monitoring too to recognize manned vehicle maneuvers which could endanger safety.
The visit was also the occasion to lay the fundation of the CityMobil2 project now funde
Ex-ante evaluation of nine cybernetic transport systems
No full textThis work presents the results of the ex-ante evaluation of CyberMove project. CyberMove is an R&D project carried on by a consortium of 17 partners from Europe, Switzerland and Israel and co-funded by the European commission. The main goal of CyberMove is to demonstrate the effectiveness of cybernetic transport systems (CTSs) in solving city mobility problems, proving that they have now reached high levels of reliability, safety and user friendliness. CyberMove evaluation is organized in three phases: initial, ex-ante and ex-post. This paper deals with the results of the ex-ante evaluation phase. It reports the first assessment results of the designed CTSs. The main findings of the sites taking part to CyberMove evaluations are the following: (1) users (both actual and potential) like CTSs. They are easy but their performances are perceived to be low. (2) CTS performances are extremely good. Wherever CTSs are compared to conventional public transport systems they always provide better travel and waiting times and therefore attract more users. (3) Although CTSs are better than conventional PT systems, private cars are still more attractive and an integrated transport policy has been adopted to make CTSs profitabl
GIFTS, una piattaforma ICT a supporto del trasporto merci intermodale
No full textIl progetto GIFTS (Global Intermodal Freight Transport System, 2001-2004) finanziato dalla DG IST della Commissione Europea ha messo a punto un sistema ICT per la pianificazione ed il monitoraggio del trasporto. L'articolo presenta il sistema sviluppato da GIFTS, ne descrive i componenti e le applicazioni per il trasporto e la logistica. Viene quindi descritto il progetto pilota condotto sul trasporto ferroviario visto come segmento di un trasporto intermodale
Consumption calculation of vehicles using OBD data
No full textThe European type approval procedure, based on a fixed driving cycle for all vehicles, is not representative of their real on-road usage: the driving style and its influence on consumption and emissions cannot be neglected and their real-world environmental impact is not simple to measure. The objective of this work is to develop a methodology to calculate in real-time the energy and environmental impact of spark ignition and diesel vehicles. An on-board instrumentation capable to communicate with the electronic system of the vehicle (OBD/CAN) have been developed to collect all the sensor data available (rpm, vehicle speed, engine load, lambda sensor voltage, catalyst temperature, intake airflow, pressure and temperature etc.) and use them as input for power and consumption models. The models have been applied on several vehicles and validated on a dynamometer chassis running NEDC and ARTEMIS cycles. Consumption has been measured with the CVS and with a portable emission analyzer (HORIBA OBS-1300). A calibration procedure has been also developed in which 3 tests on a dynamometer chassis are needed: the maximum power curve, the curve at idle and a curve at fixed rpm varying the engine load. For spark ignition engines, an additional test should be needed to calibrate a coefficient that takes into account of the enrichment during accelerator pedal gradients, but this coefficient is not much variable for different vehicles (~10). All the vehicles show a difference between measurements and models never greater than 4% so this can be an accurate methodology to calculate the power and consumption of vehicles during their real use
Valutazione dell’influenza dello stile di guida sulle prestazioni energetiche ed ambientali di veicoli a basso impatto: analisi sperimentale di consumi ed emissioni
No full text- …
