Вісники та науково-технічні збірники, журнали

Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/12

Browse

Filters

20221

Settings

Author: search.filters.author.Budzyński, ArturSubject: search.filters.subject.fuel consumption

Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Forecasting fuel consumption in means of transport with the use of machine learning
    (Видавництво Львівської політехніки, 2022-03-01) Budzyński, Artur; Sładkowski, Aleksander; Silesian University of Technology
    Транспорт є ключовим чинником, який впливає на викиди парникових газів. У зв’язку з цим, наведено проблеми та виклики, з якими зустрічається транспортна галузь. Розглянуто питання транспортної галузі, пов’язані з Європейською зеленою угодою. Обговорено, наскільки транспортна система є важливою для європейських компаній та глобальних ланцюгів постачання. Проаналізовано також питання, які мають вплив на суспільство з точки зору витрат коштів, зокрема викиди парникових газів та забруднення довкілля. У статті висвітлено матеріали управління транспортними процесами на підприємстві. Прийнято рішення дослідити витрати палива видами транспорту. На основі огляду літературних джерел, визначено 3 категорії характеристик: характеристики автомобілів, водіїв, а також вплив маршруту на витрати палива. Дослідження виконано на основі даних архівів GPS системи моніторингу автомобілів. Вони зібрані на 1890 маршрутах, які здійснювали рух між 30 травня 2020 року та 31 травня 2021 року. На маршрутах працювали 29 водіїв та 8 транспортних засобів. Транспортні засоби – це 40-тонні тягачі з напівпричепами. Наведено аналіз чинників, які впливають на споживання палива. Описано методику отриманих інженерних функцій. Описано переваги методу зменшення споживання палива. Вказано на можливості використання методів прогнозування витрати енергії та водню на різних видах транспорту, включно з громадським транспортом. Дані опрацьовано з використанням бібліотеки “Pandas”. Порівняння моделей виконано з використанням середньої абсолютної похибки. Представлено застосування методів роботи з великими наборами даних. Розрахунки проведено з допомогою бібліотеки “NumPy”. Візуалізація даних – за допомогою моделей “Matplotlib” та “Seaborn. Scikit-Learn”.