Künstliche Intelligenz revolutioniert die Messung der Fahrleistung in der Automobilindustrie
Im Jahr 2023 waren in der Schweiz über 6,6 Millionen Fahrzeuge zugelassen, darunter mehr als 4,7 Millionen Personenwagen. Eine genaue Messung der Fahrleistung dieser Fahrzeuge ist von zentraler Bedeutung für die Berechnung von CO2-Emissionen.
Eine aktuelle Arbeit der ZHAW in Zusammenarbeit mit der Empa zeigt auf, dass derzeit beträchtliche Diskrepanzen zwischen der tatsächlichen Fahrleistung und den mit herkömmlichen Methoden ermittelten Werten bestehen. Die Projektverantwortlichen stellen eine innovative KI-gestützte Messmethode vor, um die Genauigkeit von CO2-Emissionsmodellen zu verbessern.
Neue Methode zur Bewertung der durchschnittlichen Fahrleistung
Unter der Fahrleistung eines Fahrzeugs wird die Summe der zurückgelegten Wegstrecke innerhalb eines definierten Zeitabschnitts verstanden. Diese Kenngrösse eignet sich insbesondere zur Quantifizierung der Infrastrukturbeanspruchung und der Umweltauswirkungen des Verkehrs. In ihrer Arbeit haben Dr. Naghmeh Niroomand von der ZHAW School of Management and Law und Christian Bach von der Empa den traditionellen Ansatz zur Schätzung des Kilometerstandes von Fahrzeugen verändert, indem sie Künstliche Intelligenz (KI) und Deep-Learning-Techniken nutzen. Durch den Einsatz der innovativen Methode gelang es den Forschenden, die Personenkraftwagen zu klassifizieren und so eine genauere Bewertung der durchschnittlichen Fahrleistung zu ermöglichen. Die neue Methode wird in der Arbeit «Estimating Average Vehicle Mileage for Various Vehicle Classes using Polynomial Models in Deep Classifiers»(PDF 2,8 MB) vorgestellt.
Einsatz von KI bringt präzisere Ergebnisse
Die zunehmende Elektrifizierung des Strassenverkehrs stellt eine Herausforderung bei der Bewertung der CO2-Emmissionen dar. «Während der Strassenverkehr traditionell innerhalb seines Energiesystems betrieben wurde, was die Bewertung der CO2-Emissionen relativ einfach machte, stellt die zunehmende Elektrifizierung des Strassenverkehrs eine Herausforderung bei der Unterscheidung des Energieverbrauchs zwischen Strassenverkehr und anderen stationären Energienutzungen dar», erläutert die Projektverantwortliche Niroomand. In der Vergangenheit sei es einfach gewesen, die CO2-Emissionen von Autos zu ermitteln, da sie anhand des Kraftstoffverbrauchs oder der zurückgelegten Strecke geschätzt werden konnten. Im Bereich der Elektrifizierung ist das komplexer, denn der über das Stromnetz verteilte Strom wird neben dem Aufladen eines Elektroautos auch für viele andere Dinge genutzt. «Angesichts des weltweiten Trends hin zu Elektrofahrzeugen ist die genaue Schätzung von Fahrleistungen und Emissionsmodellen also wichtiger denn je. Unser KI-gestützter Ansatz liefert hierfür nicht nur ein präzises mathematisches Modell zur Schätzung der durchschnittlichen Fahrleistung von Fahrzeugen, sondern legt auch die Grundlage für fundierte Entscheidungen bei Nachhaltigkeitsinitiativen», so Niroomand.
Kontakt
- Dr. Naghmeh Niroomand, ZHAW School of Management and Law, Telefon +41 58 934 67 04, E-Mail naghmeh.niroomand@zhaw.ch
- Christian Bach, Empa, Automative Powertrain Technologies, Telefon +41 58 765 45 08, E-Mail christian.bach@empa.ch
- Valerie Hosp, Kommunikation, ZHAW School of Management and Law,
Telefon +41 58 934 40 68, E-Mail valerie.hosp@zhaw.ch