Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/33242| Título: | Condução inteligente: identificação de perfis de condução de veículos pesados para recomendar ações que reduzam o consumo de combustível e emissão de poluentes |
| Título(s) alternativo(s): | Smart Driving: driving behavior mapping for heavy duty vehicles to recommend actions in order to reduce fuel consumption and emissions |
| Autor(es): | Viscenheski, Juliana Rodrigues Azolin, Maria Fernanda Bubniak, Thiago Schinda |
| Orientador(es): | Silva, Thiago Henrique |
| Palavras-chave: | Caminhões Veículos a motor - Frotas Automóveis - Consumo de combustível Aprendizado do computador Sistemas embarcados (Computadores) Trucks Motor vehicle fleets Automobiles - Fuel consumption Machine learning Embedded computer systems |
| Data do documento: | 12-Dez-2022 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | VISCENHESKI, Juliana Rodrigues; AZOLIN, Maria Fernanda; BUBNIAK, Thiago Schinda. Condução inteligente: identificação de perfis de condução de veículos pesados para recomendar ações que reduzam o consumo de combustível e emissão de poluentes. 2022. Trabalho de Conclusão de Curso de (Bacharelado em Engenharia de Computação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2022. |
| Resumo: | O setor de transportes é um dos pontos de sustentação de uma economia globalizada e com uma cadeia logística cada vez mais eficiente. Dentre os modais de transporte utilizados para a movimentação de cargas dentro do Brasil, o rodoviário é o mais amplamente empregado. Com a escalada do preço dos combustíveis fósseis e a legislação de emissões de gases poluentes cada vez mais rígida devido ao aumento da preocupação com o aquecimento global, é crucial que a condução de veículos pesados movidos a motores a combustão já produzidos seja otimizada. Em 2021, com o objetivo de aperfeiçoar a condução de seus clientes, a Volvo do Brasil lançou o serviço Condução Inteligente Volvo (CIV), que tem por objetivo entregar aos gestores de frota um diagnóstico da condução de seus veículos. Esse diagnóstico consiste em um relatório mensal que compara a condução de um determinado veículo com todos aqueles que operaram de maneira semelhante a ele. Através da utilização de algoritmos de aprendizagem de máquina pela minimização do consumo de combustível, o serviço compara a condução de um veículo com outros em aplicações semelhantes e indica seu nível de eficiência. O objetivo deste trabalho é aperfeiçoar o atual serviço CIV utilizando os dados do barramento CAN para entregar ao motorista um relatório de cada viagem realizada. Esse relatório ficará disponível por meio de uma aplicação acessível por dispositivo móvel, que pode ser consultada ao fim do trajeto. Com isso, o condutor terá mais controle sobre sua condução em rotas específicas, além de visualizar quais são os pontos de melhoria para minimizar o consumo de combustível e a emissão de poluentes. A solução final alcançada neste trabalho mostrou que é possível apresentar dicas práticas de condução para a redução do consumo de combustível de veículos pesados de forma eficiente, usando a modelagem com o auxílio de algoritmos de aprendizado de máquina sem desconsiderar à experiência do motorista. |
| Abstract: | The transport sector is one of the pillars of a globalized economy with an increasingly efficient logistics chain. Among the modes of transport used to move cargo within Brazil, road transport is the most widely used. With the escalation in the price of fossil fuels and legislation on pollutant gas emissions increasingly strict due to increased concern about global warming, it is crucial that the driving of heavy vehicles powered by combustion engines already produced is optimized. In 2021, to improve its customers’ driving, Volvo do Brasil launched the Volvo Intelligent Driving (CIV) service, which aims to provide fleet managers with a diagnosis of how their vehicles are being driven. This diagnosis consists of a monthly report comparing a certain vehicle’s driving with all those that operated similarly to it. By minimizing fuel consumption and using machine learning algorithms, the service can indicate how well it is driving when compared to the reference (i.e., vehicles in the same application group). This work aims to improve the CIV service using the CAN bus data to give the driver a report of each trip made. This report is available through an application accessible by mobile device, which can be consulted at the end of the journey. With this, the driver will have more control over his driving on specific routes and see the points of improvement to minimize fuel consumption and pollutant emissions. The final solution achieved in this paper shows that it is possible to provide valuable tips about fuel consumption, presented in a user-friendly way, using machine learning algorithms models. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/33242 |
| Aparece nas coleções: | CT - Engenharia de Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| veiculos.pdf | 10,13 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
