157-158 2023 [춘계학술대회]
| 제목 | 지도학습을 활용한 (초)대형차의 CO2 배출량 예측에 적합한 독립 변수 연구 |
|---|---|
| 분야 | 에너지 및 배기 |
| 언어 | Korean |
| 저자 | 문석호( 건국대학교), 박수한( 건국대학교) |
| Key Words | (ultra)Heavy-Duty Vehicle((초)대형차), Carbon Dioxide(이산화탄소), Real Driving Emissions(실제도로 배출가스), 지도 학습(Supervised Learning), 변수 중요도(Feature Importance), 그래디언트 부스팅(Gradient Boosting), CNN(Convolutional Neural Network), LSTM(Long Short Term Memory) |
| 초록 |
세계적으로 수송 분야는 대기 중 온실가스 배출량의 대부분을 차지하고 있다. 국제 에너지 기구 (IEA, International Energy Agency)의 보고에 따르며, 2019년 전체 온실가스 배출량의 약 24%가 수송 분야에서 발생했다고 보고하였다. 이 중 도로 수송 부문이 가장 많은 온실가스를 배출(약 75%)하였으며, 이 중 대형차(트럭, 버스 등)는 다른 수송 수단에 비해 더 많은 온실가스를 배출하고 있어, 수송 분야에서 대형차의 온실가스 배출량 감축은 매우 중요한 과제 중 하나이다. 2023년 EU 위원회는 중대형 상용차의 CO2 배출량 규제 강화안을 제시하며 강화 대상 중 하나로 인증 시험 배출량과 실제 운행 배출량 차이 최소화를 언급하였다. 강화된 차량의 규제와 인증 절차를 만족하기 위해 요구되는 실도로 배출량 시험 횟수는 증가할 것이며 이는 인력 및 비용 측면에서 부담이 커질 것으로 예상된다. 최근 시험을 최소화하는 방안으로 시뮬레이션 모델링을 통한 배출량 예측에 관심이 집중되고 있다. 이에 본 연구에서는 인공지능을 활용한 중대형 상용차의 실도로 CO2 배출량 예측을 위해 필요한 학습 변수로써의 실제 주행 특성에 대한 연구를 진행하였다. |
| 원문(PDF) | 다운로드 |