Transport represents almost a quarter of Europe’s greenhouse gas emissions and is the main cause of air pollution in cities. The transport sector remains one of the only sectors of the EU economy where emissions are still above 1990 levels. Within this sector, passenger vehicles account for more than 45% of all GHG emissions. While the European Commission promotes the European Green Deal to reduce transport emissions by 90% by 2050 focusing on the ban on sale of fuel vehicles, prior researches suggest that driver behavior is a crucial factor that influences fuel consumption and vehicle emission. The aim of this study is to profile the vehicle based on driving behavior in order to provide feedback to drivers about their emissions and consumption. To get an insight into different parameters that can influence the consumption and the carbon footprint of each vehicle this study uses the data collected by a Black Box installed on each vehicle that provides telematics data. The analysis of raw data and the enrichment of these led to the development of three KPIs that summarize all the aspects of the driver behavior that can impact the consumption and emissions like the average speed, the driving style, the distance traveled, and the characteristics of the vehicles. Using these KPIs this study uses the unsupervised clustering algorithm to categorize drivers into different categories, in which emerges different driver behavior profiling. Finally, the thesis finds a more sophisticated model for evaluating the carbon footprint of each vehicle based on telematics data and the distance from "green" groups, overcoming the actual policy based only on EURO class, registration year, and distance traveled. The results of this study can provide policymakers with guidance for defining data-driven transport policies aimed at promoting a more sustainable future.

I trasporti rappresentano quasi un quarto delle emissioni di gas serra dell’Europa e sono la principale causa di inquinamento dell’aria nelle città. Il settore dei trasporti rimane uno dei pochi settori dell’economia europea in cui le emissioni sono ancora al di sopra dei livelli del 1990. All’interno di questo settore, i veicoli privati rappresentano oltre il 45% di tutte le emissioni di gas serra. Mentre la Commissione europea promuove il Green Deal europeo per ridurre le emissioni dovute ai trasporti del 90% entro il 2050, concentrandosi sul divieto di vendita di veicoli alimentati con combustibili fossili, ricerche precedenti suggeriscono che il comportamento del conducente è un fattore cruciale che influenza il consumo di carburante e le emissioni del veicolo. Lo scopo di questo studio è quello di profilare il veicolo in base al comportamento di guida al fine di fornire un feedback ai conducenti sulle loro emissioni e consumo. Per ottenere una visione d’insieme sui diversi parametri che possono influire sul consumo e sull’impronta ambientale di ciascun veicolo, questo studio utilizza i dati raccolti da una Black Box installata su ciascun veicolo che fornisce dati telematici. L’analisi dei dati grezzi e l’arricchimento di questi, ha portato alla definizione di tre KPI che sintetizzano tutti gli aspetti del comportamento di guida che possono influire sul consumo e sulle emissioni, come la velocità media, lo stile di guida, la distanza percorsa e le caratteristiche dei veicoli. Utilizzando questi KPI, questo studio utilizza l’algoritmo di clustering non supervisionato per categorizzare i conducenti in diverse categorie, in cui emerge la profilazione di diversi comportamenti di guida. Infine, la tesi trova un modello più sofisticato per valutare l’impronta di carbonio di ciascun veicolo basato sui dati di telematica e sulla distanza dalle diverse categorie "ambientali", superando la politica attuale basata solo sulla classe EURO, l’anno di immatricolazione e la distanza percorsa. I risultati di questo studio possono fornire alle istituzioni un’indicazione per la definizione di politiche sui trasporti basate sui dati, al fine di promuovere un futuro più sostenibile.

Exploiting mobility big data to assess eco-driving behavior

PAGLIAROLI, ANTONIO
2022/2023

Abstract

Transport represents almost a quarter of Europe’s greenhouse gas emissions and is the main cause of air pollution in cities. The transport sector remains one of the only sectors of the EU economy where emissions are still above 1990 levels. Within this sector, passenger vehicles account for more than 45% of all GHG emissions. While the European Commission promotes the European Green Deal to reduce transport emissions by 90% by 2050 focusing on the ban on sale of fuel vehicles, prior researches suggest that driver behavior is a crucial factor that influences fuel consumption and vehicle emission. The aim of this study is to profile the vehicle based on driving behavior in order to provide feedback to drivers about their emissions and consumption. To get an insight into different parameters that can influence the consumption and the carbon footprint of each vehicle this study uses the data collected by a Black Box installed on each vehicle that provides telematics data. The analysis of raw data and the enrichment of these led to the development of three KPIs that summarize all the aspects of the driver behavior that can impact the consumption and emissions like the average speed, the driving style, the distance traveled, and the characteristics of the vehicles. Using these KPIs this study uses the unsupervised clustering algorithm to categorize drivers into different categories, in which emerges different driver behavior profiling. Finally, the thesis finds a more sophisticated model for evaluating the carbon footprint of each vehicle based on telematics data and the distance from "green" groups, overcoming the actual policy based only on EURO class, registration year, and distance traveled. The results of this study can provide policymakers with guidance for defining data-driven transport policies aimed at promoting a more sustainable future.
FURIOLI, SARA
SAVARESI, SERGIO MATTEO
ING - Scuola di Ingegneria Industriale e dell'Informazione
4-mag-2023
2022/2023
I trasporti rappresentano quasi un quarto delle emissioni di gas serra dell’Europa e sono la principale causa di inquinamento dell’aria nelle città. Il settore dei trasporti rimane uno dei pochi settori dell’economia europea in cui le emissioni sono ancora al di sopra dei livelli del 1990. All’interno di questo settore, i veicoli privati rappresentano oltre il 45% di tutte le emissioni di gas serra. Mentre la Commissione europea promuove il Green Deal europeo per ridurre le emissioni dovute ai trasporti del 90% entro il 2050, concentrandosi sul divieto di vendita di veicoli alimentati con combustibili fossili, ricerche precedenti suggeriscono che il comportamento del conducente è un fattore cruciale che influenza il consumo di carburante e le emissioni del veicolo. Lo scopo di questo studio è quello di profilare il veicolo in base al comportamento di guida al fine di fornire un feedback ai conducenti sulle loro emissioni e consumo. Per ottenere una visione d’insieme sui diversi parametri che possono influire sul consumo e sull’impronta ambientale di ciascun veicolo, questo studio utilizza i dati raccolti da una Black Box installata su ciascun veicolo che fornisce dati telematici. L’analisi dei dati grezzi e l’arricchimento di questi, ha portato alla definizione di tre KPI che sintetizzano tutti gli aspetti del comportamento di guida che possono influire sul consumo e sulle emissioni, come la velocità media, lo stile di guida, la distanza percorsa e le caratteristiche dei veicoli. Utilizzando questi KPI, questo studio utilizza l’algoritmo di clustering non supervisionato per categorizzare i conducenti in diverse categorie, in cui emerge la profilazione di diversi comportamenti di guida. Infine, la tesi trova un modello più sofisticato per valutare l’impronta di carbonio di ciascun veicolo basato sui dati di telematica e sulla distanza dalle diverse categorie "ambientali", superando la politica attuale basata solo sulla classe EURO, l’anno di immatricolazione e la distanza percorsa. I risultati di questo studio possono fornire alle istituzioni un’indicazione per la definizione di politiche sui trasporti basate sui dati, al fine di promuovere un futuro più sostenibile.
File allegati
File Dimensione Formato  
2023_05_Pagliaroli_Executive_Summary.pdf

non accessibile

Descrizione: executive summary
Dimensione 1.11 MB
Formato Adobe PDF
1.11 MB Adobe PDF   Visualizza/Apri
2023_05_Pagliaroli.pdf

non accessibile

Descrizione: testo tesi
Dimensione 5.8 MB
Formato Adobe PDF
5.8 MB Adobe PDF   Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/209320