Technische Veränderungen bei Neuwagen, die kaum mehr mögliche Einteilung in die klassischen Segmente Klein-, Mittel-, obere Mittel- und Luxusklasse bei Fahrzeugen und Crossover-Modelle, die kaum einem Segment zugeordnet werden können, machen es immer schwerer, Flottenverbrauch und -emissionswerte zu berechnen – auch für den Gesetzgeber.
Die Empa-Forscherin Naghmeh Niroomand analysiert nun im Rahmen eines Projekts Datenbanken mit Hilfe von Deep-Learning-Methoden. Dazu wurden die Fahrzeuge anhand von Ähnlichkeitsmerkmalen dank mathematischen Ansätzen und mit Deep-Learning-Techniken in einheitliche Segmente eingeteilt. Hauptziel des Projekts ist es, eine Voraussetzung zu schaffen, um die zukünftigen realen CO2-Emissionen des Strassenverkehrs auf Basis eines rein mathematischen Ansatzes zu bestimmen. Insbesondere die zunehmende Elektrifizierung wird die Unterscheidung zwischen dem Energieverbrauch im Strassenverkehr und der stationären Energienutzung bald stark erschweren. Zudem wurden dank der neuen Methode subjektive und expertenbasierte Faktoren beseitigt, wodurch Klassifizierungsfehler verringert und Datenbanken aus der ganzen Welt vergleichbar werden.
"Die an der Empa entwickelte Methode ermöglicht es, die CO2-Emissionen separat zu bewerten und durch die Analyse grosser Datenbanken eine genaue automatische Fahrzeugklassifizierung vorzunehmen. Dies erleichtert die Analyse von Flottenveränderungen in einem Land - oder in einem grossen Unternehmen", erläutert Naghmeh Niroomand, die die Methode entwickelte.
(abr)
