| データの種類 |
グラフ
テキスト
数値
時系列
表
|
| データの変数（パラメーター）の変数名 |
このDJを動かすプラットフォームとして論文発表を行うDQFDを想定するが、DQFDは自動収集、自己成長型データウエアハウスを持つことを想定している。ただしその為のソフト開発が必要な段階 |
| データの概要説明 |
自動車の走行について、始動から停止までの一連の走行速度のタイムチャートをドライビングサイクルと呼ぶが、このDJでは実市場からサンプリングしている事が前提。ドライビングサイクルはその一つ一つが特性値を持つ。例えばそのサイクルをある質量や空気抵抗を持つ物体が運動したとすれば エネルギをもつ。この特性値は正規分布など統計パターンを持つ。よって任意区間例えば全体の95％をカバーするエネルギを選択すると利用の95%をカバーする自動車用燃料（電池）の搭載容量を決めることができる。同様にに加速度など他の特性の分布も同時に分るのでモータの設計条件も決めることができる。この様にして自動車の基本設計仕様が計画時点で過剰でもなく過少でもなく決まる。つまりこのDJは、過剰なコストをさけ顧客不満も回避できる設計ができるという価値ををもつものである |
| 想定しているデータの分析・シミュレーションプロセス |
ドライビングサイクルの波形抽出ロジックなど概念設計はある。 |
| 想定しているデータの分析・シミュレーションプロセスの結果 （データ分析結果／ツールの出力／典型例など） |
筆者の体験事例として、カリフォルニア州で電気自動車のデモンストレーションフリートテストを実施した。データ収集はマニュアル作業であったがその結果実際の市場での使い方平均となるドライビングサイクルを得た。これは、法規制として示されているドライビングサイクルに比べエネルギ消費量が多く実情が初めて評価できた。（これも論文中に紹介しました） |
| 上記の分析・シミュレーションプロセス以外に期待する分析 |
近未来を想定してCO2 Evaluator for City というDJも考えている。これは、やはりドライビングサイクルを利用するものである。具体的にはドライビングサイクル終了時点で車両毎のCO2削減量をデータサーバ側で同様の使い方をする（した）内燃機関自動車と比較差をもとめることで いつだれがどこでどれだけどのよう削減したのか記録できるようにする。その結果、都市毎や期間ごとあるいは個人毎など任意のグループで集計でき皆で貢献するCO2削減活動が動きだすのではないかと期待している。 |
作成日：2013年11月24日 最終更新日：2013年11月24日
コメントする
いいね
お気に入り
全体に公開
2022年02月13日
コメントフォーム