技术领域
[0001] 本
发明涉及生态驾驶的领域，更一般而言涉及鉴定用户的总体移动性的污染性质的领域。
背景技术
[0002] 目前，改善空气
质量是城市的首要任务。为了达到这一点，目前的主流解决方案包括禁止某些被认为过于污染的车辆上路行驶(例如，CRIT'AIR环保标志)。然而，对于给定的车辆和给定的路线，污染物排放
水平可以根据车辆的驾驶方式而显著变化。尽管这种影响是真实的，但关于这种影响还知之甚少，因为除了使用极其昂贵的实验室仪器之外，这种影响仍然难以量化。
[0003]
申请人的法国
专利申请FR 3 049 653描述了一种用于使用给定路线的宏观参数来确定来自给定车辆的污染物排放的方法。然而，该方法仅考虑
机动车辆的行程，而不考虑用户的驾驶
风格，并且不允许生成生态驾驶指导。
[0004] 在专利申请FR 3 049 653中可获得与用于估计污染物的模型有关的
现有技术的详细情况。
[0005] 在大规模上，估计污染物排放包括使用被称为“排放因子”的系数。这种办法最广为人知的实现被称为COPERT，但该办法未考虑实际使用，因为它关注给定车辆的均值而与其使用无关。
[0006] 另外，引用专利申请EP 2 166 309 A2是有用的，该专利申请提出了一种基于地图向驾驶员显示瞬时污染物排放或直接经由
发动机控制单元来提供瞬时污染物排放的系统。然而，该申请中所描述的系统不能用于计算最大潜在可容许节省，也不能用于生成生态驾驶指导。另外，它不关注可以大规模部署的解决方案，因为它需要测量来自每一车辆的排放(在使用地图的情况下)或连接到每个车辆的控制单元，这在当前是不可能的。
[0007] 关于生态驾驶，现有技术没有提供考虑空气质量的办法。通常采用的办法包括考虑
燃料消耗和/或二
氧化
碳消耗，诸如举例而言，在申请人的专利申请FR 2 994 923中，其涉及用于确定车辆的行程的
能量指示符并确定使能量消耗最小化的最优速度的方法。
[0008] 在处理改善空气质量问题时，仍然需要解决对可以大规模推广的工具的需求，以使得用户能够对其移动性和驾驶风格负责。
[0009] 为此，本发明可以用于产生完整系统，该完整系统可以允许每个用户使用智能手机上的简单应用(此处被称为智能手机应用)在机动车辆和软交通模式中测量并改善该用户的总体移动性的污染足迹，而无需添加特定的
传感器。该系统还有益于社区，从而允许他们控制在他们自己的地域上实际使用的排放水平。
[0010] 发明目的
[0011] 本发明的目的是在数个层级上补充现有技术的用于确定污染物排放的方法：
[0012] -通过允许自动检测路线和交通模式，以便在智能手机上部署；
[0013] -通过添加下游生态驾驶组件以将驾驶员的行为纳入考虑；
[0014] -通过可任选地将它们与其他模型耦合，以控制和模拟道路
基础设施和车辆技术的功效。
[0015] 本发明意味着可以从用于确定来自给定车辆的针对给定路线的污染物排放的简单模型移至不需要除GPS之外的任何传感器的用于生态驾驶和监视污染物的完整系统。这种解决方案的主要优点是它可以经由智能手机应用大规模部署。该应用可以用于自动检测行程(软移动性和机动车辆移动性)，提供个性化指导，并借助于计算给定路线上的速度轨迹和理想污染分数的
算法来鉴定驾驶机动车辆的风格的“空气质量”影响。根据本发明的方法尤其可以用于确定污染物排放的目标水平并为驾驶员提供指导。
[0016] 另外，它不限于
汽车或者甚至不限于机动车辆，因为它可以用于通过关注使用替代交通模式(或软交通模式)、通过显示用户总体移动性的环境影响指示符并生成生态移动性指导来将广义上的移动性纳入考虑。
发明内容
[0017] 本发明涉及一种用于确定与用户的总体移动性的污染性质有关的指示符的方法，包括以下步骤：
[0018] a.借助于智能手机来检测软交通模式中的行程和机动车辆的行程，以测量所述用户的
位置和/或海拔和/或速度；
[0019] b.将所述车辆的宏观特性和表示所述用户的驾驶风格的实际
速度曲线纳入考虑，借助于用于估计污染物排放的模型来确定与机动车辆的每一行程的污染物排放相关的实际
环境足迹；
[0020] c.将表示最优驾驶风格的目标速度曲线纳入考虑，在所述用于估计污染物排放的模型中根据所述机动车辆行程中的每一者来确定目标环境足迹；
[0021] d.将所述机动车辆行程中的每一者的环境足迹分解成与所述车辆相关的足迹、与驾驶风格相关的足迹以及与路线的类型相关的足迹；
[0022] e.将在给定时间区间(优选地，一天)内的软交通模式中的所有行程和机动车辆的行程纳入考虑，确定所述用户的移动性的总体环境足迹；
[0023] f.确定所述用户的总体移动性的生态驾驶指示符和/或环境影响指示符。
[0024] 所述机动车辆行程的环境足迹可以通过将与局部和全局污染物相关的所有污染物排放聚集到单个基准中来确定，所述基准是通过产生所考虑的每个污染物的排放的加权和来获得的，所述加权和的系数是根据所述污染物对健康和环境的影响来选择的。
[0025] 确定所述机动车辆行程的环境足迹可以包括：通过采集与由所述用户使用的车辆的设计相关的至少一个宏观参数并通过针对所述车辆构造以下各项以及通过实现以下步骤来实现对与所述机动车辆相关的污染物排放的确定：
[0026] i.所述车辆的模型，所述车辆的模型使用至少一个宏观参数将所述车辆的所述位置和/或海拔和/或速度与所述发动机的
扭矩和速度相关联；
[0027] ii.所述发动机的模型，所述发动机的模型借助于至少一个宏观参数将所述发动机的所述扭矩和所述速度与所述发动机的排气口处的污染物排放相关联；以及[0028] iii.可任选地，后处理系统的模型，所述后处理系统的模型借助于至少一个宏观参数，藉由所述后处理系统的排气口处的污染物排放来关联所述发动机的排气口处的所述污染物排放；
[0029] 其中所述步骤包括：
[0030] -借助于
跟踪系统或
移动电话来测量所述车辆的位置、海拔和速度；
[0031] -借助于所述车辆模型和所述测量来确定所述发动机的所述扭矩(Cme)和所述速度(Ne)；
[0032] -借助于所述发动机模型和所述发动机的所述扭矩(Cme)和所述速度(Ne)来确定所述发动机的排气口处的污染物排放；以及
[0033] -可任选地，借助于所述后处理系统的所述模型和所述发动机的排气口处的所述污染物排放来确定所述车辆的污染物排放。
[0034] 优选地，实际环境足迹与目标环境足迹之间的差异能够用于确定针对所述行程中的每一者的与所述用户的驾驶风格相关的环境足迹。
[0035] 有利地，所述实际环境足迹与所述目标环境足迹之间的差异能够用于以驾驶分数的形式来确定所述用户的驾驶风格的质量的指示符。
[0036] 优选地，所述用户在所述行程上的改善潜
力被确定。
[0037] 污染物可以选自二氧化碳、
温室气体、氮氧化物、颗粒、
一氧化碳和/或未燃烧的碳氢化合物。
[0038] 在一个
实施例中，所述方法可以包括用于以下操作的步骤：聚集不同用户或同一用户的多次运输在形成所述机动车辆行程中的一个行程的一部分的路线区段上的污染物排放，以估计污染物排放在所述路线区段上的统计分布和均值水平。
[0039] 确定所述机动车辆行程的环境足迹可以包括模拟各种发动机技术以评估实际使用。
[0040] 本发明还涉及一种
计算机程序产品，所述计算机程序产品能够从通信网络下载和/或记录到计算机可读
支撑件上和/或能够由处理器或
服务器执行，所述计算机程序产品包括用于当所述程序在计算机上或移动电话上被执行时实现如上所述的方法的程序代码指令。
[0041] 最后，本发明涉及使用所述方法来估计道路基础设施或道路交通限制的生态效率。
[0042] 本发明还涉及使用所述方法以向用户提供与每个所选择的交通模式在用户的总体移动性的环境影响内的相对影响有关的信息的反馈，优选地以便生成针对用户的总体移动性的生态改善指导。
附图说明
[0043] 从以下参考附图并在下面描述的非限制性示例性示例的描述，根据本发明的方法的其他特性优点将变得显而易见。
[0044] 图1解说了用于确定生态驾驶和生态移动性指示符的方法的架构。
[0045] 图2解说了示例1并表示相对于目标速度的增加的实际速度曲线的NOx污染物排放(图2C：瞬时，图2E：累积)和消耗(图2B：瞬时，图2D：累积)的改善潜力，这些曲线在图2A中是针对给定路线和车辆来表示的。
[0046] 图3解说了示例2并表示在针对相同路线和相同机动车辆以及不同驾驶员行驶的实际运行上实现的研究期间分解对污染物排放有影响的因子。
具体实施方式
[0047] 本发明可以用于产生用于管理和控制用户的总体移动性对空气质量的影响的工具。从用于估计污染物排放的方法，根据本发明的方法可以用于构造完整解决方案，该完整解决方案可在智能手机上或者从提供有跟踪传感器的另一系统部署。
[0048] 根据本发明的方法可以用于检测用户的移动性以自动地馈送用于估计污染物排放的模型并且还根据污染物估计提供针对生态驾驶和/或生态移动性的指示符和指导。
[0049] 该方法的第一步骤是通过在最大程度上使用存在于电话上的各种物理传感器(GNSS、GSM和惯性单元)来确保在用户移动时自动检测用户的移动性而不涉及过高的
电池消耗。用于检测移动性的该步骤是必不可少的，以使得用于估计污染物排放的模型可以接收输入。
[0050] 生态驾驶组件向驾驶员通知关于与其驾驶风格相关的排放部分并帮助驾驶员减少该排放部分。
[0051] 该完整解决方案可以用于通过将用户的实际行程作为整体纳入考虑来确定鉴定用户移动性的污染性质的指示符：
[0052] -通过将所选择的交通模式(汽车、
自行车、步行、火车等等)纳入考虑，以向用户提供与每种交通模式的相对环境影响有关的反馈；
[0053] -通过在汽车行程的情况下将用户的驾驶风格纳入考虑并针对每条路线提供用户通过调整其驾驶原本可以减少的排放部分，这构成用户的改善潜力。
[0054] 根据本发明的方法还可以用于显示在给定的时间区间内(例如每天)用户移动性的总体污染足迹并将这些排放水平投影到地图上。
[0055] 图1通过示出用于确定与驾驶和总体移动性的污染性质有关的指示符的方法的各个步骤的架构来解说根据本发明的方法：
[0056] A.检测软交通模式
[0057] B.检测机动车辆的行程
[0058] C.将驾驶风格纳入考虑来确定机动车辆的环境足迹
[0059] D.将软移动性模式的足迹和与机动车辆行程相关的足迹纳入考虑，确定在给定时间区间内(例如，一天内)用户移动性的总体环境足迹
[0060] E.在使用机动车辆的路线的情况下，分解路线的环境足迹并确定针对用户的生态驾驶指示符
[0061] F.可任选地，聚集针对每条路线区段估计的污染物排放
[0062] G.可任选地，在确定机动车辆行程的环境足迹时模拟各种发动机技术以评估实际使用。
[0063] 以下详述这些各个步骤。
[0064] A.检测软交通模式
[0065] 在评估移动性的环境足迹时，必须将软移动性模式(即，不排放)纳入考虑，因为他们可以被选择作为污染移动性解决方案的替代。由此，在该方面，必须认可并鼓励软交通模式。所使用的方法意味着可以实现对步行、跑步和骑自行车的自动检测，这是因为使用智能手机或任何其他连接的对象，例如连接的
手表，并且这是通过尽可能限制电池消耗来实现的。该方法由此可以用于监视系统用户的移动性，同时需要来自用户的最少干预。
[0066] 由于使
用例如
加速度计、磁力计或
陀螺仪的简单检测装置，因此自动地检测行程并且标识交通模式。从该检测步骤获得的输出数据是交通模式、开始时间、行进时间以及所
覆盖的距离。
[0067] B.检测机动车辆的行程
[0068] 根据本发明的方法旨在经由智能手机或任何其他连接的对象(诸如连接的手表)，通过使每条路线起点处的检测灵敏度和所收集数据的精确度最大化、同时限制该功能的电池消耗来自动地检测机动车辆的行程。该功能不需要恒定使用跟踪(GNSS)。它基于对GSM天线变化的观测和/或基于对前一节中详述的用户活动类型的标识。当检测到天线变化或者当前被检测的活动是机动车辆行程(例如，在汽车中)时，智能手机的GNSS传感器被激活达给定时段。如果所记录的速度测量很好地对应于表示机动车辆行程(在使用机动车辆的情况下)的速度，则启动对新的机动车辆行程的记录并且GNSS保持激活直至行程结束。在行进时，总是记录速度和海拔
信号，这意味着可以固有地考虑驾驶风格。路线的终点由速度的状态确定。在路线的终点处，所记录的数据被发送给服务器或被存储在本地以供随后继续传输(特别是在路线终点处没有网络的情形中)。
[0069] 对用于每一行程的机动车辆的标识可以通过向用户报告或者通过将所遵循的路线自动地与特定的已知路线(电车、公共汽车、滑翔机等等)进行比较来实现。
[0070] 与道路地图进行匹配(被称为“地图匹配”)，其包括将来自GPS轨迹的点(纬度和经度)投影到地图上，并且如果必要的话，借助于
优化算法将它们放置到最近的路线上，该匹配用于：
[0071] -通过重新
定位路线上的位置来校正所记录的坐标
[0072] -标识机动车辆(特别是城市公共汽车)的某些行程类型。
[0073] 路线融合是用于聚集在给定时间段上记录的若干条路线并且必须将这些路线视为同一条路线的方法。
[0074] C.将驾驶风格纳入考虑来确定行程的环境足迹
[0075] 针对每个机动车辆行程生成的各种污染物的排放被聚集成单个基准，以提供可理解并且随时间易于遵循的指示符。对于使用车辆k实现的每条路线j，通过产生每个污染物i的累积排放的加权和来确定值POPSj,k。将各种污染物与其危险程度成比例地来纳入考虑。可使用外部成本方法(社会影响测量的现有技术)来计算各种污染物的加权因子αi。这些因子反映了每种污染物的危险程度并且与车辆无关。
[0076]
[0077] 以下给出所考虑的污染物的非穷尽性列表：
[0078] -二氧化碳，温室气体
[0079] -氮氧化物
[0080] -一氧化碳
[0081] -细颗粒
[0082] -未燃烧的碳氢化合物
[0083] -二氧化硫
[0084] 在共享交通(公共交通或汽车共享)的情形中，可以应用加权以将排放标准化至用户数量。
[0085] 车辆k在路线j上的每种污染物i的累积排放 通过对路线上的瞬时排放进行积分来计算，这些瞬时排放自身是使用现有技术已知的污染模型(诸如举例而言在专利申请FR 3 049 653中详述的那些模型)来计算的。从宏观
角度而言，该计算可以由下式表达：
[0086]
[0087] 其中：
[0088] -Vj(t)是车辆速度，并且Altj(t)是由GNSS在路线j上测量的速度和海拔曲线[0089] -Tj(t)是从GNSS坐标重新计算的外部
温度[0090] -fk是用于车辆k的模型，并且speck是用于对模型进行参数化的车辆技术规范，这些模型例如：
[0092] -认证标准级别(Euro 1、Euro2、......)
[0094] -最大扭矩和相关联的发动机速度
[0095] -最大功率和相关联的发动机速度
[0096] -车辆质量
[0097] -车辆传动类型
[0098] -后处理系统类型
[0099] -喷射系统类型
[0100] -混合程度
[0101] D.确定在给定时间区间内(例如一天)的移动性的总体环境足迹
[0102] 由每一行程在给定时间区间内(例如在一天的过程期间(不管模式如何))生成的污染物足迹集合被聚集，以便提供在所述时间区间上的单个指示符。
[0103] 该聚集是通过使用以下方程计算由例如在一天内在每条路线期间覆盖的距离加权的均值来实现的：
[0104]
[0105] 这种对移动性的总体环境足迹的确定可以用于估计用户的总体移动性的环境影响。该确定还可以用于通过展示导致高排放水平的行程来生成生态移动性指导，以及提供适用于驾驶员的指导以消除或减少这种高排放水平的行程。目的是通过向用户提供针对其总体移动性的改善潜力来促进不产生排放的交通模式。作为示例，对于非常短的路线或对于沿着公交线路的路线，还可以向用户给予指导以指示通过乘坐公共交通或通过使用无排放交通模式(诸如步行或使用自行车)原本可以获得的节省。
[0106] E.分解行程的环境足迹并确定针对用户的生态驾驶指示符
[0107] 由于用于校准发动机控制策略和物理现象的当前规则，污染物排放水平对使用条件(驾驶风格和路线类型)非常敏感，远远超过消耗对使用条件的敏感程度。
[0108] 在实际使用中，来自同一车辆的排放可以显著变化，并且本方法特别旨在将总体足迹POPSj,k分解成与车辆、驾驶风格和路线类型相关的三个部分：
[0109] POPSj,k＝POPS车辆(k)+POPS驾驶(j,k)+POPS路线(j,k)
[0110] 与车辆相关的足迹POPS车辆(k)
[0111] 车辆的环境足迹与该车辆采用的技术(燃料类型、
净化系统类型等等)以及与该车辆遵循的标准密切相关。在非常低排放的参考路线上并且在标称驾驶风格的情况下，环境足迹表示针对理想使用来自车辆的最小排放。对于每种污染物i，借助于如上所述的污染物排放计算，将与低排放路线和驾驶风格相对应的实际参考运行的速度V循环参考和海拔Alt循环参考纳入考虑，计算以克/公里为单位表达的车辆足迹。
[0112]
[0113] 与驾驶风格相关的足迹POPS驾驶(j,k)
[0114] 下述方法的目的是通过确定所研究的路线的目标环境足迹并由此确定改善潜力来评估驾驶风格的质量。如下详述，目的是展示导致高水平排放的驾驶行为，并提供适用于驾驶员的指导以消除这种高水平排放。该办法基于测得的瞬时速度和车辆的特性。
[0115] V循环目标(t)＝fj(V循环实际(t),speck)
[0116] 从车辆的所产生的速度曲线和技术规范开始，方法fj通过以下操作来确定目标速度曲线：
[0117] -应用最大加速度
阈值：这些阈值可以是恒定的或取决于速度并取决于车辆的特性；
[0118] -确定极限最大速度；
[0119] -通过过滤速度曲线来改善速度维持并预测
制动。
[0120] 该方法的目的是应用于速度曲线的
修改对驾驶员来说应当是可理解的，以使得可以将这些修改转换成可由驾驶员直接应用的实际指导。
[0121] 实际和目标速度曲线中的每一者被用作用于车辆k的污染物排放的相同模型fk的输入，以分别确定实际和目标污染足迹：
[0122] -路线的实际足迹：
[0123]
[0124] -路线的目标足迹：
[0125]
[0126] 实际和目标环境足迹之间的差异可以用于确定与驾驶风格相关的足迹，并且由此确定这条路线上的改善潜力：
[0127] POPS驾驶(j,k)＝POPS循环实际(j,k)-POPS循环目标(j,k)
[0128] 知悉归因于驾驶风格的这部分足迹意味着可以确定驾驶风格质量的指示符：
[0129] 驾驶分数＝f(POPS驾驶(j,k),POPSj,k,speck)
[0130] 与路线相关的足迹POPS路线(j,k)
[0131] 路线的目标环境足迹由此表示在最佳驾驶风格的情况下能够获得的环境足迹。该足迹与车辆的参考足迹之间的差异随后可以归因于路线本身的类型：不利于净化系统效率的
短路线，非常耗能、陡峭倾斜的繁忙路线或高速公路路线：
[0132] POPS路线(j,k)＝POPS循环目标(j,k)-POPS车辆(k)
[0133] 与路线相关的部分还取决于车辆的类型，因为各种车辆技术对运行条件不具有相同的灵敏度。作为示例，提供有“停止/启动”系统的车辆在严重拥堵的交通中将受到较少的惩罚。
[0134] F.在路线的每一区段上污染物排放的聚集
[0135] 在跟踪污染物排放曲线(记录纬度和经度)的情形中，可以将它们投影到地图上并且聚集来自不同用户或同一用户的多次运输的排放。这意味着可以针对路线的每一区段估计统计分布和均值污染物排放水平。由此，例如，变得有可能将污染物排放的关键区域添加到地图中，其目的是提供与道路基础设施和相关联限制的环境功效有关的信息的动态反馈。这是本发明对于公众并且还对于社区或企业而言的附加益处。
[0136] G.模拟不同的发动机技术以评估实际使用
[0137] 在本发明系统的主要应用的情况下，表示发动机和车辆技术的污染物模型被参数化，以便表示在行程期间实际使用的车辆，这是因为目的是在最大可能程度上估计实际使用排放。
[0138] 然而，存在系统的替换应用，其中模型可以被配置以便模拟其他车辆或简单地模拟其他发动机配置，其目的是实现模拟研究。可以引用两个示例：
[0139] -模拟给定车队(不同于实际车队)的排放，以评估污染高峰期间不同交通行程策略的效率，或实现对未来几年排放水平的预测。与针对这些研究当前使用的方法相比，本发明具有将实际使用的运行条件(记录的速度和倾斜曲线)纳入考虑的优点。
[0140] -模拟在提供有新颖技术发动机模
块的车辆的情况下的排放，以评估新颖技术在减少污染物排放方面的实际使用效率。
[0141] 发明优点
[0142] 与用于估计污染物排放的现有技术方法相比，根据本发明的方法具有数个优点，具体而言：
[0143] -根据本发明的方法可以用于借助于可以经由智能手机的使用而大规模并以低成本来部署的解决方案来监视汽车运输的局部和总体污染物排放。
[0144] -根据本发明的方法可以用于指导驾驶员，以通过以下方式来帮助他减少与机动车辆行程相关的污染足迹：通过确定他的环境足迹并将其分解成三个因子：汽车、驾驶和路线，来改善他的驾驶风格。
[0145] -根据本发明的方法可以用于指导用户，以通过改善他的交通模式来帮助减少他的污染足迹。
[0146] -根据本发明的方法可以考虑用户的实际总体移动性：所选择的交通模式和驾驶风格。
[0147] -根据本发明的方法可以用于使用表示每种污染物对健康和对环境的影响的系数将局部和总体污染物聚集成单个基准。
[0148] -该方法还使得可以通过将所使用的所有交通模式(软交通模式或机动车辆)纳入考虑来确定在给定时间区间内(例如每天)用户移动性的总体足迹。
[0149] -对于利用给定车辆实现的行程，该方法可以用于以精确方式量化与用户的驾驶风格相关的改善潜力。
[0150] -驾驶的生态性质不是简单地关于燃料的消耗或CO2、而是用局部和总体污染物的总体基准来量化。
[0151] -该方法还可以用于检测用户的所有行程并且还标识所使用的交通模式而无需除了用户的智能手机或任何其他连接的对象(诸如连接的手表)之外的任何其他传感器，并且同时限制电池消耗。
[0152] -该方法可以用于在行程中记录对于确定该行程的环境足迹而言必要的数据。
[0153] 示例
[0154] 示例1：
[0155] 下面的示例1解说了分解针对每个机动车辆行程确定的污染足迹以及确定改善潜力的实际情形。通过生成表示最佳驾驶风格的目标速度曲线，根据本发明的方法可以用于精确地量化与利用给定车辆行驶的路线的驾驶风格相关的改善潜力。图2解说了针对相同路线生成的目标速度曲线与实际速度曲线之间的比较(2A)和燃料消耗的潜在节省(图2B中以kg/h计的瞬时，以及图2D以L/100km的累积)以及因变于柴油车辆的时间(以s计)的氮氧化物排放(图2C中以g NOx/h计的瞬时，以及图2E以mg NOx/km计的累积排放)。将观察到，利用对驾驶方式的微小改变，可以显著减少污染物排放。由此，在上述示例中，如果驾驶员接近最佳驾驶风格，则可以获得9.8％的消耗节省和31.4％的NOx排放减少。这构成了改善潜力，该改善潜力由实现根据本发明的方法的系统直接传达给驾驶员或传达给驾驶员的智能手机。
[0156] 示例2：示例2解说了对在相同路线上驾驶相同车辆的24个不同用户的污染物排放具有影响的因子的分解。图3以直方图的形式表示经聚集的环境足迹并根据驾驶员将其分解成与驾驶风格相关的部分、与路线条件相关的部分以及与车辆相关的部分。该图解说了算法的功能，该算法可以用于确定与驾驶风格相关的污染物排放在总体污染足迹(经聚合的环境足迹，POP)中的部分。实际上，对于相同的路线和相同的车辆，将观察到，污染水平因变于驾驶员而显著变化。然而，困难在于从单次运输中估计是否存在与改善驾驶风格相关的污染物排放的改善潜力。将观察到，对于相同路线的不同重复：
[0157] -与车辆相关的部分不会变化，因为车辆未变化
[0158] -与路线相关的部分变化不大，因为所遵循的路线是相同的，但是运行条件从不严格可再现(交通、停车灯等)
[0159] -与驾驶风格相关的部分显著变化，并且将观察到，与路线相关的部分和与车辆相关的部分的总和仅略有变化，这表明该算法极其能够成功地估计减少排放的潜力，并且由此估计用户关于其驾驶风格的改善潜力。
