یکی از بزرگترین چالش های صنعت حمل و نقل، کاهش تاثیر زیست محیطی خودروها، می باشد. ورای موتورهای کارآمدتر، یک شیوه امیدوارکننده، استفاده از فناوریهای رانندگی اقتصادی است که به رانندگان در دستیابی به مصرف پائین تر سوخت و سطوح آلاینده ها کمک می نماید. در این مطالعه، مدل مصرف سوخت میکروسکوپی بلادرنگ توسعه یافت. این مدل در پلتفرم های شبیه سازی، ادغام و از آن برای طراحی و تست سیستم های کمک راننده پیشرفته (ADAS)، با هدف نگه داشتن خودرو در ناحیه رانندگی محیط زیست پسند و کاهش گازهای خروجی مضر، استفاده گردید. برای یکپارچه سازی در پلتفرم بکاررفته در مراحل اولیه توسعه و تست ADAS، مدل پیشنهادی بسیار ساده و وابسته به معدود متغیرهایی با قابلیت محاسبه راحت، نگه داشته شد.برای نشان دادن امکان شناسایی مدل و اعتبارسنجی آن، آزمایش بزرگی مشتمل بر بیش از ۱۰۰ راننده و حدود ۸۰۰۰ کیلومتر رانندگی با استفاده از یک خودروی ابزاری، انجام شد. یک مدل لحظه ای براساس سرعت خودرو، سطح شتاب، و گردش پدال گاز شناسایی شد که در محیط ترافیک برون شهری قابل استفاده است. اعتبارسنجی لحظه ای و کل، اجرا و مشخص گردید که مدل پیشنهادی می تواند مصرف سوخت خودرو را بدون تناقض و سازگار با اندازه گیریهای لحظه ای درون فیلد (میدان) برآورد نماید. برای مصرف کل هر جلسه رانندگی نیز، برآوردهای بسیار درستی نشان داده شد.

Reduction of the environmental impact of cars represents one of the biggest transport industry challenges. Beyond more efficient engines, a promising approach is to use eco-driving technologies that help drivers achieve lower fuel consumption and emission levels. In this study, a real-time microscopic fuel consumption model was developed. It was designed to be integrated into simulation platforms for the design and testing of Advanced Driving Assistance Systems (ADAS), aimed at keeping the vehicle within the environmentally friendly driving zone and hence reducing harmful exhaust gases. To allow integration in platforms employed at early stages of ADAS development and testing, the model was kept very simple and dependent on a few easily computable variables. To show the feasibility of the identification of the model (and to validate it), a large experiment involving more than 100 drivers and about 8000 km of driving was carried out using an instrumented vehicle. An instantaneous model was identified based on vehicle speed, acceleration level and gas pedal excursion, applicable in an extra-urban traffic context. Both instantaneous and aggregate validation was performed and the model was shown to estimate vehicle fuel consumption consistently with in-field instantaneous measurements. Very accurate estimations were also shown for the aggregate consumption of each driving session.