Eine mikroskopische Verkehrscharakterisierung unter Berücksichtigung des Einflusses der Dichte auf die CO2‑Emissionen von CAVs

Warum Staus für das Klima wichtig sind

Jeder, der schon einmal im Stop‑and‑Go‑Verkehr festsaß, hat sich gefragt, wie viel Treibstoff unnötig verbrannt wird. Dieser Artikel stellt eine eng verwandte Frage: Wie beeinflusst der Abstand zwischen Fahrzeugen auf der Straße — die Verkehrs„dichte“ — die Kohlendioxid‑(CO2‑)Emissionen moderner vernetzter und autonomer Fahrzeuge (CAVs)? Indem detailliertes Fahrverhalten mit realen Emissionsmessungen verknüpft wird, zeigen die Autoren, dass intelligentes Abstandhalten und gleichmäßigerer Verkehrsfluss die Verschmutzung deutlich reduzieren können.

Von vollen Straßen zu Kohlenstoffemissionen

Der Straßenverkehr ist eine der größten und am schnellsten wachsenden Quellen von Treibhausgasen weltweit. Mit mehr Fahrzeugen auf den Straßen verschlechtert sich die Lage, Staus nehmen zu und die Emissionen steigen, mit erheblichen Folgen für Luftqualität und Klima. Traditionelle Methoden zur Abschätzung von Verkehrsemissionen konzentrieren sich entweder auf Durchschnittsgeschwindigkeiten über längere Strecken oder verwenden komplexe Modelle mit vielen Parametern, die schwer zu kalibrieren und breit anzuwenden sind. Gleichzeitig treten CAVs zunehmend in den Verkehrsfluss ein und versprechen sichereres und effizienteres Fahren, verändern aber auch die Interaktion der Fahrzeuge. Um zu verstehen, was das für die Emissionen bedeutet, brauchen wir Modelle, die einzelne Fahrzeuge, ihre Abstände und ihre Reaktionen auf veränderte Bedingungen betrachten.

Messung des Einflusses der Dichte auf CO2

Die Autoren begannen mit einem Feldversuch auf zwei alltäglichen Pendelstrecken in Peschawar, Pakistan, eine morgens und eine abends, jeweils etwa 7–8 Kilometer lang. Sie rüsteten ein Fahrzeug mit einem On‑Board‑Diagnose‑Scanner aus, der an eine Smartphone‑App und eine Cloud‑Plattform gekoppelt war. Diese Einrichtung zeichnete kontinuierlich Motordaten und CO2‑Emissionen auf, während sich das Fahrzeug durch realen Verkehr bewegte. Mithilfe etablierter verkehrstechnischer Zusammenhänge wandelten sie Abstände zwischen Fahrzeugen in Verkehrsdichte um und verwendeten Regressionsanalysen, um eine einfache mathematische Verbindung zwischen Dichte und CO2‑Ausstoß abzuleiten. Mit steigender Dichte und zunehmendem Stop‑and‑Go‑Verkehr stiegen die Emissionen auf eine klare, quantifizierbare Weise an.

Aufbau eines Modells für gleichmäßigeren Verkehr

Anschließend integrierte das Team diese Emissions‑Dichte‑Beziehung in ein bekanntes mikroskopisches Verkehrsmodell, das Intelligent Driver (ID)‑Modell, das normalerweise einen festen Parameter nutzt, um zu steuern, wie stark Fahrende auf Geschwindigkeitsunterschiede reagieren. Statt diesen Parameter als konstant zu behandeln, ließen die Autoren ihn mit der Verkehrsdichte, den Fahrzeugabständen und der Reaktionszeit variieren und stellten die schnelleren Reaktionen von CAVs explizit dar. In dieser neuen Formulierung sind Emissionen kein separates zu optimierendes Ziel, sondern entstehen natürlich aus dem Beschleunigungs‑ und Bremsverhalten der Fahrzeuge unter verschiedenen Dichten. Das Modell erfasst damit, wie CAVs ihren Abstand und ihre Geschwindigkeit anpassen können, um einen gleichmäßigeren Fluss aufrechtzuerhalten und abrupte Starts und Stopps zu vermeiden, die Treibstoff verschwenden.

Testen von Stabilität und Emissionen auf einer virtuellen Straße

Um das Verhalten des neuen Ansatzes zu prüfen, führten die Forschenden Computersimulationen auf einer 1‑Kilometer‑Ringstraße mit einer kleinen Fahrzeugkolonne durch. Sie verglichen ihr CAV‑bewusstes, emissionssensitives Modell mit dem standardmäßigen ID‑Modell unter identischen Bedingungen. Eine detaillierte Stabilitätsanalyse zeigte, dass das neue Modell Verkehrswellen effektiver dämpft: Kleine Störungen in Abstand und Geschwindigkeit verklingen, anstatt zu großen Stauwellen zu werden. In Simulationen führten längere Folgezeiten (größere Sicherheitsabstände) zu geringerer Verkehrsdichte, gleichmäßigeren Geschwindigkeiten und nahezu verschwundenen Beschleunigungsspitzen. Im Gegensatz dazu konnte das Verstellen des festen Parameters im traditionellen ID‑Modell den Verkehr auf dem Papier stabiler erscheinen lassen, allerdings auf eine Weise, die nicht an realistisches Fahrer‑ oder Fahrverhalten gebunden war.

Was die Ergebnisse für die Verschmutzung bedeuten

Da große Beschleunigungs‑ und Bremsvorgänge eng mit CO2‑Emissionen verknüpft sind, führt das gleichmäßigere Fahrverhalten des neuen Modells direkt zu niedrigeren und stabileren Emissionswerten. Quantitative Kennzahlen aus den Simulationen zeigen, dass mit zunehmendem Abstand im CAV‑basierten Modell die Variabilität von Geschwindigkeit, Dichte und Beschleunigung stark abnimmt und die berechnete Empfindlichkeit der CO2‑Emissionen gegenüber der Dichte klein und konstant wird. Im älteren ID‑Modell verstärkte das Erhöhen seines Schlüsselparameters tatsächlich die Schwankungen und würde deutlich höhere Emissionen bedeuten. Die Studie legt daher nahe, dass Verkehrssysteme, die CAVs zu sicheren, aber großzügigen Folgeabständen und zu schnellen, zugleich sanften Reaktionen auf vorausliegende Änderungen anregen, zugleich Staus reduzieren und CO2‑Emissionen senken können.

Wie das zukünftige Straßen prägen könnte

Anschaulich argumentiert die Arbeit, dass saubererer Verkehr nicht nur saubere Motoren erfordert, sondern auch davon abhängt, wie Fahrzeuge angeordnet und gesteuert werden. Indem sie ihr Modell auf Straßenmessdaten und realistisches CAV‑Verhalten stützen, liefern die Autoren ein Werkzeug, das Verkehrsplaner nutzen können, um Strategien wie koordinierte Geschwindigkeiten, Eco‑Driving‑Anleitungen und CAV‑basierte Steuerungsmaßnahmen vor dem realen Einsatz zu testen. Bei breiter Anwendung könnten solche Strategien Städten helfen, Straßensysteme zu entwerfen, in denen weniger Stop‑and‑Go‑Wellen entstehen, Fahrten vorhersehbarer werden und die Klimaauswirkungen des Fahrens sich deutlich verringern.

Zitation: Khan, Z.H., Ali, F., Gulliver, T.A. et al. A microscopic traffic characterization considering the impact of density on carbon emissions from CAVs. Sci Rep 16, 7648 (2026). https://doi.org/10.1038/s41598-026-37851-x

Schlüsselwörter: vernetzte autonome Fahrzeuge, Verkehrsdichte, CO2‑Emissionen, mikroskopisches Verkehrsmodell, Verkehrsstabilität