Una caratterizzazione microscopica del traffico che considera l’impatto della densità sulle emissioni di carbonio dei CAV

Perché gli ingorghi stradali contano per il clima

Chiunque sia mai rimasto bloccato nel traffico a intermittenza si è chiesto quante risorse vengano consumate inutilmente. Questo articolo pone una domanda strettamente correlata: come influisce la distanza tra le auto in strada — la «densità» del traffico — sulle emissioni di anidride carbonica (CO₂) dei moderni veicoli connessi e autonomi (CAV)? Collegando comportamenti di guida dettagliati a misurazioni reali delle emissioni, gli autori mostrano che spaziature più intelligenti e un flusso più uniforme possono ridurre significativamente l’inquinamento.

Da strade affollate a emissioni di carbonio

Il trasporto su strada è una delle fonti di gas serra più grandi e in più rapida crescita a livello mondiale. Con l’aumento del numero di veicoli, la congestione peggiora e le emissioni aumentano, con gravi conseguenze per la qualità dell’aria e il clima. Gli strumenti tradizionali per stimare le emissioni del traffico si concentrano o sulle velocità medie su lunghi tratti di strada, o su modelli complessi con molti parametri difficili da calibrare e applicare su larga scala. Allo stesso tempo, i CAV stanno iniziando a entrare nel flusso del traffico, promettendo una guida più sicura ed efficiente, ma modificando anche l’interazione tra i veicoli. Per comprendere cosa significhi tutto ciò per le emissioni, servono modelli che considerino i singoli veicoli, le loro spaziature e le loro reazioni alle condizioni che cambiano.

Misurare come la densità influisce sulla CO₂

Gli autori hanno iniziato con un esperimento sul campo su due percorsi pendolari quotidiani a Peshawar, Pakistan, uno al mattino e uno alla sera, ciascuno lungo circa 7–8 chilometri. Hanno equipaggiato un’auto con uno scanner di diagnostica di bordo collegato a un’app per smartphone e a una piattaforma cloud. Questa configurazione ha registrato continuamente i dati del motore e le emissioni di CO₂ mentre il veicolo si muoveva nel traffico reale. Usando relazioni consolidate del traffico, hanno convertito la spaziatura tra i veicoli in densità del traffico e poi applicato analisi di regressione per derivare un semplice legame matematico tra densità e emissioni di CO₂. Con l’aumentare della densità e l’insorgere di traffico a intermittenza, le emissioni crescevano in modo chiaro e quantificabile.

Costruire un modello di traffico che favorisca una guida più fluida

Successivamente, il team ha integrato questa relazione emissioni‑densità in un noto modello microscopico del traffico chiamato modello Intelligent Driver (ID), che normalmente usa un parametro fisso per regolare quanto fortemente i guidatori reagiscono alle differenze di velocità. Invece di trattare quel parametro come costante, gli autori lo hanno fatto variare in funzione della densità del traffico, della spaziatura tra i veicoli e del tempo di reazione del guidatore, rappresentando esplicitamente le reazioni più rapide dei CAV. In questa nuova formulazione, le emissioni non sono un obiettivo separato da ottimizzare; emergono naturalmente da come i veicoli accelerano e frenano a diverse densità. Il modello cattura quindi come i CAV possano adattare il loro headway e la velocità per mantenere un flusso più regolare ed evitare partenze e arresti bruschi che sprecano carburante.

Testare stabilità ed emissioni su una strada virtuale

Per verificare il comportamento del nuovo approccio, i ricercatori hanno eseguito simulazioni al computer su una strada circolare di 1 chilometro popolata da un piccolo plotone di veicoli. Hanno confrontato il loro modello attento ai CAV e sensibile alle emissioni con il modello ID standard nelle stesse condizioni. Un’analisi dettagliata della stabilità ha mostrato che il nuovo modello smorza più efficacemente le onde del traffico: piccole perturbazioni nella spaziatura e nella velocità si attenuano anziché crescere fino a diventare grandi onde di congestione. Nelle simulazioni, quando ai veicoli venivano consentiti tempi di inseguimento più lunghi (headway maggiori), la densità del traffico diminuiva, la velocità diventava più uniforme e gli spike di accelerazione praticamente scomparivano. Al contrario, modificare il parametro fisso nel modello ID tradizionale poteva far apparire il traffico più stabile sulla carta, ma in modo non coerente con il comportamento realistico di guidatori e veicoli.

Cosa significano i risultati per l’inquinamento

Poiché forti picchi di accelerazione e frenata sono strettamente legati alle emissioni di CO₂, la guida più fluida prodotta dal nuovo modello porta direttamente a livelli di emissione più bassi e più stabili. Le statistiche quantitative delle simulazioni mostrano che, all’aumentare degli headway nel modello basato sui CAV, la variabilità di velocità, densità e accelerazione diminuisce drasticamente, e la sensibilità calcolata delle emissioni di CO₂ rispetto alla densità diventa piccola e stabile. Nel vecchio modello ID, portare il parametro chiave a valori più alti amplificava in realtà le fluttuazioni e implicherebbe emissioni molto più elevate. Lo studio suggerisce quindi che i sistemi di traffico che incoraggiano i CAV a mantenere distanze di sicurezza generose e a reagire in modo rapido ma fluido alle variazioni davanti a loro possono ridurre simultaneamente la congestione e le emissioni di carbonio.

Come questo potrebbe influenzare le strade future

In termini pratici, il lavoro sostiene che un traffico più pulito non riguarda solo motori più ecologici, ma anche come le auto sono distribuite e controllate. Basando il loro modello su dati raccolti a bordo strada e su comportamenti realistici dei CAV, gli autori forniscono uno strumento che i pianificatori del traffico possono usare per testare strategie come velocità coordinate, indicazioni per l’eco‑guida e schemi di controllo basati sui CAV prima della loro implementazione reale. Se adottate su larga scala, tali strategie potrebbero aiutare le città a progettare sistemi stradali in cui si formano meno ondate di stop‑and‑go, i viaggi diventano più prevedibili e l’impatto climatico della guida si riduce significativamente.

Citazione: 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

Parole chiave: veicoli autonomi connessi, densità del traffico, emissioni di CO2, modello microscopico del traffico, stabilità del traffico