Mikroskopowa charakterystyka ruchu uwzględniająca wpływ gęstości na emisję dwutlenku węgla przez pojazdy CAV

Dlaczego korki mają znaczenie dla klimatu

Każdy, kto kiedykolwiek stał w ruchu zatrzymując‑ruszając, zastanawiał się, ile paliwa jest spalane bez potrzeby. Artykuł stawia bliskie temu pytanie: jak odległości między samochodami na drodze — „gęstość” ruchu — wpływają na emisje dwutlenku węgla (CO₂) z nowoczesnych połączonych i autonomicznych pojazdów (CAV)? Łącząc szczegółowe zachowania jazdy z rzeczywistymi pomiarami emisji, autorzy pokazują, że mądrzejsze utrzymywanie odstępów i płynniejszy ruch mogą znacząco ograniczyć zanieczyszczenie.

Od zatłoczonych dróg do emisji węgla

Transport drogowy jest jednym z największych i najszybciej rosnących źródeł gazów cieplarnianych na świecie. W miarę pojawiania się coraz większej liczby pojazdów na drogach, korki się pogłębiają, a emisje rosną, z poważnymi konsekwencjami dla jakości powietrza i klimatu. Tradycyjne narzędzia szacujące emisje w ruchu drogowym albo koncentrują się na średnich prędkościach na długich odcinkach, albo opierają się na złożonych modelach z wieloma parametrami trudnymi do skalibrowania i szerokiego zastosowania. Jednocześnie CAV zaczynają pojawiać się w ruchu, obiecując bezpieczniejszą i bardziej efektywną jazdę, ale też zmieniając wzajemne interakcje pojazdów. Aby zrozumieć, co to znaczy dla emisji, potrzebujemy modeli patrzących na pojedyncze pojazdy, ich odstępy i reakcje na zmieniające się warunki.

Pomiary wpływu gęstości na CO₂

Autorzy rozpoczęli od eksperymentu terenowego na dwóch codziennych trasach dojazdowych w Peszawarze w Pakistanie, jednej rano i jednej wieczorem, każda o długości około 7–8 kilometrów. Wyposażono samochód w skaner diagnostyki pokładowej połączony z aplikacją na smartfonie i platformą w chmurze. Układ ten rejestrował ciągle dane silnika i emisje CO₂ podczas poruszania się pojazdu w rzeczywistym ruchu. Korzystając z ustalonych zależności ruchu drogowego, przekształcili odstępy między pojazdami na gęstość ruchu, a następnie zastosowali analizę regresji, aby uzyskać prosty związek matematyczny między gęstością a emisją CO₂. Wraz ze wzrostem gęstości i nasileniem ruchu zatrzymującego‑ruszają, emisje rosły w wyraźny, ilościowo mierzalny sposób.

Budowanie modelu ruchu sprzyjającego płynniejszej jeździe

Następnie zespół wprowadził tę zależność emisji od gęstości do znanego mikroskopowego modelu ruchu o nazwie Intelligent Driver (ID), który zwykle używa stałego parametru opisującego, jak silnie kierowcy reagują na różnice prędkości. Zamiast traktować ten parametr jako stałą, autorzy pozwolili mu zmieniać się w zależności od gęstości ruchu, odstępów między pojazdami i czasu reakcji kierowcy oraz jawnie uwzględnili szybsze reakcje CAV. W tej nowej formulacji emisje nie są oddzielnym celem do optymalizacji; wynikają naturalnie z tego, jak pojazdy przyspieszają i hamują przy różnych gęstościach. Model w ten sposób odzwierciedla, jak CAV mogą dostosowywać odstęp i prędkość, aby utrzymać płynniejszy ruch i unikać gwałtownych startów i postojów marnujących paliwo.

Testowanie stabilności i emisji na wirtualnej drodze

Aby sprawdzić zachowanie nowego podejścia, badacze uruchomili symulacje komputerowe na kilometrowej obwodowej drodze z małym plutonem pojazdów. Porównali swój model uwzględniający CAV i wrażliwość na emisje ze standardowym modelem ID przy identycznych warunkach. Szczegółowa analiza stabilności wykazała, że nowy model skuteczniej tłumi fale ruchu: małe zakłócenia w odstępach i prędkości słabną zamiast narastać w duże fale kongestii. W symulacjach, gdy pojazdom zezwolono na dłuższe czasy utrzymywania odległości (większe odstępy), gęstość ruchu spadała, prędkość stawała się bardziej jednorodna, a skoki przyspieszeń niemal znikały. Dla porównania, zmiana stałego parametru w tradycyjnym modelu ID mogła na papierze sprawić, że ruch wydawał się bardziej stabilny, lecz nie była powiązana z realistycznym zachowaniem kierowców czy pojazdów.

Co wyniki znaczą dla zanieczyszczeń

Ponieważ duże wybuchy przyspieszania i hamowania są ściśle powiązane z emisjami CO₂, płynniejsza jazda generowana przez nowy model prowadzi bezpośrednio do niższych i bardziej stabilnych poziomów emisji. Ilościowe statystyki z symulacji pokazują, że wraz ze wzrostem odstępów w modelu opartym na CAV zmienność prędkości, gęstości i przyspieszenia gwałtownie spada, a obliczona czułość emisji CO₂ na gęstość staje się niewielka i stała. W starszym modelu ID podnoszenie jego kluczowego parametru w rzeczywistości zwiększało wahania i sugerowałoby znacznie wyższe emisje. Badanie sugeruje zatem, że systemy ruchu zachęcające CAV do utrzymywania bezpiecznych, lecz hojnym odstępów oraz szybkiego, a jednocześnie płynnego reagowania na zmiany przed nimi mogą jednocześnie zmniejszać korki i ograniczać emisję dwutlenku węgla.

Jak to może kształtować przyszłe drogi

Mówiąc prościej, praca wskazuje, że czystszy ruch to nie tylko czystsze silniki, ale też sposób rozmieszczenia i kontrolowania pojazdów. Opierając swój model na danych przydrożnych i realistycznym zachowaniu CAV, autorzy dostarczają narzędzie, którego planiści ruchu mogą użyć do testowania strategii takich jak skoordynowane prędkości, wskazówki ekologicznej jazdy i schematy sterowania oparte na CAV zanim zostaną wdrożone na prawdziwych drogach. Jeśli zostaną szeroko przyjęte, takie strategie mogą pomóc miastom projektować systemy drogowe, w których powstaje mniej fal zatrzymująco‑ruszających, podróże stają się bardziej przewidywalne, a wpływ ruchu na klimat znacząco się zmniejsza.

Cytowanie: 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

Słowa kluczowe: połączone pojazdy autonomiczne, gęstość ruchu, emisje CO2, mikroskopowy model ruchu, stabilność ruchu