Микроскопическая характеристика трафика с учётом влияния плотности на выбросы углерода от подключённых автономных автомобилей

Почему пробки важны для климата

Каждый, кто когда‑либо стоял в пробке с частыми остановками и троганиями, задавался вопросом, сколько топлива расходуется впустую. В этой статье рассматривается близкий по смыслу вопрос: как расстояние между автомобилями на дороге — «плотность» трафика — влияет на выбросы диоксида углерода (CO₂) от современных подключённых и автономных автомобилей (CAV)? Связав детальное поведение при вождении с реальными измерениями выбросов, авторы показывают, что более умное распределение интервалов и более плавный поток движения могут существенно сократить загрязнение.

От переполненных дорог к выбросам углерода

Дорожный транспорт — один из крупнейших и быстрорастущих источников парниковых газов в мире. С увеличением числа автомобилей на дорогах пробки усугубляются, а выбросы растут, что имеет серьёзные последствия для качества воздуха и климата. Традиционные инструменты оценки выбросов движения либо ориентируются на средние скорости на длинных участках дороги, либо опираются на сложные модели с множеством параметров, которые трудно калибровать и широко применять. Одновременно CAV начинают появляться в потоке, обещая более безопасное и эффективное вождение, но при этом меняя взаимодействие между машинами. Чтобы понять, что это означает для выбросов, нужны модели, которые учитывают отдельные транспортные средства, их интервалы и реакцию на изменяющиеся условия.

Измерение влияния плотности на CO₂

Авторы начали с полевого эксперимента на двух повседневных маршрутах в Пешаваре, Пакистан: один утром и один вечером, каждый длиной около 7–8 километров. Они оснастили автомобиль сканером бортовой диагностики, соединённым с приложением на смартфоне и облачной платформой. Эта система непрерывно записывала данные двигателя и выбросы CO₂ по мере движения автомобиля в реальном потоке. Используя установленные зависимости в теории трафика, они преобразовали расстояния между автомобилями в плотность движения, а затем применили регрессионный анализ, чтобы вывести простую математическую связь между плотностью и объёмом выбросов CO₂. По мере роста плотности и перехода движения в режим «стоп‑и‑гоу» выбросы увеличивались в ясной, количественно измеримой зависимости.

Построение модели трафика с более плавным вождением

Далее команда встроила эту зависимость «плотность — выбросы» в широко известную микроскопическую модель трафика — модель Intelligent Driver (ID), которая обычно использует фиксированный параметр, определяющий, насколько сильно водители реагируют на разницу скоростей. Вместо того чтобы считать этот параметр постоянным, авторы позволили ему меняться в зависимости от плотности трафика, расстояния между машинами и времени реакции водителя, а также явно отразили более быстрые реакции CAV. В новом варианте выбросы перестали быть отдельной целью оптимизации: они естественно вытекают из того, как автомобили ускоряются и тормозят при разных плотностях. Модель таким образом отражает, как CAV могут регулировать интервал и скорость, чтобы поддерживать более плавный поток и избегать резких стартов и остановок, приводящих к напрасному расходу топлива.

Тестирование устойчивости и выбросов на виртуальной дороге

Чтобы увидеть, как работает новая подход, исследователи провели компьютерные моделирования на круговой дороге длиной 1 километр, заполненной небольшим строем автомобилей. Они сравнили свою модель, учитывающую CAV и чувствительность к выбросам, со стандартной моделью ID в одинаковых условиях. Детальный анализ устойчивости показал, что новая модель эффективнее гасит волны трафика: небольшие возмущения в интервалах и скоростях затухают, а не разрастаются в крупные пробочные волны. В симуляциях, когда автомобилям разрешали большие интервалы следования (большие дистанции), плотность движения снижалась, скорость становилась более ровной, а всплески ускорений почти исчезали. В то же время подстройка фиксированного параметра в традиционной модели ID могла формально показать более устойчивое поведение, но делала это без связи с реалистичным поведением водителей или транспортных средств.

Что означают результаты для загрязнения

Поскольку большие всплески ускорения и торможения тесно связаны с выбросами CO₂, более плавное вождение, которое даёт новая модель, прямо приводит к более низким и стабильным уровням выбросов. Количественные показатели из симуляций показывают, что при увеличении интервалов следования в модели на базе CAV дисперсия скорости, плотности и ускорения резко снижается, а рассчитанная чувствительность выбросов CO₂ к плотности становится небольшой и стабильной. В старой модели ID повышение её ключевого параметра на самом деле усиливало флуктуации и привело бы к существенно большим выбросам. Исследование поэтому предполагает, что системы движения, стимулирующие CAV поддерживать безопасные, но более щедрые интервалы и реагировать быстро, но плавно на изменения впереди, могут одновременно сократить и пробки, и углеродное загрязнение.

Как это может повлиять на будущие дороги

Говоря простыми словами, работа показывает, что более чистый трафик — это не только про более чистые двигатели, но и про то, как автомобили расположены и управляются. Основывая модель на данных с дорог и реалистичном поведении CAV, авторы предлагают инструмент, который планировщики транспорта могут использовать для проверки стратегий, таких как координированные скорости, рекомендации по экологичному вождению и схемы управления на основе CAV, прежде чем внедрять их на реальных дорогах. При широком применении такие стратегии могут помочь городам проектировать дорожные системы, где формируется меньше волн «стоп‑и‑гоу», поездки становятся более предсказуемыми, а климатический эффект вождения существенно снижается.

Цитирование: 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

Ключевые слова: подключённые автономные транспортные средства, плотность движения, выбросы CO2, микроскопическая модель трафика, устойчивость трафика