[论文解读] A Quantitative Analysis of Possible Futures of Autonomous Transport

Christopher L. Benson, Pranav D Sumanth+1 more|arXiv (Cornell University)|Jun 5, 2018

Maritime Transport Emissions and Efficiency参考文献 13被引用 20

一句话总结

本文通过马尔可夫链蒙特卡洛模拟（MCMC）对多式联运运输模型进行仿真，分析自动化技术（如计算机处理器（年均提升35.6%）和自动驾驶硬件（27.9%））的加速改进将如何重塑未来海运成本。结果显示，自动驾驶运输的采用会加剧低成本路线的竞争，但除非所有系统完全转型，否则不会显著改变各类运输方式的成本分布；一旦全面过渡，由于累积效率提升，所有运输方式的成本将显著下降。

ABSTRACT

Autonomous ships (AS) used for cargo transport have gained a considerable amount of attention in recent years. They promise benefits such as reduced crew costs, increased safety and increased flexibility. This paper explores the effects of a faster increase in technological performance in maritime shipping achieved by leveraging fast-improving technological domains such as computer processors, and advanced energy storage. Based on historical improvement rates of several modes of transport (Cargo Ships, Air, Rail, Trucking) a simplified Markov-chain Monte-Carlo (MCMC) simulation of an intermodal transport model (IMTM) is used to explore the effects of differing technological improvement rates for AS. The results show that the annual improvement rates of traditional shipping (Ocean Cargo Ships = 2.6%, Air Cargo = 5.5%, Trucking = 0.6%, Rail = 1.9%, Inland Water Transport = 0.4%) improve at lower rates than technologies associated with automation such as Computer Processors (35.6%), Fuel Cells (14.7%) and Automotive Autonomous Hardware (27.9%). The IMTM simulations up to the year 2050 show that the introduction of any mode of autonomous transport will increase competition in lower cost shipping options, but is unlikely to significantly alter the overall distribution of transport mode costs. Secondly, if all forms of transport end up converting to autonomous systems, then the uncertainty surrounding the improvement rates yields a complex intermodal transport solution involving several options, all at a much lower cost over time. Ultimately, the research shows a need for more accurate measurement of current autonomous transport costs and how they are changing over time.

研究动机与目标

• 评估自动驾驶海运中更快技术进步对多式联运运输成本的潜在经济影响。
• 建立模型以分析自动化技术（如处理器、燃料电池和自动驾驶硬件）的进步对不同运输方式竞争力的影响。
• 评估自动驾驶运输的采用是否将显著改变现有运输方式成本分布。
• 识别出对自动驾驶运输成本动态实时测量改进的必要性。

提出的方法

• 使用简化的马尔可夫链蒙特卡洛（MCMC）仿真方法，对2050年之前多式联运运输系统（IMTM）进行建模。
• 以多种运输方式（远洋货船、航空、铁路、公路运输、内河航运）的历史改进率作为基线输入。
• 将改进速度更快的技术（如计算机处理器（35.6%）、燃料电池（14.7%）和自动驾驶硬件（27.9%））整合入模型，以模拟未来性能。
• 在不同技术加速假设下，评估各类运输方式的成本竞争力。
• 对不同改进率情景进行敏感性分析，以评估结果的不确定性。

实验结果

研究问题

• RQ1 到2050年，自动化技术的更快改进将如何影响多式联运货运成本结构？
• RQ2 自动驾驶海运在多大程度上会改变不同运输方式之间的相对成本分布？
• RQ3 全面转向自动驾驶系统对整体运输系统效率和成本有何影响？
• RQ4 传统运输方式的当前改进率与使能性自动化技术的改进率相比如何？

主要发现

• 传统海运方式改进速度缓慢：远洋货船（2.6%）、航空货运（5.5%）、铁路（1.9%）、公路运输（0.6%）和内河航运（0.4%）年均提升率。
• 与自动化相关的技术改进更快：计算机处理器（35.6%）、燃料电池（14.7%）和汽车自动驾驶硬件（27.9%）年均提升率。
• 任何自动驾驶运输方式的引入都会加剧低成本运输选项的竞争，但不会显著改变各类运输方式的整体成本分布。
• 如果所有运输方式完全转向自动驾驶系统，快速技术进步的综合效应将导致一种复杂、多模式的运输解决方案，且随时间推移成本显著降低。
• 本研究强调了迫切需要更精确、实时地测量自动驾驶运输成本及其演变过程。