[论文解读] Exploring the combined effects of major fuel technologies, eco-routing, and eco-driving for sustainable traffic decarbonization in downtown Toronto

Saba Sabet, Bilal Farooq|arXiv (Cornell University)|Aug 28, 2023

Vehicle emissions and performance被引用 5

一句话总结

本研究利用微观仿真，评估了在多伦多市中心地区，电池电动车辆（BEVs）、联网与自动驾驶车辆（CAVs）、生态路线规划及生态驾驶对温室气体（GHG）和氮氧化物（NOx）排放的综合影响。结果表明，100%采用BEVs可使GHG排放减少75%；配备前瞻式路线规划的CAVs显著降低排放；生态驾驶则可改善NOx排放与行程时间，为政策制定者提供数据驱动、成本优化的脱碳路径。

ABSTRACT

As global efforts to combat climate change intensify, transitioning to sustainable transportation is crucial. This study explores decarbonization strategies for urban traffic in downtown Toronto through microsimulation, evaluating the environmental and economic impacts of vehicle technologies, traffic management strategies (eco-routing), and driving behaviours (eco-driving). The study analyzes 140 decarbonization scenarios involving different fuel types, Connected and Automated Vehicle (CAV) penetration rates, and anticipatory routing strategies. Using transformer-based prediction models, we forecast Greenhouse Gas (GHG) and Nitrogen Oxides (NOx) emissions, along with average speed and travel time. The key findings show that 100% Battery Electric Vehicles (BEVs) reduce GHG emissions by 75%, but face challenges related to cost and infrastructure. Hybrid Electric Vehicles (HEVs) achieve GHG reductions of 35-40%, while e-fuels result in modest reductions of 5%. Integrating CAVs with anticipatory routing strategies significantly reduces GHG emissions. Additionally, eco-driving practices and eco-routing strategies have a notable impact on NOx emissions and travel time. By incorporating a comprehensive cost analysis, the study offers valuable insights into the economic feasibility of these strategies. The findings provide practical guidance for policymakers and stakeholders in developing effective decarbonization policies and supporting sustainable transportation systems.

研究动机与目标

• 评估在城市交通中整合主要燃料技术、生态路线规划与生态驾驶的环境与经济影响。
• 评估CAV渗透率及前瞻式路线规划对多伦多市中心排放与交通效率的影响。
• 量化在真实城市条件下，BEVs、HEVs、电子燃料（e-fuels）及生态驾驶行为的脱碳潜力。
• 开展全面的成本分析，以支持可持续交通策略的政策决策。
• 为城市政策制定者提供基于证据的指导，推荐有效且可扩展的脱碳措施。

提出的方法

• 在多伦多市中心对140种脱碳情景进行微观仿真，涵盖不同燃料类型、CAV渗透率及路线策略。
• 采用基于变压器的机器学习模型，预测GHG与NOx排放、平均车速及行程时间。
• 整合由CAVs支持的前瞻式路线规划策略，基于实时交通与拥堵预测优化路线选择。
• 将生态驾驶行为融入仿真框架，评估其对排放与行程时间的影响。
• 应用全面的成本分析，评估各项策略的经济可行性。
• 通过与真实交通与排放数据对比，验证模型输出的准确性与可靠性。

实验结果

研究问题

• RQ1 BEVs、HEVs、电子燃料（e-fuels）、生态路线规划与生态驾驶对多伦多市中心GHG与NOx排放的单独及综合影响是什么？
• RQ2 在配备前瞻式路线规划的前提下，提高CAV渗透率如何影响排放与行程时间效率？
• RQ3 生态驾驶行为在城市交通中对减少NOx排放及改善行程时间的贡献程度如何？
• RQ4 向不同车辆技术与交通管理策略转型的成本影响是什么？
• RQ5 哪些技术与行为的组合能提供最具成本效益且可持续的脱碳路径？

主要发现

• 100%采用电池电动车辆（BEVs）相比基线情景可使温室气体（GHG）排放减少75%。
• 混合电动车辆（HEVs）可实现35%–40%的GHG减排，提供中等但更具可及性的脱碳选择。
• 电子燃料（e-fuels）仅带来5%的GHG减排，表明尽管其用于内燃机，但脱碳潜力有限。
• 配备前瞻式路线规划策略的CAVs通过优化路线选择并减少怠速与启停驾驶，显著降低GHG排放。
• 生态驾驶实践与生态路线规划对各类车辆的NOx排放均有显著降低作用，并改善平均行程时间。
• 本研究识别出一条结合BEVs、CAVs与生态驾驶的成本优化路径，是多伦多可持续城市脱碳的最有效策略。