El pelotón de camiones remodela las emisiones de gases de efecto invernadero del vehículo integrado | Instrumento Co., Ltd del suelo de Hangzhou

Nature Communications volumen 14, número de artículo: 4495 (2023) Citar este artículo

2846 Accesos

19 altmétrica

Detalles de métricas

La reducción de las emisiones de gases de efecto invernadero se ha convertido en un pilar de la mitigación del cambio climático. El pelotón de camiones se propone como estrategia para reducir las emisiones de los vehículos en las carreteras. Sin embargo, los posibles impactos interactivos de esta tecnología en las emisiones de la infraestructura vial aún no están claros. Aquí, evaluamos los efectos de descarbonización del pelotón de camiones en el sistema integrado de vehículos y carreteras a nivel de red de carreteras a gran escala, que abarca 1457 secciones de carreteras en América del Norte. Mostramos que el pelotón de camiones disminuye las emisiones inducidas por las operaciones de camiones, pero degrada más rápidamente la durabilidad de la infraestructura vial y conduce a un aumento del 27,9% en las emisiones de las carreteras debido a trabajos de mantenimiento más frecuentes. En general, el pelotón de camiones da como resultado una reducción de emisiones del 5,1% en el sistema integrado vehículo-carretera. En contraste con los beneficios de la reducción de emisiones, el pelotón de camiones genera cargas financieras adicionales para los usuarios de automóviles y las agencias de transporte, lo que exige considerar compensaciones entre emisiones y costos y entre agencias y usuarios. Nuestra investigación proporciona información sobre las posibles aplicaciones del pelotón de camiones para mitigar el cambio climático.

Las emisiones antropogénicas de gases de efecto invernadero (GEI) están aumentando en todos los principales sectores industriales1. El aumento de las emisiones de GEI da como resultado cambios climáticos como el calentamiento global, el clima extremo, la degradación de la tierra y la variación de las corrientes oceánicas2,3,4. Reducir las emisiones de GEI se ha convertido en un paso necesario para combatir el cambio climático global. Se estima que el sector del transporte contribuye con el 23 % (8,7 Gt CO2-eq) de las emisiones mundiales relacionadas con la energía1, siendo el consumo de combustibles fósiles de los vehículos la fuente principal5,6. Por ejemplo, la EPA (Agencia de Protección Ambiental) de EE. UU. informa que las emisiones de los vehículos de carretera representan el 22 % del total de emisiones de GEI de EE. UU.7. Por lo tanto, el desarrollo de estrategias y tecnologías de descarbonización efectivas en el sector del transporte por carretera tiene un gran potencial para la reducción de GEI.

Una estrategia propuesta recientemente para reducir las emisiones de GEI relacionadas con los vehículos es el pelotón de camiones8,9. El pelotón de camiones se asemeja al modo de operación del tren, con los camiones detrás siguiendo de cerca a un camión que avanza para reducir la resistencia del aire y, por lo tanto, el consumo de combustible. Las últimas simulaciones aerodinámicas y observaciones de campo han revelado que el agrupamiento de camiones mejora la economía de combustible de los camiones y reduce las emisiones de GEI generadas por los vehículos10,11,12,13. Sin embargo, los vehículos interactúan estrechamente con la infraestructura vial en un sistema de transporte. En particular, el agrupamiento de camiones reduce el intervalo de carga entre dos cargas consecutivas de camiones, lo que probablemente dificulta la autocuración de la capa de pavimento de la carretera y daña la durabilidad de la carretera en comparación con las operaciones normales de camiones14,15,16,17,18. En consecuencia, los camiones en pelotón pueden aumentar las demandas de los trabajos de mantenimiento de carreteras (por ejemplo, sellado de grietas, parcheo, fresado y recubrimiento) después de la construcción inicial y acortar la vida útil del pavimento. Los trabajos de mantenimiento de carreteras después de la construcción inicial producen emisiones de GEI no sólo a través del trabajo en sí sino también por la pérdida de eficiencia de las operaciones de los vehículos (por ejemplo, congestión del tráfico)19,20,21,22. Las emisiones adicionales derivadas del mantenimiento de carreteras remodelan la huella de carbono del sistema de transporte, lo que hace que los beneficios netos de descarbonización del agrupamiento de camiones sean inciertos. Además, los estudios existentes sobre los beneficios del pelotón de camiones se limitan a investigaciones a nivel de proyecto que cubren sólo unos pocos escenarios de tráfico y medio ambiente. Sigue existiendo una considerable incertidumbre sobre la eficacia del pelotón de camiones si esta tecnología se introduce en las redes de carreteras a gran escala.

Este estudio examinó los efectos del pelotón de camiones sobre las emisiones de GEI (es decir, CO2-eq) del sistema integrado de infraestructura de vehículos y carreteras a nivel de red. Para las evaluaciones se utilizaron un total de 1.457 tramos de carreteras en toda América del Norte por dos motivos. En primer lugar, la propiedad de vehículos per cápita, el kilometraje de los viajes por carretera y las emisiones de GEI relacionadas con los viajes por carretera en América del Norte ocupan los primeros lugares del mundo. Por lo tanto, cualquier beneficio potencial de la descarbonización en esta región puede generar impactos no despreciables en la reducción global de GEI. En segundo lugar, el programa Long-term Pavement Performance (LTPP)23 ha desarrollado una extensa base de datos de información vial para esta región. La base de datos LTPP proporciona datos esenciales para el análisis de emisiones, incluida la ubicación de las carreteras, las propiedades de la estructura y los materiales, los volúmenes de tráfico, las zonas climáticas, el rendimiento de las carreteras y los trabajos de mantenimiento (consulte el Método complementario 1, Datos complementarios 1 a 5). Con esos datos, calculamos y evaluamos las variaciones de la huella de carbono generadas por las alternativas de pelotón de camiones (supuestas) frente a las alternativas sin pelotón (línea de base) a través de un marco desarrollado (consulte la figura complementaria 1). Los resultados arrojan luz sobre cómo el pelotón de camiones afecta las emisiones de GEI del sistema de infraestructura vehículo-carretera.

El pelotón de camiones afecta la distribución espacio-temporal de los vehículos en la carretera24,25,26,27,28,29. Para investigar esto, empleamos una herramienta de simulación de flujo de tráfico para analizar el comportamiento de los vehículos en el modo de pelotón de camiones y en el modo de operación normal (consulte el Método complementario 2). Los resultados de las simulaciones de flujo de tráfico se combinaron con los modelos de emisiones y consumo de combustible que desarrollamos (consulte los Métodos complementarios 3 y 5) para evaluar los impactos del pelotón de camiones en las emisiones de los vehículos. El pelotón de camiones tiene como objetivo principal ahorrar combustible y reducir las emisiones de GEI de los camiones participantes. Dado que los vehículos en las carreteras incluyen tanto camiones como automóviles de pasajeros, primero examinamos las contribuciones relativas a las emisiones de estos dos tipos de vehículos en 1457 secciones de carreteras. Encontramos que las emisiones de los camiones (camiones individuales y camiones combinados) contribuyen a una porción notable de las emisiones totales de los vehículos (emisiones tanto de camiones como de automóviles) en el modo de operación normal (Fig. 1a). Las emisiones de los camiones, aunque varían según el tramo de carretera, representan en promedio el 68,5% del total de emisiones. Por lo tanto, si el pelotón puede ayudar a reducir las emisiones de los camiones, ayudará a reducir las emisiones generales de los vehículos.

a Contribuciones de turismos, camiones individuales y camiones combinados en los 1457 tramos de carretera, junto con sus relaciones con la tasa decreciente general causada por el pelotón de camiones. Tres bloques de colores representan las porciones de emisiones, mientras que la línea negra representa la tasa decreciente atribuida al pelotón. b Las distribuciones de las tasas decrecientes de emisiones de un solo camión y de emisiones de camiones combinados debido al pelotón. El histograma se refiere a las frecuencias de las tasas decrecientes. La línea discontinua representa el porcentaje acumulado de las tasas decrecientes. c Las tasas generales decrecientes de emisiones de vehículos debido al pelotón de camiones. Los datos brutos se refieren a las tasas decrecientes generales en diferentes tramos de carretera. La línea de ajuste marrón se deriva del modelo de función de potencia. La región azul claro se refiere a las tasas decrecientes de emisiones de vehículos aportadas por camiones individuales. Los datos de origen se proporcionan como un archivo de datos de origen.

Luego calculamos las emisiones de los camiones en el modo de pelotón y las comparamos con las del modo de operación normal. Confirmamos, como se esperaba, que los camiones que operan en el modo de pelotón producen menos emisiones que los del modo normal. Esto se debe a que el pelotón reduce la resistencia del aire y, por tanto, mejora la economía de combustible. Caracterizamos la eficiencia de reducción de emisiones del modo de pelotón calculando la tasa decreciente, definida como el porcentaje de reducción en las emisiones de los camiones cuando se aplica el modo de pelotón. Observamos que la tasa decreciente se ve afectada por el tipo de camión (Fig. 1b): para camiones individuales, oscila entre el 7,4% y el 11,3% en diferentes tramos de carretera con un valor promedio del 9,8%; para los combos, oscila entre 6,6% y 20,3% con un valor promedio de 12,8%. En general, la tasa decreciente promedio es del 11,2% para todos los camiones. En cuanto a las emisiones de los turismos, se considera que no se ven afectadas por el pelotón de camiones. Esto se debe a que las secciones de la carretera experimentan flujos de tráfico libres en períodos normales de operación (es decir, sin actividad de mantenimiento) de acuerdo con nuestras simulaciones de tráfico. Por lo tanto, el pelotón de camiones causa perturbaciones insignificantes en las operaciones de turismos.

Si también se agregan las emisiones de los automóviles de pasajeros, los beneficios de reducir las emisiones mediante el agrupamiento de camiones se vuelven menos significativos (Fig. 1c). La tasa de disminución de las emisiones de los vehículos causada por el pelotón oscila entre el 0,6% y más del 10,0% para diferentes tramos de carretera. La tasa decreciente de emisiones se ve afectada por la proporción de camiones en las carreteras (Fig. 1a, c). Como era de esperar, más camiones en una carretera resultan en mayores ahorros de emisiones si se aplica el pelotón. El mapeo de tasas decrecientes también muestra un área de valle en la región costera este de EE. UU., donde las vías urbanas se utilizan principalmente para dar servicio a automóviles de pasajeros (consulte la Figura complementaria 2a). Además, la tasa decreciente tiene un valor límite de aproximadamente el 12% según la línea de ajuste en la Fig. 1c. Este límite revela el beneficio máximo en la reducción de emisiones que se puede lograr mediante el pelotón de camiones.

Aunque el pelotón de camiones es beneficioso para reducir las emisiones de los vehículos, altera los intervalos de carga entre los camiones en las aceras y potencialmente afecta las tasas de crecimiento de los daños. Desarrollamos modelos de daños para evaluar los efectos del pelotón de camiones frente al no pelotón en la durabilidad de la carretera (consulte el Método complementario 4). Los daños comúnmente observados en los pavimentos de las carreteras se pueden dividir en dos grupos: deformación permanente (también conocida como ahuellamiento) y deterioro relacionado con el agrietamiento (agrietamiento por fatiga, baches, etc.)30,31. La base de datos del LTPP sugiere que los deterioros relacionados con las fisuras son el tipo predominante de falla del pavimento. Con un valor umbral de profundidad de rodadura de 12,7 mm32, el 95% de los datos de profundidad de rodadura promedio medidos en las trayectorias de las ruedas izquierda y derecha están por debajo de este umbral. Por lo tanto, el modelo de daños desarrollado en esta investigación se centra únicamente en los daños relacionados con las grietas, aunque los daños relacionados con las roderas también pueden verse influenciados (incluso favorablemente) por el pelotón de camiones, como se informa en estudios existentes33,34,35. Nuestros hallazgos muestran que el pelotón de camiones da como resultado una degradación acelerada de las carreteras. Este efecto de degradación (DE) se define como la relación entre la durabilidad de la carretera en el modo de tráfico normal y la del modo de pelotón de camiones. Un valor DE superior a 1,0 indica que el pelotón de camiones reduce la durabilidad de la carretera en comparación con el modo de operación normal (es decir, sin pelotón), o viceversa.

Encontramos que para más del 87% de las secciones de carreteras, el DE varía entre 1,0 y 6,0 (Fig. 2a). El DE promedio alcanza 2,1, lo que indica que la durabilidad de una gran parte de la infraestructura vial se reducirá si se introduce el pelotón de camiones. Mejorar la durabilidad de la infraestructura vial es siempre un objetivo principal para las agencias de transporte debido a los beneficios de reducir las inversiones financieras y reducir las demandas de mantenimiento36,37,38. La disminución de la durabilidad de las carreteras resultante del pelotón de camiones puede obstaculizar el interés de las agencias en adoptar esta tecnología. Las agencias deben equilibrar los beneficios de la reducción de emisiones de GEI mediante el agrupamiento de camiones con sus daños acelerados a la infraestructura vial.

a Las distribuciones de DE en diferentes tramos de carretera. El histograma se refiere a las frecuencias de los DE. La línea discontinua representa el porcentaje acumulado de DE. b Las variaciones de los DE con las temperaturas de la carretera en diferentes escalas de espesor de la carretera y AADTTPL (tráfico diario promedio anual de camiones por carril). c Las variaciones de DE con AADTTPL a diferentes escalas de espesores y temperaturas de la carretera. b, c Las barras de error se refieren a ±1,5 veces la variación estándar (DE) de cada grupo de datos. Los elementos del diagrama de caja incluyen la línea central, la mediana y los cuartiles superior e inferior. Los datos de origen se proporcionan como un archivo de datos de origen.

Para encontrar formas de minimizar los impactos negativos del pelotón de camiones, evaluamos las relaciones entre los DE y varios factores potenciales de influencia, incluido el espesor del pavimento de las carreteras, las condiciones climáticas y los volúmenes de camiones. Nuestros resultados muestran que las condiciones climáticas (es decir, la temperatura de la carretera) y los volúmenes de los camiones influyen en los DE del pelotón de camiones. Los DE son generalmente más altos a temperaturas intermedias que aquellos a temperaturas relativamente bajas o altas (Fig. 2b). Los valores de DE disminuyen con los aumentos en el volumen de camiones (es decir, AADTTPL, tráfico diario promedio anual de camiones por carril). Esto se debe a que el gran volumen de camiones hace que la carretera se acerque a una situación de pelotón de camiones, es decir, que la distancia entre camiones se vuelve muy estrecha. En consecuencia, el pelotón de camiones no cambia significativamente los patrones de carga de tráfico en carreteras de alto volumen, lo que lleva a valores DE pequeños. Los gráficos de DE en el mapa (Figura complementaria 2b) también muestran valores elevados para las vías urbanas ubicadas en las áreas costeras oeste y este de los EE. UU., donde el volumen de camiones es relativamente bajo y dominan los automóviles de pasajeros. Los hallazgos anteriores sugieren que la durabilidad de la infraestructura vial con volúmenes bajos de camiones y temperaturas intermedias se ve afectada más fácilmente por el pelotón de camiones. Esta situación puede cambiar si la infraestructura vial se diseña mejor para adaptarse a la situación de pelotón.

La evaluación del ciclo de vida de las emisiones de la infraestructura vial incluye múltiples fases, incluida la producción de materiales, la construcción, el mantenimiento, el uso y el procesamiento del final de su vida útil (EOL)39,40,41,42. Las emisiones de la fase de uso se refieren a las emisiones de los vehículos, que han sido evaluadas individualmente en este estudio. Dividimos las emisiones de otras fases en dos partes para facilitar el análisis: las emisiones de la etapa inicial de construcción y las del trabajo de mantenimiento de la carretera después de la construcción (es decir, mantenimiento, rehabilitación y reconstrucción). Las emisiones de carreteras en la etapa inicial de construcción incluyen emisiones provenientes de la producción de materiales, el transporte de materiales y las operaciones de equipos de construcción. Por el contrario, las emisiones de las carreteras en la etapa de mantenimiento se generan a partir de las operaciones de producción y transporte de materiales de mantenimiento y de las operaciones de equipos de mantenimiento. El procesamiento EOL de materiales viales (es decir, fresado y transporte) también se considera en la etapa de mantenimiento a través de módulos de transporte y operación de equipos. Además, las alteraciones del tráfico por el cierre de carriles durante los trabajos de mantenimiento también representan las emisiones de la etapa de mantenimiento. Las interrupciones del tráfico, incluidas la desaceleración, la aceleración, la desaceleración e incluso las colas de vehículos, producen emisiones adicionales que las operaciones normales de los vehículos. Aunque estas emisiones adicionales se generan directamente por los vehículos en movimiento, son causadas por trabajos de mantenimiento de carreteras y, por lo tanto, se asignan a las emisiones de la infraestructura vial. El mantenimiento de las carreteras está estrechamente relacionado con la durabilidad de las mismas. El pelotón de camiones afecta la durabilidad de la carretera, caracterizada por los factores del efecto de degradación (DE) (Fig. 1) y, por lo tanto, cambia el período de mantenimiento de la carretera. Con base en los valores de DE, determinamos la vida útil de un tramo de carretera bajo pelotón de camiones y asignamos proporcionalmente el período de mantenimiento a la carretera de acuerdo con el registro de mantenimiento real en la base de datos LTPP. Luego evaluamos las emisiones de la infraestructura vial en modo de tráfico normal y en modo de pelotón de camiones (ver Método complementario 5).

Primero analizamos los impactos de las interrupciones del tráfico relacionadas con el mantenimiento en las emisiones de GEI. La Figura 3a muestra una comparación de las emisiones de los vehículos en los 1457 tramos de carretera durante el mantenimiento de la carretera y aquellos durante un período regular (es decir, sin mantenimiento). A nivel de la red de carreteras, confirmamos que las interrupciones del tráfico asociadas con los trabajos de mantenimiento provocan emisiones notables de GEI. El aumento de las emisiones se vuelve más evidente en condiciones de alto volumen de tráfico. Dado que los AADTPL (tráfico diario promedio anual por carril) superan los 15 000, >200 % de las emisiones adicionales de GEI se generan por interrupciones del tráfico durante el mantenimiento de las carreteras. Además, evaluamos las emisiones de las actividades de mantenimiento y calculamos las emisiones totales de los trabajos de mantenimiento (es decir, emisiones de interrupciones del tráfico relacionadas con el mantenimiento y actividades de mantenimiento). También calculamos las emisiones de la construcción inicial de la carretera con fines comparativos. Observamos que las emisiones causadas por los trabajos de mantenimiento representan entre el 8% y el 54% de las emisiones generales de la infraestructura vial (es decir, las emisiones de la construcción inicial y de los trabajos de mantenimiento) en América del Norte (Fig. 3b, Fig. 3 complementaria). Esto indica que las emisiones debidas al mantenimiento de las carreteras no son despreciables. Se requiere una estrategia de mantenimiento bien planificada para reducir las emisiones de las carreteras43,44,45.

a Comparaciones de emisiones de vehículos en 1457 tramos de carretera durante el mantenimiento de la carretera y el período regular. El histograma se refiere a las emisiones diarias de los vehículos en las carreteras. La línea discontinua se refiere a las crecientes tasas de emisiones debido al mantenimiento. El valor de emisión se refiere a las emisiones del vehículo por kilómetro recorrido. b Emisiones de GEI de la infraestructura vial en condiciones de tráfico normal y de pelotón de camiones. Los datos en b están agrupados según la vida útil de los tramos de carretera. Los valores de emisiones se refieren a las emisiones promedio de los tramos de carretera en cada grupo de años de servicio. Los valores de emisión representan las emisiones procedentes de trabajos de construcción o mantenimiento en la carretera con una longitud unitaria de 1 kilómetro. Las barras de error en a y b se refieren a ±1,5 veces el error estándar (SE) de cada grupo de datos. c Distribuciones de las tasas crecientes de emisiones de las carreteras debido al pelotón. Los datos de origen se proporcionan como un archivo de datos de origen.

A medida que se aplica el pelotón de camiones, aumentan las emisiones causadas por los trabajos de mantenimiento en la infraestructura vial (Fig. 3b). Observamos que las emisiones relacionadas con el mantenimiento aumentan al menos un 21% e incluso un 155% para carreteras con diferentes vidas útiles (Figura complementaria 3). La proporción de emisiones relacionadas con el mantenimiento también aumenta entre el 12% y el 66% de las emisiones totales de la infraestructura vial. Esto se atribuye al efecto de degradación del pelotón de camiones en la infraestructura vial: el pelotón de camiones provoca una degradación más rápida de la carretera, lo que exige trabajos de mantenimiento más frecuentes y genera más emisiones en comparación con el modo de tráfico normal.

Debido al aumento de las emisiones relacionadas con el mantenimiento, aumentan las emisiones totales de la infraestructura vial. Encontramos que un quintil (20%) de los 1457 tramos de carretera emiten un 30% o más de emisiones de GEI adicionales si se utiliza el pelotón de camiones (Fig. 3c). Específicamente, el 16% de los tramos de carretera experimentan un aumento de emisiones del 30% al 100%, y el 2% de los tramos de carretera experimentan un aumento del 100% al 150%. En casos extremos, las emisiones del 2% de los tramos de carretera aumentan un 150% o más. Para el 80% restante de los tramos de carretera, los aumentos en las emisiones de GEI debido al pelotón de camiones son inferiores al 30%, pero aún son notables. En promedio, las emisiones aumentarían en un 27,9% en todas las secciones de la carretera si las operaciones de camiones se convirtieran al modo de pelotón (Fig. 3c, Fig. complementaria 2c). Como resultado, el agrupamiento de camiones puede remodelar la huella de carbono al cambiar los cronogramas de mantenimiento de las carreteras. Esto debe ser considerado por las agencias de transporte en la formulación de políticas. Cabe destacar que los trabajos de mantenimiento vial mejoran las condiciones de la superficie del pavimento, lo que ayuda a reducir el consumo de combustible y las emisiones de GEI de los vehículos. Por lo tanto, si se consideran las emisiones de los vehículos relacionadas con el estado de la carretera, que se tratan como parte de las emisiones de los vehículos en esta investigación, los impactos de los trabajos de mantenimiento sobre las emisiones de las carreteras se diluirán.

A medida que el pelotón de camiones aumenta las emisiones de la infraestructura vial al tiempo que disminuye las emisiones de los vehículos, la compensación entre ambos determina el efecto neto de descarbonización del pelotón de camiones. Una comparación de las emisiones de la infraestructura vial y las de los vehículos indica que las primeras son más bajas que las segundas en un sistema integrado de infraestructura vial-vehículo (Fig. 4a, b). Las brechas entre las emisiones de la infraestructura vial y las emisiones de los vehículos se vuelven más evidentes a medida que aumenta el año de servicio de la carretera. En el año inicial de funcionamiento, las emisiones de la infraestructura vial no son despreciables (19% de las emisiones totales). Sin embargo, en el cuarto año de servicio, las emisiones de los vehículos alcanzan el 90% de las emisiones totales, mientras que las de las infraestructuras viarias sólo representan el 10% restante. Esta tendencia revela que las operaciones de vehículos emiten más emisiones de GEI que los trabajos de construcción y mantenimiento de carreteras, especialmente en carreteras con vidas útiles relativamente largas. A medida que se aplica el pelotón de camiones, la porción de las emisiones de la infraestructura vial aumenta al 21% al comienzo del año (Fig. 4c), pero esta influencia desciende gradualmente con el aumento en el año de servicio y desaparece en el sexto año.

a El porcentaje de emisiones de la infraestructura vial versus el de las emisiones de los vehículos en el modo de tráfico normal. b El porcentaje de emisiones de infraestructura vial versus el de emisiones de vehículos bajo el modo de pelotón de camiones. c Comparaciones del porcentaje de emisiones de infraestructuras viarias y de emisiones de vehículos bajo los dos modos. a–c Las barras de error se refieren a ±1,5 veces la DE de cada grupo de datos. Los elementos del diagrama de caja incluyen la línea central, la mediana y los cuartiles superior e inferior. Los datos de origen se proporcionan como un archivo de datos de origen.

En conjunto, el pelotón de camiones es beneficioso para mitigar las emisiones totales del sistema vehículo-carretera (es decir, las emisiones de los vehículos más las emisiones de la infraestructura vial). Si se introduce el pelotón de camiones, para los tramos de carretera con diferentes vidas útiles, entre el 69% y el 94% de ellos experimentan reducciones en las emisiones totales, entre el 3% y el 25% experimentan aumentos de emisiones y entre el 2% y el 6% de ellos permanecen sin cambios (Fig. 5a). . La figura complementaria 2d muestra las tasas decrecientes detalladas en las emisiones totales para cada sección de la carretera. Evaluamos además las emisiones acumuladas de GEI de 1457 tramos de carretera entre 1987 y 2020. Encontramos que el agrupamiento de camiones disminuiría las emisiones acumuladas de GEI de todo el sistema en un horizonte temporal de 34 años (Fig. 5b). Claramente, aunque el agrupamiento de camiones genera emisiones adicionales en la fase de carretera, pueden compensarse completamente mediante reducciones en las emisiones de la fase de vehículos. Específicamente, las emisiones anuales de los tramos de carretera disminuyen en un 5,1% en promedio si se aplica el pelotón de camiones, lo que corresponde a una cantidad reducida de ~75 t CO2-eq por kilómetro de carretera (Fig. 5c). Teniendo en cuenta que el kilometraje de las carreteras en América del Norte supera los 110 mil kilómetros46, se pueden ahorrar ~8,3 millones de toneladas de emisiones equivalentes de CO2 por año si se introduce el pelotón de camiones en todas las carreteras. Este es sin duda un gran beneficio para la mitigación del cambio climático.

a Impactos del pelotón de camiones en las emisiones totales de vehículos y carreteras de diferentes tramos de carretera, que se agrupan según su vida útil. El resultado beneficioso/desfavorable representa que el pelotón de camiones disminuye/aumenta las emisiones totales. El resultado equilibrado significa que el pelotón de camiones casi no tiene efecto sobre las emisiones totales (es decir, la tasa de variación de la emisión total está dentro de ±0,5%). b Emisiones acumuladas del sistema vehículo-infraestructura vial en modo de tráfico normal y modo de pelotón de camiones. Las líneas sólidas representan las emisiones acumuladas. Los histogramas representan las variaciones en las emisiones de los vehículos y las emisiones de la infraestructura vial debido al pelotón de camiones. La línea discontinua representa la disminución de las emisiones del sistema de infraestructura de vehículos-carreteras debido al pelotón de camiones. Las emisiones acumuladas disminuyen después del año 2000. Esto se debe a que algunos tramos de carretera han sido excluidos del seguimiento en la base de datos LTPP desde 2000. En consecuencia, las emisiones de esos tramos ya no se cuentan. c Las menores cantidades y tasas decrecientes de las emisiones anuales de los tramos de carretera debido al pelotón. Los datos de origen se proporcionan como un archivo de datos de origen.

Además de las emisiones de GEI, el pelotón de camiones también afecta los costos del sistema de infraestructura vial-vehículo, otro factor crucial que preocupa a las agencias de transporte y a los usuarios de las carreteras. Nuestro análisis muestra que el pelotón de camiones aumentaría los costos de la infraestructura vial (es decir, los costos de la Agencia), con una tasa de aumento promedio del 20,8% para 1457 secciones de carreteras estudiadas (Fig. 6, Tabla complementaria 1). El aumento de los costes de la infraestructura vial se debe principalmente a la mayor frecuencia de los trabajos de mantenimiento de las carreteras provocados por el pelotón de camiones. Los costos de los automóviles de pasajeros también aumentan a un ritmo moderado (3,1% en promedio), ya que los automóviles sufren interrupciones en el tráfico durante el mantenimiento de las carreteras, lo que genera costos adicionales de operación de los vehículos y demoras. Por el contrario, los costes de los camiones (camión individual y camión combinado) se reducen en un 4,1% de media debido al efecto de ahorro de combustible del modo de pelotón. En conjunto, los costos del sistema vehículo-carretera aumentan un 4,6% en promedio, lo que equivale a un aumento de 16.498 dólares por kilómetro de carretera (Cuadro complementario 1).

a La distribución de las tasas crecientes de los costos de los automóviles. b La distribución de las tasas de variación de los costos de un solo camión. c La distribución de las tasas de variación de los costos de los camiones combinados. d La distribución de las tasas de variación de los costes de las infraestructuras viarias. e La distribución de las tasas de variación de los costos globales (costos de vehículos y costos de carreteras). a–e Una tasa positiva (es decir, >0%) indica un aumento en el costo, mientras que una tasa negativa indica una disminución en el costo. Los datos de origen se proporcionan como un archivo de datos de origen.

En resumen, es necesario evaluar cuidadosamente la aplicación del pelotón de camiones. El pelotón de camiones conduce a una reducción de las emisiones de GEI debido a la mejora del ahorro de combustible de los camiones. Aún así, el efecto beneficioso varía y depende de la composición del tráfico de una carretera en particular. Sin embargo, el pelotón de camiones aumenta las cargas financieras de los usuarios de automóviles y de las agencias de transporte debido a los trabajos de mantenimiento de carreteras más frecuentes causados por el deterioro acelerado de las mismas. Por lo tanto, la reducción de las emisiones de GEI mediante el agrupamiento de camiones tiene un costo. Para aprovechar plenamente los beneficios del pelotón de camiones, es necesario rediseñar las carreteras. En particular, es necesario reforzar los materiales y las estructuras de las carreteras para hacer frente a cargas más exigentes procedentes de pelotones de camiones. Se puede asignar un carril designado a los camiones en pelotones para minimizar las inversiones y maximizar los beneficios. Se espera que los hallazgos de esta investigación proporcionen referencias esenciales para formular estrategias técnicas y de gestión que faciliten la aplicación amplia del pelotón de camiones.

Además de los factores considerados en esta investigación, todavía hay muchos factores relacionados con el pelotón de camiones que potencialmente influyen en las emisiones y los costos de GEI. Uno de los factores es la influencia del pelotón de camiones en el uso y la demanda de vehículos. Por ejemplo, debido a que el modo de pelotón reduce el consumo de combustible y los costos de operación de los camiones, esto puede aumentar el atractivo de los camiones y conducir a un uso adicional. Por el contrario, el mantenimiento frecuente de las carreteras causado por el pelotón de camiones aumenta el tiempo de viaje de los automóviles y camiones, lo que puede reducir la demanda de viajes. Los cambios en el uso y la demanda de vehículos afectan la durabilidad de las carreteras y el estado del flujo del tráfico, lo que altera aún más las emisiones del sistema vehículo-infraestructura. Las políticas de la autoridad también pueden afectar la aplicación del pelotón de camiones. Se pueden implementar impuestos sobre los camiones en pelotón para compensar los crecientes costos de los vehículos de agencia y de pasajeros. También se pueden desarrollar guías para optimizar las estrategias de pelotón de camiones, como mejorar el modo de pelotón para disminuir aún más los daños a las carreteras18,47,48 y fomentar las operaciones de pelotón de camiones durante la noche para reducir la ocupación de la carretera durante el día. Todas estas posibles políticas de gestión afectan la implementación del pelotón de camiones y, por lo tanto, cambian la magnitud de las emisiones. Por lo tanto, los impactos del pelotón de camiones sobre las emisiones son bastante complicados en el mundo real. Se espera que una investigación más profunda considere una gama más amplia de factores que influyen y evalúe los efectos de diferentes políticas y estrategias.

Los datos de carreteras se obtienen de la base de datos LTPP desarrollada por la Administración Federal de Carreteras de EE. UU. (FHWA). La base de datos LTPP contiene aproximadamente 280 millones de registros de datos viales23,49. Está abierto al público y está disponible en el servidor de la FHWA (https://infopave.fhwa.dot.gov/Data/DataSelection). De la base de datos LTPP, seleccionamos 1457 tramos de carreteras que están distribuidos en 61 estados/distritos/provincias y 350 condados en EE. UU. y Canadá. Para evaluar de manera integral los impactos del pelotón de camiones, secciones de carreteras seleccionadas cubren diferentes regiones climáticas, clasificaciones funcionales y años de servicio. Los datos de monitoreo de las secciones de la carretera seleccionadas incluyen ubicaciones de los sitios de la carretera, volúmenes de tráfico, condiciones ambientales, desempeño de la carretera y actividades de mantenimiento de la carretera. Los datos del mundo real mejoran la confiabilidad y representatividad de los resultados de la evaluación. Se explican más detalles sobre la adquisición y el procesamiento de datos de carreteras en el Método complementario 1.

En esta investigación se incluyen dos tipos de modos de tráfico. Uno es el modo de tráfico normal sin pelotones de camiones y el otro es el modo de pelotones de camiones. En el modo de pelotón de camiones, el camión trasero sigue de cerca al anterior y el espacio entre los camiones adyacentes se mantiene bastante estrecho y estable. El espacio entre camiones influye en la economía de combustible y las emisiones de GEI de los camiones. También afecta a los intervalos de carga entre camiones en la infraestructura viaria. Para cuantificar la separación entre camiones en los dos modos, utilizamos un marco de simulación de flujo de tráfico para determinar las distribuciones espacio-temporales de los vehículos (camiones y turismos) en la carretera. Los comportamientos de conducción de los vehículos en el modo de funcionamiento normal se describen mediante un modelo de conductor inteligente (IDM)50,51 mejorado, que se muestra a continuación.

Donde, a es la aceleración máxima, v es la velocidad real, V es la velocidad deseada, δ es el exponente de aceleración, S(·) es el espacio mínimo deseado, sn,0 y sn,1 son las distancias de atasco, τ es el tiempo de avance seguro, b es la desaceleración deseada, L es la longitud del vehículo delantero y Δvn(t) es la diferencia de velocidad entre el vehículo n y su vehículo precedente n-1, que se calcula de la siguiente manera.

Los parámetros de entrada del IDM mejorado se calibraron utilizando los datos de trayectoria de SIMulación de próxima generación (NGSIM) recopilados en la autopista Hollywood Freeway (US101) y la autopista Berkeley (I-80) en California50. Los parámetros y modelos adoptados se consideran realistas para capturar las características del flujo de tráfico en las carreteras estadounidenses.

El modo de pelotón de camiones en el marco se simuló con un controlador de crucero y un controlador de regulación de espacios26. El controlador de crucero mantiene la velocidad deseada por el usuario cuando el vehículo precedente está ausente o lejos. La aceleración de un vehículo de crucero se modela como:

Donde, la ganancia de control k0 es un parámetro para determinar la tasa de error de velocidad para la aceleración, vset es la velocidad deseada por el conductor y \({v}_{n,k-1}\) es la velocidad del vehículo n en el paso de tiempo k. El valor de k0 se supone como 0,4 s−1 según la referencia52.

En el modo de regulación de espacios, la respuesta del primer camión del pelotón al seguir al automóvil se describe mediante:

Donde, en,k es el error de separación del vehículo n en el paso de tiempo k. Un estudio existente encontró que la aceleración del vehículo depende del error de espacio y la diferencia de velocidad con el vehículo precedente, donde sus ganancias de retroalimentación k1 y k2 son 0,23 s-2 y 0,07 s-1, respectivamente53.

Para los siguientes camiones en el pelotón, sus velocidades se calculan mediante la velocidad en un paso de tiempo anterior \({v}_{n,k-1}\), el error de separación \({e}_{n,k- 1}\) en un paso de tiempo anterior y la derivada correspondiente. Para este cálculo se utiliza la ecuación (5).

Donde, kp y kd se determinan como 0,45 s−1 y 0,25, respectivamente53,54. El error de brecha \({e}_{n,k-1}\) se calcula mediante las ecuaciones. (6) y (7).

Donde, \({x}_{n-1.k-1}-{x}_{nk-1}\) es el espacio entre camiones, tdes es el intervalo de tiempo deseado, L es la longitud del vehículo y d0 es el margen de espaciado55. Más detalles sobre el marco de simulación del flujo de tráfico están disponibles en el Método complementario 2.

La aerodinámica de un camión que circula en modo pelotón difiere de la de un camión que circula por separado. El camión líder en un pelotón resiste la mayor parte de la resistencia al arrastre, mientras que los que van detrás experimentan menos resistencia del aire12,56,57. Las reducciones en las resistencias al arrastre reducen el trabajo requerido por los motores de los camiones9,11,16,58. En consecuencia, se reduce el consumo de combustible y las emisiones de gases de efecto invernadero de los camiones en modo pelotón. Evaluamos los efectos aerodinámicos del pelotón de camiones basándose en el método de simulación de dinámica de fluidos computacional (CFD). En la simulación, los camiones de un pelotón se alinean en línea recta para mejorar su eficiencia aerodinámica. Con base en las simulaciones aerodinámicas, desarrollamos un modelo para evaluar la tasa de ahorro de combustible (ΔFC) del pelotón de camiones, como se muestra en la ecuación. (8).

Donde, S es la distancia de separación, L es la longitud del camión, r0 es el coeficiente de resistencia de la carretera, m es la masa del camión, ρ es la densidad del aire, v es la velocidad del camión en relación con el aire fluido. , A es el área frontal del camión, y a, b y c son coeficientes relacionados con la posición del camión en un pelotón.

Además, calibramos el modelo anterior con los datos de consumo de combustible monitoreados en el proyecto Partially Automated Truck Platooning (PATP)11. El proyecto PATP probó la economía de combustible de un sistema de pelotón de camiones de tres vehículos. Después de la calibración, el modelo es confiable para estimar el efecto de ahorro de combustible del pelotón de camiones. Con base en la tasa de ahorro de combustible, el consumo de combustible del camión se determina finalmente utilizando la ecuación. (9).

Donde, FCP es el consumo de combustible del camión en un pelotón, FC0 es el consumo de combustible original del camión y ΔFC es la tasa de ahorro de consumo de combustible debido al pelotón. Con las ecuaciones. (8) y (9), se calcula el consumo de combustible del camión y luego se utiliza para evaluar sus emisiones de GEI. Más detalles sobre el desarrollo de modelos de consumo de combustible están disponibles en el Método complementario 3.

Las carreteras sufren daños continuos por las repetidas cargas de camiones. Como resultado, es necesario realizar trabajos de mantenimiento de las carreteras después de varios años de servicio. El período de mantenimiento depende directamente del estado de daños de la carretera. La acumulación de daños en la infraestructura vial está influenciada por el intervalo de carga (es decir, el período de descanso). Para daños relacionados con grietas y fracturas, un período de descanso más largo genera un efecto curativo más pronunciado en el material del pavimento de la carretera que uno más corto y, por lo tanto, resulta en una menor acumulación de daños. El pelotón de camiones provoca repeticiones de carga de alta frecuencia con períodos de descanso cortos en comparación con las cargas de tráfico normales. Como resultado, acelera la acumulación de daños en la carretera y, por tanto, afecta su período de mantenimiento. Desarrollamos un modelo de daños para evaluar la durabilidad de la carretera en condiciones de pelotón de camiones y modos de tráfico normales. El modelo de daños consta de tres submodelos, es decir, el modelo de predicción de la vida por fatiga, el modelo de respuesta de la carretera y el modelo de acumulación de daños.

El modelo de predicción de la vida por fatiga, como se muestra en la ecuación. (10), se estableció basándose en pruebas de laboratorio y de campo en materiales y estructuras de carreteras (ver Método complementario 4). Se utilizaron métodos de análisis, incluido el método de energía disipada y el método de daño continuo viscoelástico (VECD), para ajustar los resultados de las pruebas y desarrollar el modelo de predicción de la vida por fatiga. El modelo incluye los efectos de la respuesta de la carretera, las condiciones climáticas y el período de descanso (es decir, el intervalo de carga entre dos cargas) sobre la resistencia a la fatiga de la carretera. La respuesta de la carretera requerida en el modelo de predicción de la vida por fatiga se estima con base en el análisis mecánico de la estructura de la carretera, como se muestra en la ecuación. (10). El modelo de respuesta de la carretera también considera varios factores que influyen en la durabilidad de la carretera, incluidas las estructuras de la carretera, las propiedades de los materiales, las condiciones climáticas y las configuraciones de los ejes. Los efectos de las distribuciones de las ruedas de los camiones también se incluyen en el modelo de respuesta de la carretera, ya que los camiones en pelotón pueden tener diferentes desplazamientos laterales en comparación con los camiones conducidos por humanos47,48,59, debido a la capacidad de control superior de la tecnología de pelotón. Se supone que los desplazamientos laterales de los camiones que no son de pelotón (es decir, los camiones conducidos por humanos) siguen una distribución normal, mientras que los de los camiones de pelotón están diseñados para distribuirse uniformemente a lo largo de la trayectoria de las ruedas para reducir los impactos dañinos del camión. Cabe destacar que los camiones dentro de un pelotón siguen el mismo camino de conducción para garantizar su eficiencia aerodinámica, mientras que los camiones en diferentes pelotones están asignados para cargar uniformemente a lo largo del camino de las ruedas. Más detalles sobre el modelo de predicción de la vida por fatiga y el modelo de respuesta de la carretera están disponibles en el Método complementario 4.

Donde, Nf es la vida a fatiga, ε es el nivel de deformación de la estructura de la carretera causado por la carga del tráfico, T es la temperatura de la carretera, E es el módulo de rigidez inicial de una capa particular en la estructura de la carretera, RP es el período de descanso entre dos cargas de tráfico, SF es un factor de cambio que conecta la vida de fatiga en el laboratorio y en el campo, G es una función de respuesta de la carretera, x es la capa particular de la carretera y a, b, c, d, f son parámetros del modelo que se pueden encontrar en el Método complementario 4. h(x), E(x), v(x) y T(x) son el espesor, el módulo de rigidez, la relación de Poisson y la temperatura de la capa x, respectivamente. AL es la información de carga por eje, incluida la clasificación del camión, la configuración del eje, el peso bruto, el desplazamiento de las ruedas y el área de contacto de los neumáticos.

Combinado con el modelo de predicción de la vida por fatiga y el modelo de respuesta de la carretera, se estableció el modelo de acumulación de daños para evaluar el daño acumulativo en la infraestructura de la carretera inducido por las cargas de tráfico, como se muestra en la ecuación. (11). Con la ecuación. (11), se determina y compara la evolución de los daños de una carretera en los modos normal y de pelotón de camiones. Los resultados de la comparación se utilizan para evaluar el efecto de deterioro del pelotón de camiones en la carretera y asignar proporcionalmente los trabajos de mantenimiento en la infraestructura vial. Más detalles sobre el desarrollo del modelo de daños y la evaluación del efecto del deterioro están disponibles en el Método complementario 4. Cabe destacar que la Ec. (11) se centra principalmente en evaluar el daño por fatiga causado por las cargas de camiones sobre el pavimento de la carretera.

Donde, D es la extensión del daño de la carretera, H es la función de daño, Nf,i es la vida a fatiga de la carretera bajo la i-ésima carga de tráfico, εi es la respuesta de la carretera bajo la i-ésima carga de tráfico y ni es el número total de la i-ésima carga de tráfico.

Las emisiones de GEI del sistema integrado de infraestructura vial y de vehículos consisten en emisiones tanto de la infraestructura vial como de las operaciones de los vehículos. Como se mencionó, las emisiones de la infraestructura vial se generan a partir de la construcción inicial de la carretera, el mantenimiento de la carretera, el procesamiento EOL y las interrupciones del tráfico relacionadas con el mantenimiento. Por lo tanto, utilizamos las Ecs. (12)–(14) para calcular las emisiones de infraestructura vial (GEI). La cantidad de actividad de construcción, mantenimiento o procesamiento EOL se calculó en función de las dimensiones de la carretera, mientras que los estados de interrupción del tráfico durante las obras viales se estimaron utilizando el software RealCost60. Los valores detallados de intensidad de emisiones se pueden encontrar en el Método complementario 5.

Donde, GHGCME es la emisión de las actividades de construcción de carreteras, mantenimiento de carreteras o procesamiento EOL, incluida la producción de materiales, el transporte de materiales y las operaciones de equipos. GHGTD es la emisión adicional provocada por las interrupciones del tráfico durante los trabajos de mantenimiento de carreteras. fCMEi es la intensidad de emisión unitaria de la i-ésima actividad de construcción, mantenimiento o procesamiento EOL (es decir, producción, transporte u operación de equipos). qCMEi es la cantidad de la i-ésima actividad. VMTTDj son las millas recorridas por el vehículo en el j-ésimo estado de interrupción del tráfico (desaceleración/aceleración, desaceleración, colas). fTDj es la intensidad unitaria de emisión en el j-ésimo estado de interrupción del tráfico. VMTNj son las millas recorridas por el vehículo en condiciones de tráfico normal (sin mantenimiento). fNj es la intensidad de emisión unitaria en condiciones de tráfico normal.

Las emisiones de la fase vehicular se refieren a las emisiones de GEI generadas por los vehículos que circulan por el tramo de vía sin verse interferidos por las obras de mantenimiento de la vía. Estas porciones de emisiones se estiman en función del consumo de combustible de los vehículos. En el modo de pelotón de camiones, el consumo de combustible de los camiones se ahorra debido a la reducción de la resistencia del aire (consulte la ecuación (8)). Dichos ahorros se consideran al evaluar las emisiones del vehículo. Además, las emisiones de los vehículos están estrechamente relacionadas con la rugosidad de la carretera (definida como índice internacional de rugosidad, IRI)61,62,63. La gran aspereza de una carretera en mal estado suele aumentar el consumo de combustible y las emisiones. Por lo tanto, los datos de desempeño de la carretera (es decir, IRI) de la base de datos LTPP se incorporaron al modelo de emisiones del vehículo. Finalmente, desarrollamos el modelo para estimar las emisiones de vehículos (GHGV), como lo expresa la Ec. (15).

Donde, GHGV son las emisiones de los vehículos, fVi es la intensidad de emisión unitaria del i-ésimo vehículo, VMT es la distancia recorrida por el i-ésimo vehículo, FCi es el consumo de combustible del i-ésimo vehículo y ΔFCPi es el ahorro debido al pelotón de camiones. Si el vehículo objetivo es un turismo, se asigna ΔFCPi al 0%. De lo contrario, ΔFCPi se calcula utilizando la ecuación. (8). ΔFCIRIi son las tasas de variación del consumo de combustible de los vehículos debido al IRI de la carretera. ΔIRI es la brecha entre el IRI real de la carretera y el IRI de referencia.

Basado en las ecuaciones. (12)-(15), se calculan las emisiones de GEI de la fase de carretera y de la fase de vehículo, y su suma son las emisiones totales del sistema integrado vehículo-carretera. El modelo de costos para el sistema vehículo-carretera tiene una formulación similar al modelo de emisiones, excepto que la intensidad de emisiones en la ecuación se reemplaza por la intensidad de costos. Además, en el modelo de costos se incluyen dos componentes de costos más relacionados con el desgaste de neumáticos y la reparación de vehículos en comparación con el modelo de emisiones64. La elaboración del modelo de costos no se introduce aquí para ahorrar espacio en papel. Más detalles sobre los desarrollos de los modelos de emisiones y modelos de costos están disponibles en el Método complementario 5.

La base de datos LTPP está disponible en el servidor FHWA (https://infopave.fhwa.dot.gov/Data/DataSelection). Los datos de carreteras y tráfico utilizados en este estudio se proporcionan en los Datos complementarios. Los datos originales se proporcionan con este documento.

El software RealCost y el manual del usuario están disponibles en el sitio web de la FHWA (https://www.fhwa.dot.gov/infrastructure/asstmgmt/lccasoft.cfm).

IPCC. Cambio Climático 2022: mitigación del cambio climático. Contribución del Grupo de Trabajo III al Sexto Informe de Evaluación del IPCC (AR6), (2022).

Dai, A. Aumento de la sequía bajo el calentamiento global en observaciones y modelos. Nat. Subir. Cambio 3, 52–58 (2013).

ADS del artículo Google Scholar

IPCC. Informe especial: calentamiento global de 1,5 °C, resumen para responsables de políticas (2018).

Meinshausen, M. y col. Objetivos de emisiones de gases de efecto invernadero para limitar el calentamiento global a 2 °C. Naturaleza 458, 1158-1162 (2009).

Artículo ADS CAS PubMed Google Scholar

Nealer, R. & Hendrickson, T. Revisión de evaluaciones recientes del ciclo de vida de la energía y las emisiones de gases de efecto invernadero para vehículos eléctricos. actual. Sostener./Renovar. Representante de Energía 2, 66–73 (2015).

Artículo de Google Scholar

Covert, T., Greenstone, M. & Knittel, CR ¿Dejaremos algún día de utilizar combustibles fósiles? J. Economía. Perspectiva. 30, 117-138 (2016).

Artículo de Google Scholar

EPA. Inventario de emisiones y sumideros de gases de efecto invernadero de EE. UU.: 1990-2019, Agencia de Protección Ambiental de Estados Unidos. (2021).

Zhang, L., Chen, F., Ma, X. & Pan, X. Economía de combustible en el pelotón de camiones: una descripción general de la literatura y direcciones para futuras investigaciones. J. Adv. Transp. 2020, 2604012 (2020).

Google Académico

Tsugawa, S., Jeschke, S. & Shladover, SE Una revisión de proyectos de pelotones de camiones para ahorrar energía. Traducción IEEE. Intel. Veh. 1, 68–77 (2016).

Artículo de Google Scholar

Vegendla, P., Sofu, T., Saha, R., Kumar, MM y Hwang, L.-K. Investigación de la influencia aerodinámica en el pelotón de camiones. Documento técnico SAE 2015-01-2895, 1–9 (2015).

McAuliffe, B., Croken, M., Ahmadi-Baloutaki, M. y Raeesi, A. Pruebas de economía de combustible de un sistema de pelotón de camiones de tres vehículos. Informe técnico de laboratorio, Consejo Nacional de Investigación, Canadá. LTR-AL-2017-0008 (2017).

Vohra, V., Wahba, M., Akarslan, G., Ni, R. y Brennan, S. Un examen del espacio entre vehículos para reducir la resistencia aerodinámica en pelotones de camiones. Conferencia de propulsión y potencia de vehículos IEEE 2018 (VPPC). 1–6 (2018).

B. McAuliffe y col. Influencias en el ahorro energético de camiones pesados mediante el control de crucero adaptativo cooperativo. Documento técnico de SAE 2018-01-1181, 1–20 (2018).

El Bouchihati, M. El impacto del pelotón de camiones en la estructura del pavimento de las autopistas holandesas: el vínculo entre el pelotón de camiones y el desgaste de la superficie de la carretera, Tesis de maestría, Universidad Tecnológica de Delft. (2020).

Yang, D., Kuijpers, A., Dane, G. y van der Sande, T. Impactos del pelotón de camiones a gran escala en las carreteras holandesas. Transp. Res. Procedimiento 37, 425–432 (2019).

Artículo de Google Scholar

Humphreys, HL, Batterson, J., Bevly, D. y Schubert, R. Una evaluación de los beneficios de economía de combustible de un prototipo de pelotón de camiones de asistencia al conductor mediante simulación. Documento técnico SAE 2016-01-0167, 1–9 (2016).

Song, M., Chen, F. & Ma, X. Organización de un pelotón de camiones autónomos teniendo en cuenta el ahorro de energía y la fatiga del pavimento. Transp. Res. Parte D: Transp. Reinar. 90, 102667 (2021).

Artículo de Google Scholar

Gungor, OE y Al-Qadi, IL Todo para uno: optimización centralizada de pelotones de camiones para mejorar la sostenibilidad de la infraestructura vial. Transp. Res. Parte C: Emergente. Tecnología. 114, 84–98 (2020).

Artículo de Google Scholar

Kazancoglu, Y., Ozbiltekin-Pala, M. & Ozkan-Ozen, YD Predicción y evaluación de emisiones de gases de efecto invernadero para el transporte por carretera sostenible en Europa. Sostener. Ciudades Soc. 70, 102924 (2021).

Artículo de Google Scholar

Huang, Y., Hakim, B. y Zammataro, S. Medición de la huella de carbono de la construcción de carreteras utilizando CHANGER. En t. J. Pavimento Ing. 14, 590–600 (2013).

Artículo CAS Google Scholar

France-Mensah, J. & O'Brien, WJ Desarrollo de un plan de gestión de pavimentos sostenible: compensaciones en el estado de la carretera, costos para el usuario y emisiones de gases de efecto invernadero. J. Gestionar. Ing. 35, 04019005 (2019).

Artículo de Google Scholar

Chong, D. & Wang, Y. Impactos del diseño de pavimentos flexibles y las decisiones de gestión en el consumo de energía del ciclo de vida y la huella de carbono. En t. J. Evaluación del ciclo de vida. 22, 952–971 (2017).

Artículo CAS Google Scholar

FHWA. El programa de desempeño del pavimento a largo plazo. Administración Federal de Carreteras, McLean, VA, (2015).

Milanés, V. & Shladover, SE Manejo de vehículos integrados en cadenas de vehículos cooperativos con control de crucero adaptativo. J. Intel. Transp. Sistema. 20, 178-191 (2016).

Artículo de Google Scholar

Calvert, S., Schakel, WJ y van Arem, B. Evaluación y modelización de los efectos del flujo de tráfico del pelotón de camiones. Transp. Res. Parte C: Emergente. Tecnología. 105, 1-22 (2019).

Artículo de Google Scholar

Noruzoliaee, M., Zou, B. & Zhou, YJ Pelotón de camiones en la red nacional de carreteras de EE. UU.: un enfoque de modelado a nivel de sistema. Transp. Res. Parte E: Logístico. Transp. Rev.145, 102200 (2021).

Artículo de Google Scholar

Ramezani, H., Shladover, SE, Lu, X.-Y. & Altan, OD Microsimulación de pelotones de camiones con control de crucero adaptativo cooperativo: desarrollo de modelos y estudio de caso. Transp. Res. Rec. 2672, 55–65 (2018).

Artículo de Google Scholar

Taylor, AH y cols. Capturando el impacto de la velocidad, la pendiente y el tráfico en el pelotón de camiones de clase 8. Traducción IEEE. Veh. Tecnología. 69, 10506–10518 (2020).

Artículo de Google Scholar

Boysen, N., Briskorn, D. y Schwerdfeger, S. El problema del pelotón de camiones de trayectorias idénticas. Transp. Res. Parte B: Método. 109, 26-39 (2018).

Artículo de Google Scholar

Kim, D. & Kim, YR Desarrollo de la prueba Stress Sweep Rutting (SSR) para la caracterización de la deformación permanente de una mezcla asfáltica. Construcción Construir. Madre. 154, 373–383 (2017).

Artículo de Google Scholar

Cheng, H., Sun, L., Wang, Y. y Chen, X. Efectos de las formas de onda de carga reales sobre el comportamiento de fatiga de las mezclas asfálticas. En t. J. Fatiga 151, 106386 (2021).

Artículo CAS Google Scholar

GY Baladi et al. Medidas y pronósticos del desempeño del pavimento y los efectos de la estrategia de mantenimiento y rehabilitación sobre la efectividad del tratamiento. Informe técnico, Administración Federal de Carreteras, Estados Unidos, FHWA-HRT-17-095 (2017).

Alrajhi, A., Ozer, H. y Al-Qadi, IL Impacto del período de descanso en la deformación permanente del hormigón asfáltico. Construcción Construir. Madre. 332, 127329 (2022).

Artículo de Google Scholar

Okte, E. & Al-Qadi, IL Impacto de los camiones autónomos y conducidos por humanos en el diseño de pavimentos flexibles. Transp. Res. Rec. 2676, 144–160 (2022).

Artículo de Google Scholar

Sayeh, W. & Al-Qadi, IL Optimización de la posición lateral de los pelotones basada en la estimación de daños. Transp. Res. Rec. 2676, 445–455 (2022).

Artículo de Google Scholar

Huang, M., Dong, Q., Ni, F. & Wang, L. Optimización multiobjetivo basada en LCA y LCCA del mantenimiento de pavimentos. J. Limpio. Pinchar. 283, 124583 (2021).

Artículo de Google Scholar

Cheneviere, P. & Ramdas, V. Aspectos del análisis costo-beneficio relacionados con pavimentos de larga duración. En t. J. Pavimento Ing. 7, 145-152 (2006).

Artículo de Google Scholar

Yan, J. Un modelo empírico para una durabilidad óptima de las carreteras en regiones frías. Informe técnico, Centro para el transporte ambientalmente sostenible en climas fríos. (2016).

Wang, T. y col. Consumo energético del ciclo de vida y emisión de GEI procedentes de la rehabilitación de pavimentos con diferente resistencia a la rodadura. J. Limpio. Pinchar. 33, 86–96 (2012).

Artículo de Google Scholar

Liu, X., Cui, Q. y Schwartz, C. Emisiones de gases de efecto invernadero de diseños de pavimentos alternativos: desarrollo de marco y aplicación ilustrativa. J. Medio Ambiente. Gestionar. 132, 313–322 (2014).

Artículo CAS Google Scholar

Kim, B., Lee, H., Park, H. y Kim, H. Marco para estimar las emisiones de gases de efecto invernadero debidas a la construcción de pavimentos asfálticos. J. Constr. Ing. Gestionar. 138, 1312-1321 (2012).

Artículo de Google Scholar

Inyim, P., Pereyra, J., Bienvenu, M. & Mostafavi, A. Evaluación ambiental de infraestructura de pavimentos: revisión asistemática. J. Medio Ambiente. Gestionar. 176, 128-138 (2016).

Artículo de Google Scholar

Yu, B., Wang, S. & Gu, X. Estimación y análisis de incertidumbre del consumo de energía y emisiones de CO2 del mantenimiento de pavimentos asfálticos. J. Limpio. Pinchar. 189, 326–333 (2018).

Artículo CAS Google Scholar

Liu, Z., Balieu, R. & Kringos, N. Integración de la sostenibilidad en la evaluación de la eficacia del mantenimiento del pavimento: una revisión sistemática. Transp. Res. Parte D: Transp. Reinar. 104, 103187 (2022).

Artículo de Google Scholar

Lee, J. & Madanat, S. Políticas óptimas para la minimización de las emisiones de gases de efecto invernadero bajo restricciones presupuestarias de múltiples agencias en la gestión de pavimentos. Transp. Res. Parte D: Transp. Reinar. 55, 39–50 (2017).

Artículo de Google Scholar

Estadísticas de carreteras de la FHWA 2020. https://www.fhwa.dot.gov/policyinformation/statistics/2020/hm220.cfm, (2020).

Chen, F., Song, M. & Ma, X. Un esquema de control lateral de vehículos autónomos considerando la sostenibilidad del pavimento. J. Limpio. Pinchar. 256, 120669 (2020).

Artículo de Google Scholar

Ramakrishnan, A., Alrajhi, A., Okte, E., Ozer, H. & Al-Qadi, IL Impactos del pelotón de camiones en pavimentos flexibles: enfoques experimentales y mecanicistas, Informe No. ICT-21-038, Centro de Illinois para Transporte. (2021).

Elkins, GE y Ostrom, B. Guía del usuario del sistema de gestión de información sobre el rendimiento del pavimento a largo plazo. Oficina de Investigación y Desarrollo de Infraestructura de la FHWA. (2021).

Liu, L., Zhu, L. & Yang, D. Modelado y simulación del flujo de tráfico heterogéneo entre automóviles y camiones basado en un modelo no lineal de seguimiento de automóviles. Aplica. Matemáticas. Computadora. 273, 706–717 (2016).

MATEMÁTICAS Google Scholar

Treiber, M. & Kesting, A. Dinámica del flujo de tráfico, Springer, Londres. (2013).

Xiao, L., Wang, M. & Van, B. Arem, Modelos realistas de seguimiento de automóviles para simulación microscópica de vehículos con control de crucero adaptativo adaptativo y cooperativo. Transp. Res. Rec. 2623, 1–9 (2017).

Artículo de Google Scholar

Milanés, V. & Shladover, SE Modelado de respuestas dinámicas de control de crucero adaptativo cooperativo y autónomo utilizando datos experimentales. Transp. Res. Parte C: Emergente. Tecnología. 48, 285–300 (2014).

Artículo de Google Scholar

Liu, H., Kan, X., Shladover, SE, Lu, X.-Y. & Ferlis, RE Impacto del control de crucero adaptativo cooperativo en la capacidad de fusión de autopistas de varios carriles. J. Intel. Transp. Sistema. 22, 263–275 (2018).

Artículo de Google Scholar

Xiao, L., Wang, M., Schakel, W. y van Arem, B. Descubriendo los efectos de la desactivación cooperativa del control de crucero adaptativo en las características del flujo de tráfico en los cuellos de botella en las fusiones. Transp. Res. Parte C: Emergente. Tecnología. 96, 380–397 (2018).

Artículo de Google Scholar

Bhoopalam, AK, Agatz, N. & Zuidwijk, R. Planificación de pelotones de camiones: una revisión de la literatura y direcciones para futuras investigaciones. Transp. Res. Parte B: Método. 107, 212–228 (2018).

Artículo de Google Scholar

Smith, J., Mihelic, R., Gifford, B. y Ellis, M. Impacto aerodinámico del tractor-remolque en configuración de dibujo. SAE Int. J. Comer. Veh. 7, 619–625 (2014).

Artículo de Google Scholar

Tsugawa, S., Kato, S. y Aoki, K. Un pelotón de camiones automatizados para ahorrar energía, Conferencia internacional IEEE/RSJ de 2011 sobre robots y sistemas inteligentes, 4109–4114 (2011).

Marsac, P. y col. Optimización de los patrones de desplazamiento de pelotones de camiones basados en simulaciones termoviscoelásticas para mitigar los efectos de los daños en las estructuras de carreteras, pruebas aceleradas de pavimentos para la innovación en infraestructura de transporte. Actas de la 6.ª Conferencia de la APT, Springer, 100–107 (2020).

FHWA, software RealCost (Versión 2.5): producto de software de análisis de costos del ciclo de vida, http://www.fhwa.dot.gov/infrastructure/asstmgmt/lccasoft.cfm. (2011).

Zhou, Q. & Al-Qadi, IL Impactos económicos y ambientales de los camiones de pelotón en las aceras. Transp. Res. Rec. 2676, 460–473 (2022).

Artículo de Google Scholar

Chatti, K. & Zaabar, I. Estimación de los efectos de la condición del pavimento en los costos operativos de los vehículos, Informe NCHRP 720, Junta de Investigación del Transporte. (2012).

Ziyadi, M., Ozer, H., Kang, S. y Al-Qadi, IL Consumo de energía de los vehículos y modelo de cálculo del impacto ambiental para los sistemas de infraestructura de transporte. J. Limpio. Pinchar. 174, 424–436 (2018).

Artículo de Google Scholar

Okte, E., Al-Qadi, IL y Ozer, H. Efectos de la condición del pavimento en los costos para los usuarios de LCCA. Transp. Res. Rec. 2673, 339–350 (2019).

Artículo de Google Scholar

Descargar referencias

La investigación fue apoyada por subvenciones de la Fundación Nacional de Ciencias Naturales de China (Subvención No. 52108412, Beneficiario: HC), el Consejo de Subvenciones de Investigación del Gobierno de la Región Administrativa Especial de Hong Kong (Subvención No. 15208518 y 15210321, Beneficiario: YW) y la Programa Nacional Clave de I+D de China (Subvención No. 2018YFB1600100, Beneficiario: LS). Se agradecen los patrocinios. Los autores aprecian los datos de la base de datos en línea LTPP, que respalda el análisis de la investigación. Los autores también agradecen la ayuda brindada por el Dr. Chang Lu y el Dr. Siqi Jia en el diseño de modelos y mapas de tráfico.

Departamento de Ingeniería Civil y Ambiental, Universidad Politécnica de Hong Kong, RAE de Hong Kong, China

Huailei Cheng y Yuhong Wang

Laboratorio clave de ingeniería de carreteras y tráfico del Ministerio de Educación, Universidad de Tongji, Shanghai, China

Huailei Cheng, Lijun Sun, Ruikang Yang y Tian Jin

Escuela de Administración, Universidad de Shanghai, Shanghai, China

y chong

Centro del túnel de viento automotriz de Shanghai, Universidad de Tongji, Shanghai, China

chao xia

Departamento de Ingeniería Civil, Arquitectónica y Ambiental, Universidad de Ciencia y Tecnología de Missouri, Rolla, MO, EE. UU.

Jenny Liu

Departamento de Arquitectura e Ingeniería Civil, Universidad Tecnológica de Chalmers, Gotemburgo, Suecia

Kun Gao

También puedes buscar este autor en PubMed Google Scholar.

HC, YW y LS concibieron el estudio. LS propuso el marco conceptual y analítico. HC, YW, DC y CX diseñaron los métodos. HC, YW, RY y TJ realizaron el análisis. HC y YW escribieron el manuscrito. JL, KG y LS contribuyeron a mejorar el manuscrito. Todos los autores discutieron los resultados y revisaron el manuscrito.

Correspondencia a Yuhong Wang o Lijun Sun.

Los autores declaran no tener conflictos de intereses.

Nature Communications agradece a Dominique Mouette, Egemen Okte y los demás revisores anónimos por su contribución a la revisión por pares de este trabajo. Un archivo de revisión por pares está disponible.

Nota del editor Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Cheng, H., Wang, Y., Chong, D. et al. El pelotón de camiones remodela las emisiones de gases de efecto invernadero del sistema integrado de infraestructura de vehículos y carreteras. Nat Comuna 14, 4495 (2023). https://doi.org/10.1038/s41467-023-40116-0

Descargar cita

Recibido: 10 de marzo de 2023

Aceptado: 12 de julio de 2023

Publicado: 15 de agosto de 2023

DOI: https://doi.org/10.1038/s41467-023-40116-0

Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:

Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.

Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.