TRD | AI赋能重型卡车减排：神经网络驱动的排放成本优化模型

ACADEMIC PAPER INSIGHT

Transportation Research Part D

Artificial intelligence applied to truck emissions reduction: A novel emissions calculation model

LITERATURE · REVIEW

FIRST PAGE

KEY TAKEAWAYS

本文聚焦重型卡车运输所面临的碳排放与运营成本双重挑战，构建了一套融合人工神经网络与遗传算法的混合预测优化模型，旨在兼顾环境可持续性与经济效益的基础上探寻最佳驾驶参数组合。该模型将车辆载重与平均速度设为输入端、综合成本设为输出端，设计了五种成本场景并借助遗传算法实施寻优。结果显示，载重与速度同二氧化碳排放之间存在显著相关性，最优载重锁定在四十九点六七吨，最优速度区间处于每小时三十一至三十六点六一公里之间，且速度与成本呈正U型曲线、载重与成本呈倒U型曲线。五种场景下的成本降幅介于百分之三十一点四至四十点五之间，为车队运营者提供了统筹运营效益与环境责任的有效决策依据。

中文题目

人工智能应用于卡车减排：一种新型排放计算模型

英文标题

Artificial intelligence applied to truck emissions reduction: A novel emissions calculation model

作者

Aquilan Robson de Sousa Sampaio、David Gabriel de Barros Franco、Joel Carlos Zukowski Junior、Arlenes Buzatto Delabary Spada

隶属

1. 托坎廷斯联邦大学数字农用能源研究生项目 2. 北托坎廷斯联邦大学物流技术本科项目 3. 托坎廷斯联邦大学环境工程研究生项目 4. 托坎廷斯州立大学混合教育研究生项目

关键词

#可持续交通#减排策略#温室气体#模型优化#物流管理

网址

DOI:10.1016/j.trd.2024.104533

ABSTRACT

推动气候目标落地离不开强有力的碳减排措施，公路运输领域尤为关键。本研究构建了一种集成二氧化碳排放与运营成本的预测模型，面向重型卡车载重场景运用人工神经网络与遗传算法开展优化，以识别兼顾环境可持续性与经济效率的最优车辆驾驶参数。模型输入端为车辆载重与速度，输出端涵盖每公里成本、每小时成本、每公斤二氧化碳排放成本以及两类复合成本在内的五种场景，借助遗传算法在响应曲面上完成寻优。基于五十辆车累计六百余万公里的真实运行数据，研究发现载重与速度均与排放存在强相关关系，最优载重为四十九点六七吨、最优速度区间为每小时三十一至三十六点六一公里，速度与成本之间呈正U型关系而载重与成本之间呈倒U型关系。五种场景下成本降幅达到百分之三十一点四至四十点五，实现了运营效益与环境效益的双重兼顾。

METHODS & ANALYSIS

公路运输是温室气体排放的主要