🔬 physics

Analytical Framework for Evaluating Traffic Capacity Impacts of Electric Vehicles' Regenerative Braking Dynamics

Este artículo introduce un marco analítico basado en un conjunto de datos empíricos exhaustivo para modelar cómo el frenado regenerativo de los vehículos eléctricos altera la dinámica de seguimiento de vehículos, revelando un compromiso entre la recuperación de energía y la reducción de la capacidad de tráfico debido al aumento del espaciamiento y los comportamientos oscilatorios.

Autores originales: Yuhang Wang, Md. Zidan Shahriar, Hao Zhou

Publicado 2026-08-26

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Yuhang Wang, Md. Zidan Shahriar, Hao Zhou

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

El flujo de tráfico se estudia a menudo observando cómo se mueven los coches en grupos, un campo conocido como ingeniería de tráfico. En su esencia, esta ciencia intenta comprender cómo las pequeñas decisiones de los conductores individuales —cuánto aceleran, con qué fuerza frenan y cuánto espacio dejan entre ellos y el coche de delante— se suman para crear el panorama general de cuántos vehículos puede manejar una carretera. Durante décadas, estos modelos se construyeron basados en el comportamiento de los coches de gasolina tradicionales, que tienen un ritmo distinto: cuando un conductor levanta el pie del acelerador, el coche se desliza por un momento, frenando suavemente debido al viento y la fricción, antes de que se apliquen los frenos. Este breve periodo de deslizamiento actúa como un amortiguador natural, suavizando los pequeños cambios de velocidad y dando al conductor de atrás un poco de tiempo para reaccionar. Sin embargo, el paisaje de la carretera está cambiando rápidamente a medida que los vehículos eléctricos se vuelven más comunes, y estos coches operan de manera diferente, particularmente en lo que respecta a cómo frenan, y los investigadores apenas están comenzando a comprender cómo estas nuevas dinámicas podrían remodelar la eficiencia de nuestras autopistas.

Un equipo de investigadores de la Universidad del Sur de Florida se propuso investigar precisamente esta cuestión, centrándose en una característica única de los vehículos eléctricos llamada frenado regenerativo. A diferencia de los coches de gasolina, los vehículos eléctricos pueden convertir sus motores eléctricos en generadores en el momento en que el conductor levanta el pie del acelerador. Este proceso captura energía para recargar la batería pero también crea una fuerza de frenado fuerte e inmediata. Para estudiar esto, los investigadores recopilaron una enorme cantidad de datos del mundo real. Alquilaron ocho modelos diferentes de vehículos eléctricos, incluyendo Teslas, Hyundais y Fords, y los condujeron durante casi 200 horas alrededor de Tampa, Florida. También combinaron esto con registros de conducción de una comunidad global de propietarios de vehículos eléctricos, creando un conjunto de datos que cubrió más de 10,000 millas de conducción por parte de 25 personas con distintos niveles de experiencia. Al registrar todo, desde la posición del pedal hasta la velocidad del coche de delante, pudieron ver exactamente cómo se comportaban estos vehículos en el tráfico.

Lo que el equipo descubrió fue que los vehículos eléctricos siguen un patrón muy diferente al de los coches de gasolina para los cuales fueron diseñados los modelos de tráfico. Cuando un conductor de un vehículo eléctrico levanta el pie del acelerador, el coche no se desliza. En su lugar, comienza a frenar de forma casi instantánea con una fuerza constante y potente. Esto sucede tan rápido que el conductor a menudo tiene que levantar el pie antes de lo que lo haría en un coche de gasolina para evitar frenar demasiado. Una vez que el conductor decide acelerar de nuevo, el motor eléctrico proporciona un empuje constante y sostenido para recuperar la velocidad original. Esto crea un ritmo de conducción que se asemeja a una caída brusca de velocidad, una breve pausa a una velocidad menor y luego un ascenso constante. En contraste, un coche de gasolina se deslizaría por una pendiente suave antes de volver a subir. Los investigadores descubrieron que este patrón de "caída, pausa, ascenso" hace que el vehículo eléctrico se quede más atrás del coche de delante de lo que lo haría un coche tradicional, creando huecos más grandes en el flujo de tráfico.

Para medir el impacto de estos huecos, los investigadores desarrollaron una nueva forma de observar el flujo de tráfico. Compararon la trayectoria real de un vehículo eléctrico siguiendo a otro coche contra una trayectoria "ideal" teórica que asume una conducción suave y predecible. Descubrieron que la trayectoria del vehículo eléctrico a menudo se desviaba significativamente de este ideal, creando un espacio vacío entre los coches mayor al necesario. Esta desviación, que rastrearon matemáticamente, representa una pérdida de capacidad. En términos sencillos, debido a que el vehículo eléctrico frena de forma tan abrupta y luego tarda en alcanzar la velocidad de nuevo, deja más carretera vacía detrás de sí. Cuando muchos coches hacen esto, el número total de vehículos que pueden pasar por un punto de la carretera en una hora disminuye. Los investigadores confirmaron sus hallazgos mediante simulaciones y comparándolos con sus datos del mundo real, demostrando que su nuevo modelo podía predecir estos comportamientos con alta precisión.

El estudio también exploró cómo los diferentes ajustes y hábitos de los conductores cambian este resultado. Encontraron que si un conductor elige un ajuste de frenado regenerativo más fuerte, el coche frena aún más duro y rápido, lo que aumenta el hueco y reduce el flujo de tráfico aún más. Del mismo modo, si un conductor reacciona muy rápido al coche de delante, podría frenar demasiado pronto, ampliando el hueco innecesariamente. Por otro lado, si el conductor espera un poco más antes de frenar, o si el coche pasa menos tiempo a la velocidad baja antes de acelerar de nuevo, el flujo de tráfico mejora. Los investigadores concluyeron que existe un claro compromiso: los ajustes que ayudan a un vehículo eléctrico a recuperar más energía suelen hacer que el flujo de tráfico sea menos eficiente. Esto sugiere que, a medida que los vehículos eléctricos se conviertan en la norma, los fabricantes y los planificadores de tráfico deberán encontrar un equilibrio. Es posible que necesiten ajustar los ajustes predeterminados de estos coches o diseñar nuevas estrategias de control de tráfico que tengan en cuenta este comportamiento de frenado único, asegurando que los beneficios de la conducción eléctrica no se produzcan a costa de carreteras congestionadas.

Resumen Técnico: Marco Analítico para la Evaluación de los Impactos en la Capacidad de Tráfico de la Dinámica de Frenado Regenerativo de los Vehículos Eléctricos

Planteamiento del Problema
Los modelos de flujo de tráfico tradicionales, incluyendo las formulaciones clásicas de seguimiento de vehículos (CF, por sus siglas en inglés), generalmente asumen dinámicas de aceleración y deceleración simétricas derivadas de vehículos de combustión interna (ICEV). Estos modelos no logran capturar la cinemática longitudinal distintiva de los vehículos eléctricos (EV), específicamente la deceleración negativa inmediata y cuasi constante generada por el frenado regenerativo (RB) seleccionable por el conductor al soltar el acelerador. Esta característica de conducción de "un solo pedal" elimina la zona de amortiguación de coasting pasivo típica de los ICEV, lo que conduce a mayores fluctuaciones en la distancia de seguimiento, posibles sobreimpulsos/subimpulsos y una alteración en la propagación de las ondas de parada y arranque. En consecuencia, los modelos existentes corren el riesgo de estimar erróneamente la estabilidad del tráfico y la capacidad de las vías en flujos con alta presencia de EV.

Metodología
El estudio emplea un enfoque multifacético que combina la recolección de datos empíricos, la caracterización cinemática y el modelado analítico:

Construcción del Conjunto de Datos Empíricos: Los autores compilaron un conjunto de datos exhaustivo que comprende 197.5 horas de datos de conducción de alta resolución de 25 conductores en ocho modelos de EV (incluyendo Tesla Model 3/X/Y, Hyundai Ioniq 5, Kia Niro/EV6, Ford Mach-E y Chevrolet Bolt). Los datos se recolectaron mediante herramientas de registro profesional y cámaras de tablero que capturaron tanto al vehículo ego como al vehículo líder. El conjunto de datos incluye diversos perfiles de conductores (desde novatos hasta experimentados, de tímidos a agresivos) y cubre tanto condiciones de flujo libre como de congestión.
Caracterización Cinemática: El análisis de los datos de trayectoria reveló dos patrones principales de CF únicos para los EV:
- Escenarios de estado estacionario: EV que utilizan RB para aumentar el espaciamiento y posteriormente re-aceleran.
- Escenarios dinámicos: Un proceso distintivo de tres fases que involucra deceleración regenerativa, una meseta de transición (velocidad constante) y re-aceleración rápida.
  El estudio cuantificó tasas de deceleración fijas (que oscilan entre 1 y 4 m/s² dependiendo de la configuración de RB), fases de aceleración constante y los segmentos de transición entre ellos.
Desarrollo del Marco Analítico: Los autores extendieron la regla de lag-espaciamiento de Newell, que mapea la trayectoria de un seguidor a la de un líder mediante un retraso de tiempo fijo ( $\tau$ $τ$ ) y un desplazamiento espacial ( $\delta$ $δ$ ). Derivaron expresiones de forma cerrada para la razón de llenado espacio-temporal, $\eta(t)$ $η (t)$ , que mide la desviación de la trayectoria real del EV respecto a la trayectoria ideal de Newell.
- Escenario 1: Un líder ICEV a velocidad constante con un seguidor EV realizando una maniobra de "regen-freno-recuperación".
- Escenario 2: Un líder ICEV sometido a una deceleración/recuperación sinusoidal con un seguidor EV realizando la misma maniobra.
  El marco modela explícitamente la pérdida de capacidad acumulada ( $L$ ) como la integral del exceso de brecha entre la referencia de Newell y la trayectoria real del EV.

Contribuciones Clave

Conjunto de Datos: La creación y publicación de un conjunto de datos cinemáticos de EV a gran escala, de múltiples vehículos y múltiples conductores, abordando la falta de datos de trayectoria de EV de alta fidelidad y código abierto.
Innovación en el Modelado: El desarrollo del primer marco analítico basado en la física que vincula explícitamente los parámetros cinemáticos específicos de los EV (intensidad de RB, tiempo de transición, retraso de reacción) con métricas de tráfico macroscópicas ( $\eta$ y $L$ ) utilizando el modelo de Newell.
Soluciones de Forma Cerrada: Derivación de expresiones analíticas para $\eta(t)$ y $L$ bajo condiciones de líder de velocidad constante y sinusoidalmente variable, permitiendo la cuantificación de los impactos en la capacidad sin depender únicamente de la simulación.
Validación: Validación rigurosa de los modelos analíticos frente a experimentos controlados y datos de conducción naturalista, logrando un alto coeficiente de determinación ( $R^2 = 0.96$ ) al replicar las trayectorias de $\eta$ del mundo real.

Resultados

Precisión del Modelo: El marco analítico replica con precisión las trayectorias de $\eta$ del mundo real, confirmando que la cinemática de los EV puede modelarse efectivamente utilizando las expresiones de forma cerrada derivadas.
Análisis de Sensibilidad:
- Intensidad del Frenado Regenerativo: Un aumento en la intensidad de RB (mayor magnitud de deceleración) conduce a valores de $\eta$ más grandes y a una mayor pérdida de capacidad acumulada ( $L$ ). Las fuerzas de frenado más fuertes provocan una deceleración temprana, amplificando las fluctuaciones de la distancia de seguimiento.
- Tiempo de Reacción: Los retrasos de reacción de los conductores más cortos ( $t_r$ ) resultan en un $\eta$ más alto y un aumento en la pérdida de capacidad, ya que el EV activa el frenado de manera más agresiva en respuesta a las fluctuaciones del líder.
- Tiempo de Transición: Los tiempos de transición prolongados ( $t_T$ ) entre las fases de deceleración y aceleración aumentan $\eta$ y la pérdida de capacidad al retrasar la recuperación de la velocidad de equilibrio.
Identificación de Compromisos (Trade-offs): El estudio cuantifica un compromiso claro: mientras que configuraciones de RB más altas mejoran la recuperación de energía, simultáneamente degradan la eficiencia del flujo de tráfico al aumentar la cuña espacio-temporal entre el seguidor y la trayectoria óptima teórica.

Significancia
El artículo afirma proporcionar un puente crítico entre los comportamientos de conducción microscópicos de los EV y el rendimiento del tráfico macroscópico. Al cuantificar cómo las configuraciones específicas de los EV (por ejemplo, los niveles de frenado regenerativo predeterminados) impactan la capacidad de la vía, el marco ofrece información accionable para:

OEMs (Fabricantes de Equipo Original): Informar el diseño de las configuraciones de frenado regenerativo predeterminadas para equilibrar la eficiencia energética con el flujo de tráfico.
Gestión de Tráfico: Guiar el desarrollo de estrategias de control de tráfico y políticas de temporización de semáforos conscientes de los EV.
Investigación Futura: Establecer una base tratable para la simulación consciente de los EV, la evaluación de infraestructura y el diseño de control cooperativo en entornos de tráfico mixto.

Los autores enfatizan que estos hallazgos resaltan la necesidad de ir más allá de los modelos calibrados para ICEV para evaluar con precisión la estabilidad y el rendimiento de las redes de transporte futuras a medida que aumenta la penetración de los EV.

Más como este