Traffic-Induced Energy Variability of Long-Haul Truck Powertrains Using Vehicle–Traffic Co-Simulation
Ce document présente une méthodologie de co-simulation véhicule-trafic en deux étapes qui quantifie comment les conditions de trafic variant dans l'espace et dans le temps sur un corridor américain de 255 miles augmentent significativement l'intensité énergétique et réduisent l'efficacité du fret pour les camions électriques de longue distance, tout en boostant simultanément la récupération d'énergie régénérative.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Chaque trajet de camion longue distance est une négociation avec la route, mais c'est aussi une conversation constante avec le trafic qui l'entoure. Lorsqu'un camion lourd file sur une autoroute dégagée à une vitesse constante, sa consommation d'énergie est prévisible. Cependant, dès qu'il rencontre un véhicule plus lent, une voiture qui s'insère ou un ralentissement soudain, cette prévisibilité disparaît. Le conducteur doit freiner, puis accélérer à nouveau, et chacun de ces changements exige une poussée de puissance du moteur. Pour les camions alimentés par l'électricité, ces poussées épuisent la batterie, tandis que les moments de freinage offrent une occasion de récupérer une partie de l'énergie. Comprendre exactement combien ces moments d'arrêt et de redémarrage coûtent à un camion électrique moderne est difficile car le trafic réel est chaotique et change d'heure en heure. Pour résoudre ce problème, les chercheurs avaient besoin d'un moyen de regarder un camion circuler à travers une version virtuelle d'une véritable autoroute, complète avec le flux imprévisible d'autres voitures, pour voir comment le trafic lui-même modifie la facture énergétique.
Une équipe de chercheurs du Laboratoire national d'Oak Ridge et de l'Université du Tennessee s'est donné pour mission de répondre à cette question en simulant un vaste tronçon du corridor de l'Interstate 81 aux États-Unis, un itinéraire qui traverse la Virginie, la Virginie-Occidentale, le Maryland et la Pennsylvanie. Ils ne regardaient pas seulement un camion de manière isolée ; ils voulaient voir comment le camion se comportait lorsqu'il était entouré de milliers d'autres véhicules, de l'heure de pointe du matin jusqu'à la fin de soirée. L'équipe a construit un jumeau numérique d'une section de 255 miles de cette autoroute, en utilisant des données de trafic publiques pour recréer le nombre de voitures sur la route pour différents moments de la journée, différents jours de la semaine et différentes saisons. Leur objectif était de déterminer si le moment de la journée importait plus que la saison ou le jour de la semaine lorsqu'il s'agissait de savoir quelle quantité d'énergie un camion aurait besoin pour aller du point A au point B.
Pour gérer la complexité immense de la simulation d'une autoroute de 255 miles avec un trafic réaliste, les chercheurs ont utilisé une approche en deux étapes. Premièrement, ils ont lancé un ensemble large de simulations en utilisant un modèle de trafic standard pour voir comment le camion se déplaçait à travers le flux de trafic. Ils ont testé huit scénarios différents, combinant été et hiver, jours de semaine et week-ends, et matin et soir. Lors de ces passages initiaux, ils ont suivi la vitesse du camion seconde par seconde. Les résultats étaient clairs : le moment de la journée était le facteur le plus important. Les scénarios du soir, spécifiquement entre 13 h et 21 h, produisaient des modes de conduite beaucoup plus erratiques que les trajets du matin. Pendant la soirée, le camion passait plus de temps à ralentir et à accélérer, entraînant des temps de trajet plus longs et des vitesses plus variables. Les trajets du matin, en revanche, montraient le camion se déplaçant de manière constante et fluide, un peu comme une voiture sur une route vide. La saison et le fait qu'il s'agisse d'un jour de semaine ou d'un week-end avaient un effet beaucoup plus faible, n'agissant que comme des ajustements mineurs au schéma principal établi par le moment de la journée.
Ayant identifié que le trafic du soir était le plus difficile, les chercheurs sont passés à leur deuxième étape, où ils ont appliqué un modèle beaucoup plus détaillé et plus coûteux en termes de calcul. Ils ont pris le scénario du soir le plus exigeant et le scénario du matin le plus efficace et les ont exécutés à nouveau, en couplant cette fois la simulation de trafic avec un modèle physique de haute fidélité d'un camion de classe 8 à batterie électrique. Cela leur a permis de voir non seulement à quelle vitesse le camion se déplaçait, mais aussi exactement quelle énergie la batterie utilisait pour le déplacer, quelle énergie était récupérée lors du freinage du camion, et avec quelle efficacité le camion transportait sa cargaison. Ils ont comparé ces résultats à une simulation de base où le camion parcourait le même itinéraire avec absolument aucun autre trafic sur la route.
Les résultats ont révélé que le trafic est une pénalité significative pour les camions électriques. Lorsque le camion circulait dans le trafic du soir simulé, sa consommation d'énergie par mile augmentait de 23 % à 53 % par rapport à la ligne de base de la route vide. Cela signifie que le camion avait besoin de nettement plus d'électricité pour parcourir la même distance simplement parce qu'il devait réagir aux autres véhicules. Par conséquent, l'efficacité du fret a chuté de 22 % à 37 %, ce qui signifie que le camion déplace moins de cargaison par unité d'énergie. Cependant, le trafic a également créé une lueur d'espoir pour la batterie. Parce que le camion devait freiner et ralentir plus souvent dans le trafic congestionné du soir, il a pu récupérer de l'énergie grâce au freinage régénératif. La quantité d'énergie récupérée a augmenté de 104 % à 165 % par rapport à la route vide. Malgré cette augmentation massive de la récupération d'énergie, cela n'a pas suffi à compenser l'énergie supplémentaire requise pour maintenir le mouvement du camion à travers les conditions d'arrêt et de redémarrage.
L'étude conclut que, bien que les camions électriques puissent récupérer une quantité surprenante d'énergie lorsqu'ils sont forcés de ralentir, le coût global de la navigation dans le trafic réel reste élevé. Les chercheurs ont constaté que le moment de la journée est le principal moteur de cette variabilité énergétique, les trajets de soirée étant beaucoup plus gourmands en énergie que les trajets du matin. Cela suggère que pour la planification du fret longue distance, connaître la distance ne suffit pas ; les opérateurs doivent tenir compte des conditions de trafic spécifiques auxquelles ils seront confrontés. Ce travail démontre que pour véritablement comprendre les besoins énergétiques du futur fret électrique, les modèles doivent inclure la réalité désordonnée des autres voitures sur la route, plutôt que de simplement supposer qu'un camion circule dans le vide. Les chercheurs ont noté que leurs résultats sont basés sur des simulations et que des travaux supplémentaires sont nécessaires pour valider ces chiffres avec des données réelles, mais l'étude offre un portrait clair et fondé sur des données de la façon dont le trafic façonne l'avenir énergétique du transport de marchandises lourdes.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.