山东交通学院的黄健畅老师这回搞出了个大动静，他把实验室搬到了济南的马路上，跟北京交通大学、山东警察学院的同事们一块儿，在《IEEE Transactions on Transportation Electrification》这本顶刊上发了篇论文。这个杂志可是中科院一区Top，影响因子IF 8.3，CiteScore更是高达12.5。论文的题目叫《A Four-Factor Fundamental Diagram Model for Autonomous Vehicles: Flow, Speed, Density, and Energy》，直接给自动驾驶能耗建模开了条新路。 大家都知道传统的交通流模型通常只看流量、速度和密度这三要素，现在自动驾驶掺和进来以后，光靠这老三板斧根本没法解释能耗怎么变了。这篇文章最大的突破就是把“能量”拉进了核心圈子，弄出了个“流-速-密-能”的四因子模型。他们发现在混行场景下，车辆控制方式变了，跟车的动作也变了，交通流的结构随之大变样。这种结构的变化反过来又会让能耗的生成和演化变得更加复杂。 最有意思的是，这个模型能帮咱们一眼就看出为啥混行反而更耗能。以前大家想省油，眼睛只盯着单辆车的效率；现在看整体才知道，同一断面里的车越多，平均能耗率反而可能不降反升。而且只要密度超过了某个关键点，人工驾驶的车因为频繁刹车会消耗掉大量的能量。虽然自动驾驶的车加速很平稳能降低瞬间油耗，但因为跟车距离变长了，反而把整体能耗给抬高了。 这套理论的价值就在于它能用一套统一的公式把这四个图叠在一块儿看。不管是后面的节能管理还是充电站怎么布局、车辆调度策略怎么定，都能从中找到量化依据。接下来团队的计划是把天气、地形这些环境因素也加进来，让模型更通用；还打算利用车路协同的数据实时算能耗密度，实现路段级的动态调度；甚至会设计可插拔的模块让不同类型的车秒级接入。等到以后自动驾驶的车越来越多，“流-速-密-能”这四因子估计就成了大家讨论交通能源管理的通用语言了。