SH|德国德累斯顿⼯业⼤学评估自动驾驶汽车数据传输中的碳排放

引用格式: Oosterhout, R., Striekwold, P., Wang, M. 2024. On data-induced CO2 emissions of vehicle automation: An overlooked emission source. Sustainable Horizons 9, 100082.

近期，来自德国德累斯顿⼯业⼤学的王猛教授团队在 Sustainable Horizons 上发表研究文章，对自动驾驶车辆数据传输过程产生的碳排放进行讨论。文章提供了一种确定数据传输相关碳排放的核算方法，剖析了传感组件、计算平台、⻋内磁盘、⽆线通信⽹络和数据中⼼的能耗所产⽣的碳排放。文章还建议进⼀步优化⻋辆通过⽆线通信⽹络连接到数据中⼼的能耗。

公众对⽓候变化的担忧导致交通领域采取了更严格的措施，以实现可持续发展⽬标的减排要求。相对于2021年0.109千克/公⾥的标准，到2025年，汽车⼆氧化碳排放量必须减少15%，到2030年则必须减少37.5%。这些新的标准符合欧洲轻型车辆排放标准和世界统一轻型车辆测试程序（Worldwide harmonized Light vehicles Test Procedure, WLTP）

当前，道路⻋辆技术的一大发展趋势是⾃动化。⾃动驾驶汽⻋利⽤先进传感器的信息来了解驾驶环境并做出决策，具体机制如图一所示。这项技术目前正高速发展并逐步应用在实际生活中。

一般认为，自动驾驶车辆能够减少碳排放，因为它包括⾃动驾驶共享、⽣态路线和⽣态驾驶等先进系统。然而，自动驾驶车辆实上会产生更多的碳排放，并且这部分碳排放并不在WLTP等技术规范的考虑范围之内。因此，了解⻋辆⾃动化引起的额外⼆氧化碳排放量并将其与WLTP规范进⾏⽐较，以调查该规范是否仍然可以实施是⾄关重要的。

本研究开发了⼀个计算模型，以估算不同场景下自动驾驶车辆产生的碳排放。瞬时⼆氧化碳排放率与空间⼆氧化碳排放率之间存在区别。瞬时⼆氧化碳排放率与⾏驶速度⽆关，⽤于评估哪个数据诱发的排放源对最终排放的影响最⼤；空间⼆氧化碳排放率则⽤于与未来⻋辆的排放标准进⾏⽐较。数据诱发排放分为内部和外部两个⽅⾯，具体判断结构如图二所示。

本研究设计了6种不同的场景，包括2018年、2030年、2050年三个时间节点以及两种不同的自动化程度，并对不同场景下的自动汽车碳排放进行了估算和比较。