Influences on Energy Savings of Heavy Trucks Using Cooperative Adaptive Cruise Control
Notice bibliographique
Résumé
An integrated adaptive cruise control (ACC) and cooperative ACC (CACC) was implemented and tested on three heavy-duty tractor-trailer trucks on a closed test track. The first truck was always in ACC mode, and the followers were in CACC mode using wireless vehicle-vehicle communication to augment their radar sensor data to enable safe and accurate vehicle following at short gaps. The fuel consumption for each truck in the CACC string was measured using the SAE J1321 procedure while travelling at 65 mph and loaded to a gross weight of 65,000 lb, demonstrating the effects of: inter-vehicle gaps (ranging from 3.0 s or 87 m to 0.14 s or 4 m, covering a much wider range than previously reported tests), cut-in and cut-out maneuvers by other vehicles, speed variations, the use of mismatched vehicles (standard trailers mixed with aerodynamic trailers with boat tails and side skirts), and the presence of a passenger vehicle ahead of the platoon. The results showed that energy savings generally increased in a non-linear fashion as the gap was reduced. The middle truck saved the most fuel at gaps shorter than 12 m and the trailing truck saved the most at longer gaps, while lead truck saved the least at all gaps. The cut-in and cut-out maneuvers had only a marginal effect on fuel consumption even when repeated every two miles. The presence of passenger-vehicle traffic had a measurable impact. The fuel-consumption savings on the curves was less than on the straight sections.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».