MétaCan
Menu
Retour à la cohorte
Enregistrement W4365141183 · doi:10.4271/2023-01-0950

Simulating Traffic-wake Effects in a Wind Tunnel

2023· article· en· W4365141183 sur OpenAlexaff
Brian McAuliffe, Hali Barber

Notice bibliographique

RevueSAE International Journal of Advances and Current Practices in Mobility · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésWakeAerodynamicsWind tunnelDragWind speedCrosswindTraffic flow (computer networking)Aerodynamic dragTurbulenceHeavy dutyMarine engineeringMeteorologyAutomotive engineeringEngineeringAerospace engineeringComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">Road-vehicle platooning is known to reduced aerodynamic drag. Recent aerodynamic-platooning investigations have suggested that follower-vehicle drag-reduction benefits persist to large, safe inter-vehicle driving distances experienced in everyday traffic. To investigate these traffic-wake effects, a wind-tunnel wake-generator system was designed and used for aerodynamic-performance testing with light-duty-vehicle (LDV) and heavy-duty-vehicle (HDV) models. This paper summarizes the development of this Road Traffic and Turbulence System (RT<sup>2</sup>S), including the identification of typical traffic-spacing conditions, and documents initial results from its use with road-vehicle models.</div><div class="htmlview paragraph">Analysis of highway-traffic-volume data revealed that, in an uncongested urban-highway environment, the most-likely condition is a speed of 105 km/h with an inter-vehicle spacing of about 50 m. Probability distributions for spacing and road speed were used to identify a range of suitable inter-vehicle spacings to target for wake conditions. Combining these data with previous research activities that examined the characteristics of road-vehicle wakes, three phases of development for the RT<sup>2</sup>S were undertaken in multiple wind tunnels leading to a system using porous grids and sets of vertically-oriented vanes. Specific grid and vane combinations generate wake shapes, wind-speed deficits, flow-angularities, and turbulence representative of every-day traffic wakes. Lateral positioning of the system and rotation of the vanes provide wake positioning and flow characteristics representing a variety of wake-in-crosswind conditions, while being able to effectively change the lane of the wake-source vehicles.</div><div class="htmlview paragraph">The results of two experiments are presented to document the influence of traffic wakes, via application of the RT<sup>2</sup>S, on the aerodynamic performance of road vehicles. First, measurements are presented based on the use of a prototype version of the system with a 15%-scale DrivAer fastback model. Drag reductions from 10% to 31% and side-force-coefficient reductions in excess of 50% were observed for the DrivAer model, relative to uniform-flow conditions, for the 13 specific wake-like conditions replicated. The second set of experiments applied the final RT<sup>2</sup>S design to testing of a 30%-scale tractor-trailer HDV model, which showed drag reductions as high as 15% for an HDV-wake configuration, with drag reductions of 2% measured for a compact-sedan-wake at 50 m effective forward distance, relative to uniform winds. For both sets of experiments, examining wake effects on LDV and HDV models, changes in aerodynamic performance are attributed in large part to reductions in effective dynamic pressure, but surface-pressure measurements indicate that flow-angularity variations also play a role in crosswind conditions.</div></div>

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,241
Score d'incertitude au seuil0,375

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,370
Écart entre enseignants0,347 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAE International Journal of Advances and Current Practices in MobilityMême sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207