Robostreet Flow：一种用于最低成本点对点货运的轻量、超低风阻电动牵引车与四车混合编队架构

arXiv cs.CL 论文
autonomous-trucking electric-vehicles convoy freight aerodynamics battery-electric level-4-automation

摘要

本文介绍Robostreet Flow，一种货运架构，结合了轻量电池电动牵引车与四车混合编队系统，通过降低空气阻力、减轻重量和分摊驾驶员成本，相比柴油基准将运营成本降低56%。

arXiv:2607.26250v1 公告类型：新 摘要：干线卡车运输成本主要由三个规模相近的组成部分构成：能源、驾驶员劳动和设备。大多数效率技术一次只解决一个部分。本文介绍Robostreet Flow，一种货运架构，该架构联合优化车辆、编队形式和运营模式，以最小化高运量点对点走廊上的每吨英里成本。Flow平台是一款电池电动6x4牵引车，采用泪滴形单座驾驶室，风阻系数为0.35，比传统Class 8牵引车低约40%。碳纤维复合材料单体壳和结构集成电池将净车辆重量减少了50%。513千瓦时的牵引车电池和340千瓦时的电动挂车电池提供单次充电500英里的续航里程。四辆Flow卡车作为协调编队运行，仅领头车辆配备安全驾驶员，其余三辆以SAE L4级自动驾驶模式运行。计算流体动力学模拟显示，在8米间距下紧密跟车可使跟随车辆的风阻系数降低42-48%，相较于暴露的领头车辆，跟随车辆的峰值正面压力降低约四倍。根据这些结果标定的纵向能量模型预测，编队平均能耗为1.27千瓦时/英里，而孤立车辆为1.60千瓦时/英里，节能20.5%。电力成本约为等效柴油燃料成本的17%。将一名驾驶员分摊到四辆卡车上，并考虑轻量化带来的额外有效载荷，运营成本从9.4美分/吨英里降至4.1美分/吨英里，相比柴油基准降低56%。还介绍了敏感性分析、枢纽间运营概念以及监管影响。
查看原文
查看缓存全文

缓存时间: 2026/07/30 09:56 

# Robostreet Flow：一种用于最低成本点对点货运的轻型、超低风阻电动牵引车与四卡车混合编队架构

来源：https://arxiv.org/abs/2607.26250
查看PDF（https://arxiv.org/pdf/2607.26250）

> 摘要：长途卡车运输成本主要由三个规模相近的部分构成：能源、驾驶员劳动力和设备。大多数效率技术一次只解决其中一个部分。本文提出Robostreet Flow，一种货运架构，它联合优化车辆、编队形成和运营模式，以在高流量点对点走廊上最小化每吨英里的成本。Flow平台是一款电池电动6x4牵引车，采用泪滴形单座驾驶室，风阻系数为0.35，比传统Class 8牵引车低约40%。碳纤维复合材料单体壳和结构集成电池使车辆净重降低50%。一个513 kWh的牵引车电池和一个340 kWh的动力挂车电池可提供500英里的单次充电续航。四辆Flow卡车作为协调编队运行，仅领头车辆配备安全驾驶员，而三辆跟随车辆以SAE Level 4自动驾驶模式运行。计算流体动力学模拟显示，在8米间隙下紧密跟随可将跟随车辆的风阻系数降低42-48%，并且跟随车辆的前部峰值压力相对于暴露的领头车辆大约降低四倍。根据这些结果校准的纵向能量模型预测，编队行驶的舰队平均能耗为1.27 kWh/英里，而单辆车辆为1.60 kWh/英里，节省20.5%的能量。电力成本约为等效柴油燃料成本的17%。将一名驾驶员分摊到四辆卡车上，并考虑轻量化带来的额外有效载荷，使运营成本从每吨英里9.4美分降至4.1美分，相对于柴油基线降低56%。本文还介绍了敏感性分析、枢纽到枢纽运营概念以及监管影响。

## 提交历史

来自：王伟 \[查看电子邮件（https://arxiv.org/show-email/a0586529/2607.26250）\] **\[v1\]** 2026年7月28日星期二 20:33:08 UTC（805 KB）

相似文章

@BenjaminDEKR: 这看起来真的很聪明。

X AI KOLs Following

Revoy 宣布完成 2700 万美元的 A 轮融资，用于推出美国首个混合电动且具有成本竞争力的长途货运网络，旨在降低托运商的柴油成本。

自驱动拖车有望实现更高效的货运

Hacker News Top

Nivalis Energy Europe 开发了一款自驱动拖车套件，配备电动轴、车顶太阳能板和电网充电功能，目前正在德国进行商业道路测试，预计每年可节省高达7000升柴油。

OverFlowLight: 城市交叉口实时交通阻塞预防与信号优化

arXiv cs.LG

OverFlowLight 是一个实时框架，通过利用多模态感知检测排队溢出，并借助基于规则与强化学习（RL）的混合控制器插入专用溢出相位，从而预防交通阻塞。该系统已在 43 个交叉口部署，将溢出事件减少 60.4%，并将网络吞吐量提升 18.2%。