《Sustainability》:Environmental Learning Pathways to Pro-Environmental Intentions and Reported Behaviors Among Indigenous Youth in Thailand: A Mixed-Methods Study
编辑推荐:
本论文系统综述了人工智能(AI)驱动实践在公路货运脱碳(RFT)中的应用。RFT场景日益复杂,深度脱碳挑战依然严峻。AI驱动实践被视为变革前沿和应对这些挑战的关键路径。然而,相关研究主要局限于单一学科背景,这可能阻碍该领域在设计多样化解决方案和探索多运输阶段协
本论文系统综述了人工智能(AI)驱动实践在公路货运脱碳(RFT)中的应用。RFT场景日益复杂,深度脱碳挑战依然严峻。AI驱动实践被视为变革前沿和应对这些挑战的关键路径。然而,相关研究主要局限于单一学科背景,这可能阻碍该领域在设计多样化解决方案和探索多运输阶段协同脱碳机制方面取得实质性进展。本综述遵循SPAR-4-SLR协议,对227篇文章进行了文献计量分析和科学图谱绘制。绩效分析显示,过去十年间出版物呈指数增长,尤其是近三年。文献耦合识别出八个知识集群,包括动力总成能量管理、战略车队电气化、多式联运走廊规划以及物理信息协同优化,共同证明了该领域从孤立的车辆级效率提升向系统集成脱碳架构的全面转变。跨集群分析揭示了成熟集群边界处的结构整合缺口,据此提出了针对RFT不同阶段的特定未来研究机会。研究发现,关键进展将来自将AI驱动需求预测、动力总成控制和排放核算耦合到端到端协同优化框架中,而非继续单一技术的改进。
**1. 引言**
公路货运脱碳是全球优先事项,但政策雄心与实施效果之间存在差距。现有研究广泛探索了能源和燃料技术,但传统化石燃料仍将是主要能源。人工智能(AI)被视为深度脱碳的变革驱动力,但其系统级作用尚未充分综合。文献存在五个关键缺口:理论缺口(技术中心视角,缺乏社会技术转型理论)、知识整合缺口(跨学科碎片化)、方法论缺口(案例和模拟研究缺乏普适性)、实践实施缺口(单点应用,缺乏可互操作框架)以及政策治理缺口(忽视监管框架和基础设施准备)。本研究采用文献计量驱动的系统文献综述(SLR)来整合碎片化知识,识别结构模式,并提出AI在RFT脱碳中的系统级理解,旨在绘制研究趋势、识别关键贡献者和知识结构,并检验AI增强脱碳成果的作用。
**2. 综述方法论**
本研究遵循SPAR-4-SLR协议,包含三个阶段:组装(Assembling)、整理(Arranging)和评估(Assessing)。组装阶段定义研究问题,识别数据源(Scopus和WOS),并构建结构化搜索字符串,初始获得808篇文章。整理阶段应用严格纳入和排除标准(语言:英语;文献类型:期刊文章;质量阈值:CiteScore和JCR分区中Q1和Q2区;主题相关性:同时涉及RFT、脱碳和AI),最终获得227篇高质量研究。评估阶段采用文献计量技术,包括绩效分析和科学图谱,以系统检验发表趋势、知识结构和合作网络。使用VOSviewer进行关键词共现和聚类分析。
**2.1 组装**
识别和获取是第一部分的两个步骤。研究问题包括:AI驱动实践在RFT脱碳研究中的发表趋势、最具影响力的期刊/作者/国家/机构、知识集群以及未来研究机会。数据源选择Scopus和WOS数据库,并采用CiteScore和JCR分区进行质量控制。搜索字符串分为三组:RFT场景、脱碳目标、AI驱动实践,使用布尔逻辑和通配符构建。检索于2026年5月18日进行,收集2017-2026年的出版物,共获得808篇文章。
**2.2 整理**
整理步骤包括组织和纯化。组织步骤确定纳入维度:语言、类型、主题和影响。纯化步骤移除非英语和非文章记录、缺失数据记录和重复记录,剩余506篇用于筛选。进一步排除不符合质量控制的45篇,无法获取的39篇,以及不同时涵盖三个方面的195篇,最终纳入227篇研究。
**2.3 评估**
评估步骤包括评价和报告。评价步骤使用Bibliometrix-R和VOSviewer进行文献计量驱动定量分析,包括绩效分析(描述性)和科学图谱(共著分析、关键词共现、文献耦合),以回答研究问题。报告步骤通过图形、表格和叙述呈现结果。
**3. 描述性绩效分析**
**3.1 按年份的发表趋势**
从2017-2019年每年平均3篇,到2020年11篇,2022年后持续上升,2024年36篇,2025年达到60篇,2026年截至5月18日已有53篇。这种激增主要由宏观政策授权(如欧洲绿色协议)和技术突破(如深度强化学习)驱动。
**3.2 按期刊的发表状态**
文章来自109种期刊,主要集中于三个支柱:可持续性与环境(MDPI《Sustainability》16篇)、交通运输(Elsevier《Transportation Research Part D》13篇)以及核心能源与工程系统(《Energy》13篇)。
**3.3 按文章的发表状态**
列出11篇被引超过100次的文章,反映了三个研究趋势:基于无人机最后一公里配送的生态效率评估、车队管理的算法应用(如深度学习和强化学习优化卡车编队和电动车充电),以及从技术性能转向社会技术可行性(公众接受度)。
**3.4 按作者的发表状态**
40位作者贡献了两篇以上论文,其中9位贡献了三篇。这些高产作者关注三个互补维度:微级智能与组件控制、动力总成与动力学协同优化、宏观物流运营与环境评估。
**3.5 按国家的发表状态**
中国(82篇)和美国(26篇)作为第一梯队;意大利(16篇)、瑞典(11篇)、德国(10篇)等为第二梯队;第三梯队由32个国家组成,每国贡献少于5篇。
**3.6 按机构的发表状态**
机构分布呈现“东亚-欧洲-美国”三极格局。中国机构(清华大学、同济大学、长安大学等)主导数量,欧洲和美国机构(卡内基梅隆大学、查尔姆斯理工大学)在车辆工程、运营与物流网络系统以及实证评估方面各有侧重。
**4. 三角测量下的科学图谱**
**4.1 通过共著分析的协作网络**
识别出三个明显的合作组:希腊国家技术大学团队(无人机最后一公里配送)、Najam Iqbal等(混合动力重型车辆能量管理)、Yong Peng等(无人机配送与车辆-无人机协作)。
**4.2 通过关键词共现网络的知识集群**
关键词共现网络形成五个集群:集群1(碳排放,57次)聚焦AI驱动自动化在公路货运和城市物流中的减排;集群2(商用车,50次)关注电动车工程和算法能量管理;集群3(车辆,51次)研究最后一公里物流和多模式车队路径优化;集群4(优化,46次)关注数据驱动优化和智能控制框架;集群5(电动汽车,76次)聚焦智能供应链中的能量动力学算法建模。叠加可视化显示研究从早期局部动力总成效率(2023.0)向系统脱碳和先进计算智能(2024.5+)的演化轨迹,前沿方向包括无人机物流和深度强化学习。
**4.3 通过文献耦合的知识集群**
文献耦合识别出八个知识集群:
- 集群1(智能电气化货运,34篇):构建从微级动力总成能量估计到宏观多模式调度和电网集成基础设施运营的多层计算框架,包括微观能量建模、多模式无人共路径和电网集成物流。
- 集群2(无人与自主物流,33篇):聚焦无人和自主配送系统在城市最后一公里物流中的运营执行与环境评估,包括生命周期评估、天气感知元启发式优化以及多模式集成。
- 集群3(战略车队电气化与政策转型,26篇):评估替代燃料和自主商业货运的宏观战略规划、生命周期可持续性和社会政治可行性,包括市场偏好、基础设施选址和生命周期评估。
- 集群4(车辆动力总成控制与能量管理,26篇):聚焦混合动力和电动商用车辆的微级能量管理策略、实时控制参数优化和动力总成系统配置,包括智能电荷分配、多源混合动力总成协同和微电网集成。
- 集群5(区域多模式走廊与脱碳路径,23篇):评估宏观多式联运走廊选择、港口集疏运网络和区域货运脱碳转型路径,包括多式联运路径规划、碳峰值路径和可扩展充电基础设施。
- 集群6(生态高效城市配送与排放建模,17篇):探索智能城市配送网络中的生态效率基准、动态排放建模和车辆-基础设施交互,包括生命周期排放基准、时间依赖污染路径和系统交互。
- 集群7(卡车编队与连接自动化,17篇):探索卡车编队和自动化货运车辆的协作控制系统、动态运营调度和数学优化,包括协同巡航控制、战略编队形成和三维低空自动化路径。
- 集群8(物理信息学习与多领域协同优化,16篇):整合数据驱动机器学习与物理车辆动力学,实现多领域协同优化、排放跟踪和生命周期维护建模,包括物理信息机器学习和多领域协同优化、高分辨率排放预测和替代燃料维护经济性。
**4.4 未来研究机会**
根据RFT业务场景(收集、转运、运输、配送),提出各阶段未来研究方向:
- 收集阶段:开发数据驱动预测模型预测街道级需求,以及将生命周期评估延伸至供应链源头以进行Scope 3碳核算。
- 转运阶段:开发联合调度模型协同优化货物分拣、车辆离港和枢纽充电分配,并将排放核算边界延伸至转运节点内部。
- 运输阶段:耦合集群7的编队分配算法与集群8的实时车辆状态,并利用真实运营数据重新校准集群3的投资和政策模型。
- 配送阶段:耦合集群6的随机需求模拟与集群2的元启发式路径架构,并评估公交集成部署如何改变运营商采纳障碍。
**4.5 研究贡献**
理论上,将AI重新定位为系统级脱碳推动者;方法上,应用SPAR-4-SLR协议和文献耦合;知识整合上,将碎片化研究整合为八个连贯集群;实践上,提供具体规模化路径;政策上,揭示监管协调和基础设施准备是约束条件。
**5. 结论**
本定量系统文献综述,遵循SPAR-4-SLR协议,通过绩效分析和三角测量科学图谱,绘制了227篇文章中AI驱动实践在RFT脱碳中的知识结构。绩效分析显示学术产出呈指数增长,地理上中国和美国是双引擎。文献耦合识别出八个知识集群,揭示从单技术验证向系统集成创新的转型。跨集群分析暴露了结构性整合缺口,包括物理信息控制器与网络级编队算法缺乏耦合、真实运营退化数据被排除在宏观车队转型模型之外等。这些缺口构成了未来研究的最富有成效的前沿。本研究在理论、方法、知识综合、实践和政策方面做出了贡献。局限性包括:文献计量驱动定量综述无法深入探究因果机制;关注AI驱动实践排除了其他维度;样本限于Scopus和WOS的Q1和Q2区期刊文章,可能存在发表偏倚;排除非英语出版物可能遗漏相关研究。未来综述应拓宽来源,纳入定性综合,并采用多学科视角。