现有研究通过真实车辆测试实验、仿真模拟实验以及规划数值实验等方法，证明了货车组队在燃料与排放、劳动力成本方面具有显著的潜在效益。然而，实现大规模效益依赖于有效的组队协调与规划方法，需要针对应用场景持续开发更加符合现实大规模路网应用的模型与算法。未来可基于数字孪生技术和实测数据更为真实地揭示其交互影响。

　　随着智能网联汽车技术的持续发展，基于协同自适应巡航控制系统和V2V通信的货车组队技术，使得车辆能够虚拟地连接为队列行驶。这一技术显著降低了车队中车辆的燃料消耗和二氧化碳排放，为实现公路货运的节能减排目标提供了新的思路。

　　现有研究通过真实车辆测试实验、仿真模拟实验以及规划数值实验等方法，证明了货车组队在燃料与排放、劳动力成本方面存在较为显著的潜在正向效益，但大规模潜在效益的实现依赖于有效的组队协调与规划方法，需要针对应用场景持续开发更加符合现实大规模路网应用的模型与算法。同时，货车组队对于交通效率与安全、道路基础设施的影响仍存在较大争议，需进一步深入探索。未来，可以基于数字孪生技术和实测数据，更真实地揭示其交互影响。

　　随着智能网联汽车技术的持续发展，基于协同自适应巡航控制系统的货车组队技术为公路货运节能减排目标的实现提供了新的思路。通过CACC和V2V通信技术，货车组队技术使车辆虚拟地连接在一起，保持低间距列队行驶，大大减小队列中车辆受到的空气阻力，从而显著减少车辆的燃料消耗和二氧化碳排放。车辆测试实验表明，相比于单独行驶，货车组队行驶能减少车辆约16%的碳排放量，节约10%的燃料消耗。同时，货车组队行驶也被视为自动驾驶技术早期阶段最可能的实践方式，考虑到日益成熟的自动驾驶技术，货车队列中的跟随车可能不再需要司机驾驶，从而显著降低货车的运营成本。此外，由于组队技术具有低间距、低延迟和高同步等特性，货车组队行驶还具有提升道路利用率、交通效率与安全的潜在效益。

　　鉴于货车组队技术存在巨大的潜在效益，世界各大卡车制造厂商和科技公司纷纷着手开发适合其产品的组队技术。随着服务于货车组队的CACC、V2V通信、协同驾驶和队列协调等技术的不断完善，以Peloton（美国）、Scania（欧洲）、丰田通商（日本）、东风商用（中国）和现代商用（韩国）为代表的公司先后宣布已具备货车组队行驶的技术条件并成功开展了道路车辆组队行驶测试实验。由此可见，货车组队在基础技术方面已趋向于成熟阶段，在不久的将来，货车组队技术将逐渐进入市场应用阶段。

　　自20世纪80年代以来，以美国为首的欧美发达国家围绕货车组队效益开展了多项具有重要影响力的项目，其中以PATH和CHAUFFEUR为代表的早期项目主要致力于开发提升交通效率与安全的队列V2V通信以及协同驾驶技术，随后的KONVOI、EnergyITS以及SARTRE等项目重点关注队列协调以及不同实验条件下燃料与排放效益的测试，而近几年开展的COMPANION、GCDC以及欧洲卡车组队挑战赛更多地偏向于组队技术在现实交通中的实践能力和实际效益。

　　燃料节约是货车组队技术带来的最直接和最重要的效益，相对于单独行驶，组队行驶显著降低了车辆的燃料消耗和尾气排放。现有研究通过真实车辆测试实验、仿真模拟实验以及规划数值实验三大类方法进行了持续探索。

　　为了估计组队技术可能带来的劳动力成本节约，学者们通常利用规划数值实验方法将单独行驶情境下的司机成本与组队情境下的司机成本进行对比分析。此外，学者们还考虑了货运服务时长约束，欧盟强制规定货运司机每天最长驾驶时间为9小时，且要求司机在驾驶4.5小时后必须进行至少45分钟的短暂休息，在驾驶9小时后必须进行长时间休息。当组队技术应用于货运时，这类服务时长约束得到一定程度的松弛，使得货车到达目的地时间提前，货运效率提高，从而间接降低了劳动力成本。然而，当参与车辆数和队列长度提升时，这类时间表问题变得尤为复杂，需要进行细致规划。

　　货车组队与自动驾驶技术的有机融合能显著减少货运任务对于司机的数量以及驾驶任务专注度的需求，大幅度节约劳动力成本，从而有效减少货车运营成本。

　　货车组队技术对于道路交通的影响尚无定论，研究货车组队对道路交通的潜在影响对于技术的前期实际应用和政策规划具有重要意义。学者们主要采用仿真模拟实验方法，基于元胞传输模型和流体排队模型的仿真实验，进行道路通行效率和交通安全两方面的讨论。

　　就道路通行效率而言，组队行驶的车辆相对于分散行驶的车辆具有更低的车头时距，能够在一定程度上增加道路容量，从而提升通行效率。此外，当更多的车辆选择组队行驶时，由于队列行驶具有高度同步性，道路整体交通流相对未应用组队时具有更好的同质性和稳定性，从而使得交通更加流畅。

　　就道路交通安全而言，货车组队技术可能带来的积极影响主要体现于3个方面：首先，货车组队增加了整体交通流的同质性，组队后的货车队列通常不会出现较大的速度变化，减少了道路中的换道超车行为，提高了整体道路交通安全；其次，组队后的车辆一般以限速范围内的速度行驶，整体减速效应也在一定程度上降低道路交通事故发生率；最后，当自动驾驶技术足够可靠时，组队技术与之结合将会显著减少人为误操作。

　　从负面影响方面来看，组队行驶的车辆具有较小的车头时距，当出现内部通信以及外部干扰时，由于制动空间不足，极易导致后车追尾事故。组队行驶的队列长度显著高于个体车辆，编组、解组、换道、爬坡以及转弯等行为将变得更加困难，且在一定程度上影响周围其他车辆的交通行为，从而存在较大安全隐患；此外，组队行驶时跟随车司机由于驾驶任务的减轻可能会精力分散，且跟随车以及队列周围个体车辆的驾驶视野可能会被队列遮挡，容易导致碰撞事故，尤其是在转弯道路上。

　　货车组队技术在为交通环境带来诸多效益的同时，也可能对交通基础设施造成一定的损伤。相比于车辆单独行驶场景，当多个车辆以更低的车头时距组队行驶时，道路将承受更加频繁和集中的负荷，从而使道路性能下降，维护成本显著升高。

　　已有研究表明，货车组队在燃料与排放、劳动力成本方面存在较为显著的潜在正向效益。然而，货车组队对交通效率与安全、道路基础设施的影响却存在正负两方面的争议，亟需进一步深入探索。未来，可基于智能公路和数字孪生系统获取道路实测数据，从而更深入地分析货车组队技术对交通效率、安全以及道路基础设施影响之间的深刻交互关系。

　　在货车组队技术实施的早期阶段，道路中配备该技术的车辆较少且个体车辆之间存在一定的时空差异性，仅依靠车辆之间通信自发地形成队列难以获得可观的效益。因此，需要对道路网络中的车辆进行协调规划，为个体车辆提供合理的组队方案，从而最大化车辆组队几率与整体效益。一个组队方案通常包括：个体车辆属于哪一个队列，处于队列中哪一个位置；车辆在何时去何处组成队列；个体车辆以及队列的行驶路径；个体车辆组队后预期效益。

　　除了在不同情境下存在不同的组队规划模式，所有情境又均存在多个货车个体参与组队的多主体决策下组队机制和维持稳定性的问题，需要对货车组队的利益分配开发相应关键技术。本文根据组队规划模式和关键机制，分为计划组队、实时组队、机会组队和组队利益分配四大关键技术来予以综述。

　　在计划组队模式下，通常存在一个组队服务提供商（PSP），其提前获取系统中车辆的OD点、预期出发时间、车辆配置等信息。通过优化计算，PSP能够确定所有车辆的行驶路径、时间安排以及匹配队列，从而形成最优的组队方案。根据涉及的建模方法、规划内容、目标函数欧宝体育运动健康、约束条件、求解算法、组队情境以及最大案例规模，现有研究主要基于混合整数规划（MIP）进行建模，也有采用博弈论和数据挖掘方法。

　　优化的目标通常包括燃料消耗、人员成本、等待成本、偏离计划惩罚等，而燃料消耗是其中最重要的组成部分。在模型中，考虑的约束条件重点体现于车辆路径、队列组成、任务时间窗、服务时长政策、速度等因素。本文将相关研究分为固定路径计划组队和非固定路径计划组队两大类展开论述。

　　货车固定路径的设定符合企业运输的特性，在现实运输场景中，大型物流运输公司通常具有固定的业务合作和运输线路，货车司机需要在规定的时间范围内沿给定的路线到达目的地。如图所示，由于固定了车辆的行驶路径，PSP不再需要为车辆提供路径规划，转而通过提前获知的时间信息制定最优时间表的方式进行队列匹配，从而简化了组队规划的复杂度。

　　在此类研究中，一些条件设定对规划建模和求解有着重要影响，主要包括：货车路径是否相同？车辆配置是否相同？货车是否拥有异质速度？队列大小是否有严格限制？就货车的路径设定而言，如上图所示的车辆具有完全相同的路径是一种理想的情况，组队规划中无须考虑车辆OD点的影响，从而转化为一个最优时间表规划问题。

　　虽然固定路径的假设符合部分现实情况，但此设定仍然很大程度地限制了货车组队的灵活性，致使组队的成功率不够理想，且运输商/个体车主具有多样化需求，去除路径限制更加符合现实情况。如图所示，适当地改变路径能够使原本不具有重叠路径的车辆共享部分行程，从而节约燃料消耗，但为了完成组队，部分车辆需要偏离最短路径。

　　由此，PSP不仅需要提供时间和速度规划，还必须结合路径规划才能为系统中的车辆提供最优组队方案，这使得问题复杂性急剧上升，成为了目前组队规划研究的难点。

　　计划组队成功实施的前提是所有车辆的精确信息均被PSP提前获知，然而，在现实环境中，车辆可能会不断地进入/退出系统，系统状态的改变也可能导致之前的规划方案不再是最优的，这种不确定性增加了决策过程的复杂性。如图所示，组队枢纽需要实时掌握车辆的位置、速度和时间等信息，在出现动态情况时以尽可能短的时间计算出最优方案并及时告知车辆。

　　近年来，实时组队开始受到学者们的关注，此类研究多以分布式控制的方式进行，按照主要的规划内容可以分为基于速度调节的实时规划和基于时间-路径的实时规划两类，采用的优化机制主要包括基于时间的触发机制（TBT）和基于事件的触发机制（EBT）。基于速度调节的实时规划通常假设车辆具有固定路径，系统主要基于EBT机制采用速度调节策略实现组队车辆的时空同步，其中速度调节策略包括后车加速、前车减速以及两者相结合的混合策略。考虑到货车行程信息的动态性，未来可结合货运需求、货车位置以及行程时间的预测和现实需要以尽可能真实地刻画实时组队情境下的不确定性。

　　机会组队是实时组队的特例，其强调将车辆看作独立个体，且车辆在行驶时已经具备空间临近特性及成熟技术配备（良好组队机会），二者是否组队或如何形成队列不需要第三方系统规划，仅需车辆之间实时信息交流即可完成。由于存在这种自发性，机会组队也被称为自发组队。

　　在宏观层面，现有研究以探索大型网络下机会组队的可能性和潜在效益为主。这类研究通常基于一定的时空判定规则，从大量的车辆轨迹数据中挖掘可能存在的组队机会，并量化为燃料节约效益。研究方法通常利用地图匹配算法识别车辆的行驶路径，并通过特定的判别条件聚类识别自发组队机会。这些判别条件主要包括空间半径（0.1~0.5km）、速度差异（5km/h）、持续时间（2个时间戳间隔）和行驶路段。

　　货车组队行驶能带来显著的燃料节约效益，但不同位置的车辆的收益具有显著差异，尤其是队列首车与跟随车之间，队列首车总是获得最少的收益，若考虑等待成本，首车的收益甚至可能为负。因此，如果没有合理的利益分配机制，几乎没有车辆愿意成为队列的首车，从而导致组队技术无法实现其潜在效益。

　　针对这一突出问题，学者们通常将组队看作合作/非合作博弈过程，设计相应的机制尽可能为所有车辆公平地分配效益。常见的利益分配方法有4种：均分模型，即随机选择首车，跟随车支付相同金额补偿首车使各车辆利益均衡；积分系统，即选择积分最少的车辆作为首车，在组队后，首车积分增加，跟随车积分减少；市场模型，即先将车辆集分为卖方（首车集合）和买方（跟随车集），买方可以自行选择跟随的首车；合作组队，即假设所有车辆愿意合作，接受中央的调度。

　　战略规划层：针对交通网络的物理结构进行长期规划以适应货车组队的实施，例如新增道路和道路基础设施，通常规划周期为数年。

　　战术规划层：针对服务网络进行中期规划以适用于物流需求和货车出行模式，例如组队枢纽点选址，通常规划周期为数月至数年。

　　运作规划层：针对具体的组队服务进行短期规划，以满足消费者需求。服务层以组队即服务（PaaS）平台的模式，为不同的企业、个体货车主、司机等消费者提供综合组队服务。PaaS平台以货车组队为核心，涵盖货物运输、共享集货、车辆组队、利益分配等服务，规划周期通常为数小时至数天。系统层以集中式或分布式的方式，为某一范围内的车辆提供路径、时间表或速度优化方案。规划周期通常以分钟计算；队列管理层需要按照系统层的规划进行动态队列管理，例如队列合并、解散或加减速操作，规划周期通常以秒计算。车辆层是动作指令执行层，车辆在高精度通信设施的支持下，需迅速（数毫秒范围内）做出正确的动作反应，例如加减速、刹车、转弯等操作。

　　货车组队的节能减排效益实现依赖于有效的组织规划模式，以便多个货车在特定位置集结形成队列。在确保与货车已有出行计划不相冲突的条件下提供动态实时的组队行程规划。其高效实施的前提：大规模货车参与组队、存在完善的货车组队服务基础设施条件以及科学的组队行程规划方法。

　　然而，我国公路货运市场有其独有的特性，在我国公路货运业3000多万货车司机中，近90%为个体散户，货运运营主体高度分散化，货运业务也以小批量、离散化为主，个体货车难以集中调度，并且个体货车在不同时空路网下与组队服务之间的适应性和耦合机理尚不明确，无法有效吸引个体货车参与组队服务。

　　在当前现状之下，针对中国货运市场的货车组队模式可以视为L1或L2场景下多个决策主体参与的货车组队。为实现最大化节能减排效益，应融合计划组队、实时组队和机会组队的优点，对货车组队模式予以研究和设计。

　　机会组队：利用其不干扰货车原有出行计划的优点，从大规模个体货车轨迹数据中挖掘个体货车出行蕴含的多车同时空交互现象。根据数据中的聚合热点，进一步挖掘我国道路交通网中适合组队行驶的路段、路径和集散点，并规划货车组队服务设施。

　　实时组队：借助其动态性和大规模组队的可实现性，发展智能公路、车路协同、辅助驾驶和自动驾驶技术，对货车组队时车队的微观控制问题进行深入研究。

　　计划组队：依托其稳定性和优化决策所带来的潜在效益，构建目标函数，以最小化燃油消耗、碳排放和劳动力节约，同时最大化交通效率与安全，并最小化道路基础设施损坏等多项效益目标。基于此，构建优化模型和高效算法，为货车组队提供合理可靠的路径规划和组队行程规划。

　　利用组队利益分配技术，为我国货车组队系统设计公平、有效的利益分配机制，实现车队参与者与整体效益的优化和均衡。

　　车辆测试实验已证明，货车组队技术的应用将为个体车辆及队列带来显著的经济及环境效益。然而，这类研究通常在封闭试验场或无车道路等“单纯”环境下进行，极大程度地忽略了外界的干扰，其研究结论无法直接推广于大规模交通网络中。目前，大规模组队效益估算研究通常假定理想的条件，例如车辆均为无人驾驶、自由流交通状态、所有道路均可组队等，此类假设缺乏现实性考虑。未来需要进一步考虑诸如拥堵、队列合并/解散、其他车辆干扰以及可组队道路等因素。

　　同时，基于真实货运数据的大规模网络组队效益研究尚处于初探阶段。未来需要开发精细化仿真模拟与多层优化策略相结合的方法，融合货运大数据实现更加可靠的整体效益估计。此外，当货车组队技术应用于现实环境中时，常见货运集散点的运作（如港口码头、铁路货场、航空货站等多式联运衔接点）的运作也会受到影响。目前，关于具体货运场景下组队效益估算的相关研究尚显不足。未来可在考虑货车组队的特征的基础上，结合多式联运场景的真实货运数据，定量分析货车组队带来的运作效率提升/下降、装卸成本节约/上升、碳排放减少/增加等影响。

　　在技术应用的早期阶段，有效的协调规划是货车组队技术在现实情境中实现潜在效益的必要前提。目前，基于运筹优化模型的协调规划是主流方法。

　　为了简化模型，绝大多数研究制定了如同质司机、虚拟队列汇集/解散点、提前精确获知车辆信息等假设条件。然而，货车司机、组队汇集/解散点、车辆信息等假设与现实情况存在较大差异，忽略它们的影响将无法真实地刻画组队情境。

　　首车司机的选择，以及如何挖掘适合当前组队任务的首车司机，还有待深入研究。同时，现有研究忽略了个体司机和货运公司等参与者的偏好对组队规划的影响。未来可进一步研究PaaS情境下，融合参与者偏好和LBS的决策支持系统，实现个性化组队服务。在组队技术实施的初期，技术市场渗透率较低且自发组队技术尚不成熟，基于枢纽点的计划组队更有可能实现，符合当前需求的组队枢纽点的战术层规划问题和后续的组队引导还有待深入。

　　此外，不确定性情境下组队规划是当前研究的难点。考虑到现实中货车的路径和行程时间均会受到诸如具体天气、拥堵、道路条件、交通管控等因素的影响，未来可采用人工智能方法预测货车时空位置和行程时间的基础上进行组队规划。同时，司机参与组队的行为不确定性也会造成当前规划方案存在失效的可能，未来还需要进一步考虑组队规划的失效应对策略。除此之外，未来也还需要更多地考虑自动驾驶技术与电力驱动技术的影响。

　　从技术角度来看，货车组队已基本具备可应用性，但目前货车组队服务发展模式相关研究还较为初步，无法有效保证货车组队发展的可持续性。基于此，未来应重点围绕货车组队运营的相关利益方展开研究，主要包括消费者、制造/运营商、政府机构以及其他交通参与者。

　　从消费者角度来看，可针对不同的消费者类型（个体车主/货运公司）评估其对货车组队服务的接受度，并就关键影响因素提出促进接受度的有效措施。

　　从制造/运营商角度来看，可在具体的区域网络中根据潜在需求估算开展货车组队服务所需的投资成本及潜在收益，探索促进消费者参与的运营模式，进一步可深入讨论PaaS的服务内容、服务定价、失效应对以及信用评价等具体内容。

　　对于政府机构而言，需要关注适应于货车组队服务的战略层规划，并估算新技术引入后的基础设施投资成本、环境效益、就业市场影响等。为了确保货车组队整体效益的持久稳定性，以政府机构为中心的各利益相关方需要达成共识，采取必要的措施确保参与组队的公平性。

　　未来可将个体参与组队服务、企业参与投资经营、政企融合市场竞争分别视为不同层级的合作/非合作博弈过程，探索不同博弈场景中公平利益分配机制以及防策略操作机制，从而形成适合组队服务模式可持续发展的市场环境。