Économiser son carburant en voiture : 7 réflexes concrets

Économiser son carburant en voiture ne demande pas de rouler au pas. Les gains se cherchent dans la régularité : accélérer sans à-coups, lire le trafic, garder des pneus correctement gonflés et comparer des trajets équivalents.

Le style de conduite influence la consommation, mais la circulation, la route, la météo et l’état du véhicule compliquent toute comparaison. La revue publiée en 2021 dans SensorsAn Overview of Eco-Driving Theory, Capability Evaluation, and Training Applicationsrappelle que les évaluations de l’éco-conduite s’appuient notamment sur la vitesse, l’accélération et la consommation. Elle souligne aussi que des facteurs extérieurs au conducteur peuvent fausser les résultats.

La revue systématique de Singh et Kathuria, publiée le 16 août 2021 dans Accident Analysis & Preventionrapporte qu’un retour d’information sur la conduite peut améliorer le comportement au volant. Ce retour ne garantit pas un pourcentage d’économie identique pour chaque conducteur, mais il aide à repérer les habitudes qui font grimper la jauge.

Le pied léger, la jauge moins nerveuse

Accélérer sans envoyer la purée

Au démarrage, on dose l’accélérateur au lieu de demander immédiatement toute la puissance disponible. Une accélération progressive limite les variations brutales de vitesse et les montées inutiles dans les tours. Ces accélérations font partie des paramètres couramment observés dans les travaux consacrés à l’éco-conduite.

Avec une boîte manuelle, on passe les rapports à un régime adapté, sans laisser le moteur hurler ni le faire peiner à trop bas régime. Avec une boîte automatique, le geste consiste surtout à stabiliser la pression sur la pédale et à éviter les relances successives. Le but n’est pas de battre un record de lenteur, juste de supprimer les coups de collier qui ne servent à rien.

Sur une route fluide, le régulateur de vitesse peut aider à conserver une allure régulière. Dans une circulation hachée, il risque au contraire de multiplier les corrections. Le premier réflexe ne coûte rien : calmer la pédale dès le prochain départ.

Voir loin pour laisser souffler le frein

Le feu rouge n’est pas une embuscade

Regarder plusieurs véhicules devant soi permet de lever le pied plus tôt lorsqu’un feu passe au rouge, qu’une file ralentit ou qu’un rond-point se bouche. On évite ainsi la séquence qui fait grimper la consommation : accélération, freinage appuyé, redémarrage, puis nouveau freinage.

Relâcher progressivement l’accélérateur, conserver une distance de sécurité et utiliser le frein moteur quand la situation s’y prête réduisent les changements de rythme. Cette anticipation ne doit jamais retarder un freinage nécessaire. Si un danger apparaît, on freine comme la sécurité l’exige. La consommation ne mérite pas de se prendre un obstacle dans la tronche.

On ne vise plus le pare-chocs qui précède, on lit la circulation. Les feux, les ralentissements en amont et les montées deviennent des informations à intégrer plutôt que des surprises qui déclenchent une ruée vers la pédale de droite.

Le ralenti, ce gouffre sans kilomètres

Couper le moteur, pas la sécurité

Un moteur qui tourne pendant une immobilisation consomme du carburant sans faire avancer la voiture. Le réflexe concerne surtout les attentes longues : stationnement, chargement, prise en charge d’un passager ou bouchon complètement figé.

On ne coupe pas le moteur dans n’importe quelle situation. La voiture doit être immobilisée dans un endroit où l’arrêt est autorisé, avec une visibilité suffisante et la possibilité de repartir sans délai lorsque la circulation l’exige. Se focaliser sur chaque arrêt de quelques secondes n’apporte rien : on cherche les minutes inutiles, pas un concours de manies automobiles.

Les fonctions d’arrêt et de redémarrage automatiques dépendent du modèle et des conditions de fonctionnement. Il faut suivre les indications du véhicule et garder la priorité sur la sécurité. Couper un long ralenti, oui. Sacrifier une manoeuvre sûre, jamais.

Pneus gonflés, plein moins dégonflé

Le manomètre bat le porte-bonheur

La pression des pneus se contrôle avec la valeur recommandée par le constructeur. Un pneu insuffisamment gonflé augmente la résistance au roulement et demande davantage d’énergie pour maintenir la voiture en mouvement. Le contrôle est simple, mais il évite de chercher une économie compliquée alors qu’un point basique a été oublié.

Cette vérification ne remplace pas l’entretien courant. La revue de 2021 publiée dans Sensors distingue justement les paramètres liés au conducteur de ceux qui dépendent du véhicule, de la route ou des conditions extérieures. Une consommation supérieure ne prouve donc pas automatiquement une mauvaise conduite : un défaut mécanique ou une pression négligée peut brouiller le résultat.

Avant un long trajet, on contrôle les pneus et on respecte le calendrier d’entretien. Sans cette base, l’ordinateur de bord raconte parfois davantage l’histoire de la route que celle du conducteur.

Climatisation : garder la tête froide

Le confort sans jouer les tropiques

La climatisation et certains équipements auxiliaires sollicitent le véhicule. On les utilise selon le besoin, sans maintenir en permanence un réglage très énergivore lorsque les conditions ne le justifient pas. Le gain sera rarement spectaculaire sur un seul trajet, mais l’habitude peut peser sur une série de déplacements.

Cette règle s’arrête là où commencent la visibilité et la sécurité. La buée, la chaleur excessive ou une mauvaise visibilité ne se traitent pas au nom de quelques centilitres. La clim n’est pas à bannir, elle est à gérer.

Le raccourci n’a pas toujours le dernier mot

Le plus court peut coûter plus cher

Un trajet court sur la carte peut enchaîner les feux, les arrêts et les redémarrages. Un parcours un peu plus long, mais plus fluide, peut alors être préférable. Ce n’est pas une règle automatique : on compare la distance avec la circulation réelle avant de valider le détour.

Une application de navigation peut aider à repérer un bouchon ou un départ plus favorable. On programme les informations avant de partir, puis on range le téléphone. Une route théoriquement optimale ne vaut pas une consultation permanente de l’écran au volant.

Quand la météo joue les taxeurs

Le froid et la pluie peuvent modifier la consommation. Une comparaison entre un matin froid et un après-midi doux ne mesure donc pas uniquement l’effet de la conduite. La pente, la chaussée et la circulation ajoutent leurs propres variations au chiffre affiché.

Dans ces conditions, on conserve une allure régulière au lieu de compenser une jauge nerveuse par des accélérations agressives. Le mauvais temps explique parfois une hausse de consommation, il ne justifie jamais une conduite brusque.

La jauge au banc d’essai

Mesurer sans se raconter d’histoires

L’ordinateur de bord devient utile lorsqu’on suit sa moyenne sur plusieurs trajets comparables. Il peut faire ressortir une habitude coûteuse : relances fréquentes, vitesse instable, longues attentes au ralenti ou parcours régulièrement saturé. Une seule moyenne flatteuse ne suffit pas, car les conditions ont peut-être simplement été favorables.

La revue systématique de Singh et Kathuria montre l’intérêt du retour d’information pour améliorer le comportement de conduite, sans présenter ce dispositif comme une garantie identique pour tous. On peut donc utiliser la consommation affichée pour tester une habitude, puis vérifier si le résultat se répète dans des conditions proches.

Les systèmes à points demandent davantage de recul. La revue A review of gamified approaches to encouraging eco-drivingpubliée en 2022 dans Frontiers in Psychologya recensé 39 publications. Parmi elles, 34 décrivaient des systèmes de jeu utilisés pendant la conduite, tandis que seules 13 études évaluaient leur efficacité.

La bonne routine reste peu glamour : vérifier la pression, préparer un trajet fluide, accélérer progressivement, regarder loin, limiter les longues phases de ralenti et mesurer le résultat après l’arrivée. On garde ensuite les habitudes qui se répètent dans les chiffres. La jauge restera de mauvaise foi, mais elle aura moins d’arguments.

Sources et références scientifiques

1. Singh H, Kathuria A.. Profiling drivers to assess safe and eco-driving behavior – A systematic review of naturalistic driving studies.. Accident; analysis and prevention. 2021. DOI: 10.1016/j.aap.2021.106349 · PMID: 34411805. (résumé scientifique structuré; texte intégral non fourni)
2. Mokhtari M, Shokravi FA, Shahbazi H.. Effectiveness of an educational intervention based on the health belief model on eco-driving behaviors among taxi drivers in Tehran.. Scientific reports. 2026. DOI: 10.1038/s41598-026-50972-7 · PMID: 42463702. (résumé scientifique structuré; texte intégral non fourni)
3. Protocol for a pseudo-randomized controlled trial to assess the impact of eco-driving assistance systems on bus drivers’ stress responses – PMC. Environmental health and preventive medicine. DOI: 10.1265/ehpm.25-00259 · PMID: 41242744.
4. 1.Stillwater T, Kurani KS, Mokhtarian PL. The combined effects of driver attitudes and in-vehicle feedback on fuel economy. Transp Res Part D Transp Environ. 2017;52:277-88. [Google Scholar].
5. 2.Gimpel H, Heger S, Wöhl M. Sustainable behavior in motion: designing mobile eco-driving feedback information systems. Inf Technol Manage. 2022;23(4):299-314. [Google Scholar].
6. 3.Alvergren VB, Karlsson MA, Franzen S. D17.3. Eco-Driving Assistance. Guidelines for Ergonomic Design of Eco-Driving Assistance HMIs. 2018..
7. 4.Barla P, Gilbert-Gonthier M, Lopez Castro MA, Miranda-Moreno L. Eco-driving training and fuel consumption: Impact, heterogeneity and sustainability. Energy Econ. 2017;62:187-94. [Google Scholar].
8. uttaldo S. Design for behavioural change: study of a concept and recommendations for information systems supporting eco-driving: Loughborough University; 2024. [Google Scholar].
9. 6.Guseva Canu I. Public transport and health: can professional bus drivers achieve symbiosis? (The EU Intercambio project). Occup Med. 2024;74(Supplement_1):SS50-03. [Google Scholar].
10. 7.Lauper E, Moser S, Fischer M, Matthies E, Kaufmann-Hayoz R. Psychological predictors of eco-driving: A longitudinal study. Transp Res Part F Traffic Psychol Behav. 2015;33:27-37. [Google Scholar].
11. 8.Lin R, Wang P. Intention to perform eco-driving and acceptance of eco-driving system. Transp Res Part A Policy Pract. 2022;166:444-59. [Google Scholar].
12. 9.Strömberg HK, Karlsson ICM. Comparative effects of eco-driving initiatives aimed at urban bus drivers – Results from a field trial. Transp Res Part D Transp Environ. 2013;22:28-33. [Google Scholar].
13. 10.Tu R, Xu J, Li T, Chen H. Effective and Acceptable Eco-Driving Guidance for Human-Driving Vehicles: A Review. Int J Environ Res Public Health. 2022;19:7310. [DOI] [PMC free article] [PubMed] [Google Scholar].
14. arness G, Gneezy U, Kuhn MA. Experimental methods: Between-subject and within-subject design. J Econ Behav Organ. 2012;81(1):1-8. [Google Scholar].
15. 12.Middel C, Blake M, Boelsen-Robinson T, Mackenbach J, Stuber J, Vargas C, Forrester-Bowling T. Co-creation in public health research: an introduction to basic principles. Public Health Res Pract. 2024:e3432419. [DOI] [PubMed] [Google Scholar].
16. An Overview of Eco-Driving Theory, Capability Evaluation, and Training Applications – PMC. Sensors (Basel, Switzerland). DOI: 10.3390/s21196547 · PMID: 34640859.
17. 1.Simsek Y., Santika W.G., Anisuzzaman M., Urmee T., Bahri P.A., Escobar R. An analysis of additional energy requirement to meet the Sustainable Development Goals. J. Clean. Prod. 2020;272:122646. doi: 10.1016/j.jclepro.2020.122646. [DOI] [Google Scholar]. doi:10.1016/j.jclepro.2020.122646.
18. 2.Pan X., Chen W., Zhou S., Wang L., Dai J., Zhang Q., Zheng X., Wang H. Implications of near-term mitigation on China’s long-term energy transitions for aligning with the Paris goals. Energy Econ. 2020;90:104865. doi: 10.1016/j.eneco.2020.104865. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1016/j.eneco.2020.104865.
19. 3.Vujić M., Šemanjski I., Vidan P. Improving Energy Efficiency by Advanced Traffic Control Systems. Trans. Marit. Sci. 2015;4:119-126. doi: 10.7225/toms.v04.n02.003. [DOI] [Google Scholar]. doi:10.7225/toms.v04.n02.003.
20. 4.U.S. Consumption of Energy from Primary Sources by Sector. [(accessed on 31 July 2021)]; Available online:.
21. ina Statistical Yearbook, “National Bureau of Statistics of the People’s Republic of China,” 2020. [(accessed on 31 July 2021)]; Available online:.
22. 6.European Commission Statistical Pocketbook 2020: Energy and Environment. 2018. [(accessed on 31 July 2021)]. Available online:.
23. 7.Zhou M., Jin H., Wang W. A review of vehicle fuel consumption models to evaluate eco-driving and eco-routing. Transp. Res. Part D Transp. Environ. 2016;49:203-218. doi: 10.1016/j.trd.2016.09.008. [DOI] [Google Scholar]. doi:10.1016/j.trd.2016.09.008.
24. mir E., Bektaş T., Laporte G. A comparative analysis of several vehicle emission models for road freight transportation. Transp. Res. Part D Transp. Environ. 2011;16:347-357. doi: 10.1016/j.trd.2011.01.011. [DOI] [Google Scholar]. doi:10.1016/j.trd.2011.01.011.
25. 9.Ahn K., Rakha H. The effects of route choice decisions on vehicle energy consumption and emissions. Transp. Res. Part D Transp. Environ. 2008;13:151-167. doi: 10.1016/j.trd.2008.01.005. [DOI] [Google Scholar]. doi:10.1016/j.trd.2008.01.005.
26. ey H.C., Zhang K., Rouphail N. Fuel Use and Emissions Comparisons for Alternative Routes, Time of Day, Road Grade, and Vehicles Based on In-Use Measurements. Environ. Sci. Technol. 2008;42:2483-2489. doi: 10.1021/es702493v. [DOI] [PubMed] [Google Scholar]. doi:10.1021/es702493v.
27. 11.Hounsell N., Shrestha B. A New Approach for Co-Operative Bus Priority at Traffic Signals. IEEE Trans. Intell. Transp. Syst. 2011;13:6-14. doi: 10.1109/TITS.2011.2172869. [DOI] [Google Scholar]. doi:10.1109/TITS.2011.2172869.
28. 12.Tielert T., Killat M., Hartenstein H., Luz R., Hausberger S., Benz T. The impact of traffic-light-to-vehicle communication on fuel consumption and emissions; Proceedings of the Institute of Electrical and Electronics Engineers Internet of Things IEEE(IOT); Tokyo, Japan. 29 November-1 December 2010; pp. 1-8. [DOI] [Google Scholar].
29. Effective and Acceptable Eco-Driving Guidance for Human-Driving Vehicles: A Review – PMC. International journal of environmental research and public health. DOI: 10.3390/ijerph19127310 · PMID: 35742559.
30. 1.Ministry of Ecology and Environment of the People’s Republic of China. China Mobile Source Environmental Management Annual Report. Ministry of Ecology and Environment of the People’s Republic of China; Beijing, China: 2021. [Google Scholar].
31. 2.The Government of Canada Air Pollutant Emissions. [(accessed on 20 December 2021)]; Available online:.
32. 3.Henneman L.R.F., Shen H., Hogrefe C., Russell A.G., Zigler C.M. Four Decades of United States Mobile Source Pollutants: Spatial-Temporal Trends Assessed by Ground-Based Monitors, Air Quality Models, and Satellites. Environ. Sci. Technol. 2021;55:882-892. doi: 10.1021/t.0c07128. [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1021/acs.est.0c07128.
33. 4.Wu Y., Zhang S., Hao J., Liu H., Wu X., Hu J., Walsh M.P., Wallington T.J., Zhang K.M., Stevanovic S. On-Road Vehicle Emissions and Their Control in China: A Review and Outlook. Sci. Total Environ. 2017;574:332-349. doi: 10.1016/j.scitotenv.2016.09.040. [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.scitotenv.2016.09.040.
34. 5.Wu X., Wu Y., Zhang S., Liu H., Fu L., Hao J. Assessment of Vehicle Emission Programs in China during 1998-2013: Achievement, Challenges and Implications. Environ. Pollut. 2016;214:556-567. doi: 10.1016/j.envpol.2016.04.042. [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.envpol.2016.04.042.
35. 6.Johnson T., Joshi A. Review of Vehicle Engine Efficiency and Emissions. SAE Int. J. Engines. 2018;11:1307-1330. doi: 10.4271/2018-01-0329. [DOI] [Google Scholar]. doi:10.4271/2018-01-0329.
36. 7.Keith D.R., Houston S., Naumov S. Vehicle Fleet Turnover and the Future of Fuel Economy. Environ. Res. Lett. 2019;14:021001. doi: 10.1088/1748-9326/aaf4d2. [DOI] [Google Scholar]. doi:10.1088/1748-9326/aaf4d2.
37. 8.Zhang L., Long R., Chen H., Geng J. A Review of China’s Road Traffic Carbon Emissions. J. Clean. Prod. 2019;207:569-581. doi: 10.1016/j.jclepro.2018.10.003. [DOI] [Google Scholar]. doi:10.1016/j.jclepro.2018.10.003.
38. en H., Guo L., Ding H., Li Y., Gao B. Real-Time Predictive Cruise Control for Eco-Driving Taking into Account Traffic Constraints. IEEE Trans. Intell. Transp. Syst. 2018;20:2858-2868. doi: 10.1109/TITS.2018.2868518. [DOI] [Google Scholar]. doi:10.1109/TITS.2018.2868518.
39. 10.Sun X., Chen X., Qi Y., Mao B., Yu L., Tang P. Effects of Advanced Traffic Signal Status Warning Systems on Vehicle Emission Reductions at Signalized Intersections. J. Air Waste Manag. Assoc. 2019;2247:391-401. doi: 10.1080/10962247.2018.1506834. [DOI] [PubMed] [Google Scholar]. doi:10.1080/10962247.2018.1506834.
40. 11.Tu R., Alfaseeh L., Djavadian S., Farooq B., Hatzopoulou M. Quantifying the Impacts of Dynamic Control in Connected and Automated Vehicles on Greenhouse Gas Emissions and Urban NO2 Concentrations. Transp. Res. Part D Transp. Environ. 2019;73:142-151. doi: 10.1016/j.trd.2019.06.008. [DOI] [Google Scholar]. doi:10.1016/j.trd.2019.06.008.
41. 12.Krukowicz T., Firląg K., Suda J., Czerliński M. Analysis of the Impact of Countdown Signal Timers on Driving Behavior and Road Safety. Energies. 2021;14:7081. doi: 10.3390/en14217081. [DOI] [Google Scholar]. doi:10.3390/en14217081.
42. A review of gamified approaches to encouraging eco-driving – PMC. Frontiers in psychology. DOI: 10.3389/fpsyg.2022.970851 · PMID: 36118476.
43. Ando A., Nishihori Y., Ochi D. (2010). “Development of a system to promote eco-driving and safe-driving,” in Smart spaces and next generation wired wireless networking, Vol. 6294 eds Balandin S., Dunaytsev R., Koucheryavy Y. (Berlin: Springer; ), 207-218. [Google Scholar].
44. Bahadoor K., Hosein P. (2016). “Application for the detection of dangerous driving and an associated gamification framework,” in Proceedings of the IEEE 4th international conference on future internet of things and cloud workshops (FICLOUDW), (Vienna: ). [Google Scholar].
45. Belotti F., Kopetzki S., Berta R., Paranthaman P. K., Dange G. R., Lytrivis P., et al. (2019). TEAM applications for collaborative road mobility. IEEE Trans. Ind. Inform. 15 1105-1119. [Google Scholar].
46. Beloufa S., Cauchard F., Vedrenne J., Vailleau B., Kemeny A., Merienne F., et al. (2019). Learning eco-driving behaviour in a driving simulator: Contribution of instructional videos and interactive guidance system. Trans. Res. Part F 61 201-216. [Google Scholar].
47. Bingham C., Shope J. T. (2003). An evaluation of the road ready teens video game: Final report. Ann Arbor, MI: University of Michigan Transportation Research Institute. [Google Scholar].
48. Brouwer R. F. T., Stuiver A., Hof T., Kroon L., Pauwelussen J., Holleman B. (2015). Personalised feedback and eco-driving: An explorative study. Trans. Res. Part C 58 760-771. [Google Scholar].
49. Csikszentmihalyi M., LeFevre J. (1989). Optimal experience in work and leisure. J. Pers. Soc. Psychol. 56 815-822. 10.1037/0022-3514.56.5.815 [DOI] [PubMed] [Google Scholar]. doi:10.1037/0022-3514.56.5.815.
50. Dange G. R., Paranthaman P. K., Bellotti F., Samaritani M., Berta R., De Gloria A. (2017). “Assessment of driver behavior based on machine learning approaches in a social gaming scenario,” in Applications in Electronics pervading industry, environment and society. Applepies 2016. Lecture notes in electrical engineering, Vol. 409 ed. De Gloria A. (Cham: Springer; ), 10.1007/978-3-319-47913-2_24 [DOI] [Google Scholar]. doi:10.1007/978-3-319-47913-2_24.
51. Degirmenci K. (2018). “Toward a gamified mobile application to improve ecodriving: A design and evaluation approach,” in Proceedings of the 24th Americas conference on information systems: Association for information systems (AIS), New Orleans, LA, 1-5. [Google Scholar].
52. Diewald S., Möller A., Roalter L., Stockinger T., Kranz M. (2013). “Gameful design in the automotive domain: Review, outlook and challenges,” in Proceedings of the 5th international conference on automotive user interfaces and interactive vehicular applications (AutomotiveUI ‘13). Association for Computing Machinery, (New York, NY: ), 262-265. 10.1145/2516540.2516575 [DOI] [Google Scholar]. doi:10.1145/2516540.2516575.
53. Ecker R., Holzer P., Broy V., Butz A. (2011). “EcoChallenge: A race for efficiency,” in Proceedings of the 13th international conference on human computer interaction with mobile devices and services, (New York, NY: ), 91-94. 10.1145/2037373.2037389 [DOI] [Google Scholar]. doi:10.1145/2037373.2037389.
54. Gardelis K., Lalos A. S., Moustakas K. (2018). Development of an eco-driving simulation training system with natural and haptic interaction in virtual reality environments. VISIGRAPP (2: HUCAPP), 94-101. Available online at: 10.5220/000661950094010 [DOI] [Google Scholar]. doi:10.5220/000661950094010.
55. Values Versus Environmental Knowledge as Triggers of a Process of Activation of Personal Norms for Eco-Driving – PMC. Environment and behavior. DOI: 10.1177/0013916517728991 · PMID: 30473587.
56. af Wahlberg A. E. (2007). Long-term effects of training in economical driving: Fuel consumption, accidents, driver acceleration behavior and technical feedback. International Journal of Industrial Ergonomics, 37, 333-343. doi:10.1016/ j.ergon.2006.12.003 [Google Scholar].
57. Ajzen I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50, 179-211. doi: 10.1016/0749-5978(91)90020-T [DOI] [Google Scholar]. doi:10.1016/0749-5978(91)90020-T.
58. Ajzen I., Joyce N., Sheikh S., Cote N. G. (2011). Knowledge and the prediction of behavior: The role of information accuracy in the Theory of Planned Behavior. Basic and Applied Social Psychology, 33, 101-117. doi: 10.1080/01973533.2011.568834 [DOI] [Google Scholar]. doi:10.1080/01973533.2011.568834.
59. Barkenbus J. N. (2010). Eco-driving: An overlooked climate change initiative. Energy Policy, 38, 762-769. doi: 10.1016/j.enpol.2009.10.021 [DOI] [Google Scholar]. doi:10.1016/j.enpol.2009.10.021.
60. Beusen B., Broekx S., Denys T., Beckx C., Degraeuwe B., Panis L. I. (2009). Using on-board logging devices to study the longer-term impact of an eco-driving course. Transportation Research Part D, 14, 514-520. doi: 10.1016/j.trd.2009.05.009 [DOI] [Google Scholar]. doi:10.1016/j.trd.2009.05.009.
61. Bolderdijk J. W., Gorsira M., Keizer K. E., Steg L. (2013). Values determine the (in)effectiveness of informational interventions in promoting pro-environmental behavior. PLoS ONE, 8(12), 83911. doi: 10.1371/journal.pone.0083911 [DOI] [PMC free article] [PubMed] [Google Scholar]. doi:10.1371/journal.pone.0083911.
62. Bolderdijk J. W., Knockaert J., Steg E. M., Verhoef E. T. (2011). Effects of pay-as-you-drive vehicle insurance on young drivers’ speed choice: Results of a Dutch field experiment. Accident Analysis and Prevention, 43, 1181-1186. doi: 10.1016/j.aap.2010.12.032 [DOI] [PubMed] [Google Scholar]. doi:10.1016/j.aap.2010.12.032.
63. Bord R. J., Fisher A., O’Connor R. E. (1998). Public perceptions of global warming: Unites States and international perspectives. Climate Research, 11, 75-84. [Google Scholar].
64. Bord R. J., O’Connor R. E., Fisher A. (2000). In what sense does the public need to understand global climate change? Public Understanding of Science, 9, 205-218. doi: 10.1088/0963-6625/9/3/301 [DOI] [Google Scholar]. doi:10.1088/0963-6625/9/3/301.
65. Chaari H., Ballot E. (2012, August). Fuel consumption assessment in delivery tours to develop eco-driving behavior. Paper presented at the European Transport Conference, Glasgow, Scotland Retrieved from [Google Scholar].
66. Chapman L. (2007). Transport and climate change: A review. Journal of Transport Geography, 15, 354-367. doi: 10.1016/j.jtrangeo.2006.11.008 [DOI] [Google Scholar]. doi:10.1016/j.jtrangeo.2006.11.008.
67. CIECA (The International Commission for Driver Testing). (2007). Internal project on “eco-driving” in category B driver training and the driving test (Final report). Retrieved from.
68. A Comprehensive Eco-Driving Strategy for CAVs with Microscopic Traffic Simulation Testing Evaluation – PMC. Sensors (Basel, Switzerland). DOI: 10.3390/s23208416 · PMID: 37896510.