《Vehicles》：A Methodology for the Dynamic Determination of Passenger Car Unit Values at Intersections
编辑推荐：
小客车当量（PCU）值是交叉口交通容量评估（TCA）的关键输入参数，用于将不同车辆类别转换为统一单位。在斯洛伐克共和国，现行技术指南针对特定交叉口类型采用固定当量系数。然而，国际研究表明，PCU值取决于当地交通条件、车辆组成、道路几何线形及车辆间相互作用。因此
小客车当量（PCU）值是交叉口交通容量评估（TCA）的关键输入参数，用于将不同车辆类别转换为统一单位。在斯洛伐克共和国，现行技术指南针对特定交叉口类型采用固定当量系数。然而，国际研究表明，PCU值取决于当地交通条件、车辆组成、道路几何线形及车辆间相互作用。因此，不恰当选择的系数可能导致容量计算不准确，并对交叉口运行性能得出误导性结论。本研究分析了不同车辆类别的PCU值，重点关注环岛和涡轮环岛（TR）中的重型车辆（HV）。研究人员在工业区附近选取交叉口进行交通调查，预期这些区域货运交通比例较高。结合手动和半自动转向运动计数、高分辨率视频记录和自动交通计数器（ATC），获取交通量、车辆组成、行程时间、速度、车辆长度和时间车头时距等数据。结果表明，卡车和重型车辆组合（HV组合）的行为可能与静态当量系数所隐含的假设存在差异。在多个案例中，实测行程时间和时间车头时距未达到规定PCU系数所对应的值。基于这些发现，研究人员提出了一种动态确定PCU值的方法。该方法基于时间车头时距原理，并使用常用测量设备。所提出的方法能够针对简化的两类车辆分类或更详细的分类确定PCU值。该方法可作为静态表格值的替代方案，特别是在非标准交通组成、重型车辆比例较高或交叉口几何条件特殊的情况下。
**论文解读文章**
**研究背景与问题**
道路运输是欧盟人口日常交通的重要组成部分，约四分之三的客运通过公路完成，这对道路基础设施的利用与发展构成持续压力。货运车辆的高比例使得道路网络常接近容量运行，而交叉口作为交通网络中最关键的节点，往往最先出现故障。在斯洛伐克共和国，现行技术指南（如TP 102）采用固定当量系数将不同车辆类型转换为小客车当量（PCU）值，用于交叉口交通容量评估（TCA）。然而，国际研究已明确表明，PCU值并非静态参数，而是强烈依赖于当地交通条件、车辆组成、道路几何线形及车辆间的相互作用。例如，文献指出PCU值随交通量、车辆比例、车道宽度、速度等因素变化。若系数选择不当，会导致容量计算低估或高估交通需求，进而影响服务水平（LOS）判定，甚至导致投资决策失误。因此，有必要开展动态确定PCU值的研究，以反映实际交通运行状况，提高TCA的准确性。
**研究内容与结论**
本研究旨在提出一种基于时间车头时距原理的动态PCU值确定方法，可作为静态表格值的替代方案。研究人员在斯洛伐克选取了两类交叉口开展实地交通调查：一处为靠近工业区的单车道环岛（交叉口III/2095与D3高速公路连接线），另一处为位于尼特拉市工业区附近的涡轮环岛（TR）。通过12小时视频记录、手动和半自动转向运动计数，以及自动交通计数器（ATC）收集数据，涵盖交通量、车辆组成、行程时间、速度、车辆长度和时间车头时距。研究发现，卡车和重型车辆（HV）组合的动态特性（如行程时间、时间车头时距）普遍低于静态当量系数所隐含的假设值。例如，在单车道环岛早高峰时段，卡车、卡车-挂车组合和牵引车-半挂车组合的行程时间仅约为标准小客车（PC）的1.5倍，而现行技术指南中对应的当量系数高达2.5。基于此，研究人员提出了一种基于时间车头时距的方法，该方法通过ATC测量混合交通流中各类车辆的平均时间车头时距，结合手动调查得到的车辆比例，计算动态PCU值。该方法支持两类（轻型车辆LV和重型车辆HV）或三类（LV、卡车+公交T+B、重型车辆HV）分类。应用于涡轮环岛的数据示例表明，LV、T+B和HV的动态PCU系数分别为1.00、1.57和1.74，与现行标准值（如T+B=2.00、HV=2.50）存在差异，反映了实际交通条件的影响。敏感性分析显示，采用不同PCU系数会显著影响交叉口等待时间曲线和容量估计，尤其在高比例HV条件下，低系数可使估算容量增加超过200辆/小时。该研究的重要意义在于提供了一种可直接应用于现有TCA程序、基于常用测量设备的动态PCU确定方法，为修订技术指南提供了科学依据。
**主要关键技术方法**
1. **实地交通调查**：采用手动和半自动转向运动计数，结合高分辨率视频记录，获取车辆类别、交通量及高峰时段的详细信息。
2. **自动交通计数器（ATC）**：使用微波雷达设备（Sierzega SR7和SDR Traffic+）在交叉口上游路段记录车辆通过时间、速度、长度及时间车头时距，采样时长为12小时。
3. **时间车头时距方法**：基于混合交通流中各类车辆的平均时间车头时距比率，结合车辆比例加权计算动态PCU当量系数。
4. **敏感性分析**：通过逐步增加交通需求，模拟不同PCU系数下交叉口最大平均等待时间的变化，评估系数选择对TCA结果的影响。
（样本来源：斯洛伐克共和国境内两处工业区附近的交叉口，包括单车道环岛和涡轮环岛。）
**研究结果**
**4.1 交通调查1的结果**
通过单车道环岛12小时流量统计，总车辆数为10,300辆，换算后PCU为11,066.5。早高峰（6:45-7:45）和晚高峰（15:00-16:00）分别有909辆和1342辆车辆进入交叉口。TCA表明该交叉口容量充足，但高比例HV使其适合评估动态特性。
**4.2 交通调查2的结果**
通过四台摄像机记录车牌匹配，测量了车辆在交叉口上下游之间的行程时间。早高峰方向2→4（朝向工业区）和晚高峰方向4→2（远离工业区）的数据显示，卡车（T）、卡车-挂车组合（TT）和牵引车-半挂车组合（TS）的行程时间均未超过PC的1.5倍。晚高峰期间HV行程时间略高于早高峰，可能与交通量增加48%有关。直接测量得到的等待时间低于TCA计算值，表明静态系数可能低估了实际交通流效率。
**4.3 交通调查3的结果**
在涡轮环岛（TR）上，通过ATC-A和ATC-B分别记录了3026辆和3188辆进入交叉口的车辆（去除极短车辆后）。根据车辆长度分为LV、T+B和HT三类。ATC-A对LV、T+B和HT的捕获率分别为98.8%、89.8%和90.9%；ATC-B分别为99.8%、90.27%和98.21%。再次确认HV的时间车头时距未达到PC的两倍。
**4.4 动态PCU值确定方法的提出**
基于时间车头时距方法，提出两种计算方式：
- **简化两分类**：将车辆分为LV和HV，按公式(1)计算单一PCU系数，基于混合流平均车头时距、LV平均车头时距及两类车辆比例。
- **详细多分类**：分别计算LV、T+B和HV的系数，作为各分类平均车头时距与LV平均车头时距的比值（公式(3)-(5)）。
方法要求ATC布设在交叉口上游足够距离（避免制动干扰），并至少采集12小时数据。当HV比例超过10%时适用。
**4.5 系数计算示例**
基于ATC-A数据，经筛选后，LV和HV的平均时间车头时距分别为2.06秒和3.28秒，HV比例为15.96%。计算得HV系数为1.71 PCU/辆。ATC-B数据给出一致结果，综合后系数为1.715 PCU/辆。详细分类下，LV系数为1.00，T+B为1.57，HV为1.74。
**4.6 所提方法的评价**
该方法具有实用性强、客观性高、可重复性好的优点，能反映实际交通条件。局限在于依赖输入数据质量（ATC安装位置、车辆分类准确性）和样本量。建议在欠饱和条件下使用（饱和度x≤1.0），接近容量时需谨慎。方法最适合无信号交叉口（尤其是环岛），对其他类型交叉口需单独验证。
**4.7 不同PCU值的影响**
敏感性分析针对涡轮环岛晚高峰（HV比例15.4%），对比四种场景（S1a: T+B=2.00, HV=2.50；S1b: 1.75/2.25；S1c: 1.50/2.00；S1d: 1.25/1.75）。结果显示，场景S1d（最低系数）的等待时间曲线明显右移，实际容量增加超过200辆/小时。表明静态PCU值对高HV比例交叉口的TCA结果影响显著。
**讨论与结论**
讨论部分指出，静态PCU值在斯洛伐克已使用超过20年，但本研究及多篇文献证明其可能不准确。提出的时间车头时距方法计算简单，优于其他方法（如速度法易高估HV影响）。方法局限性包括：对输入数据质量的依赖、需足够样本量（12小时数据优于仅高峰时段）、在欠饱和条件下适用。未来研究应扩展至信号交叉口、多车道环岛，并结合微观仿真和机器学习技术。
**研究结论**：本研究提出了一种基于时间车头时距的动态确定PCU值的方法，该方法可替代静态表格值，尤其适用于非标准交通组成或高比例HV的交叉口。通过实际数据验证，所确定的系数落在合理范围内，且与标准值存在差异，证实了动态方法的有效性。该方法可作为现有TCA程序的补充，为修订技术指南提供科学依据，但需进一步验证其在不同交叉口类型和交通条件下的适用性。
