基于邏輯回歸的二輪車-汽車碰撞事故深度分析*

胡 林,方勝勇,黃 晶,陳 強(qiáng)

(1.長(zhǎng)沙理工大學(xué),公路工程教育部重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙 410114； 2.長(zhǎng)沙理工大學(xué)汽車與機(jī)械工程學(xué)院,長(zhǎng)沙 410114；3.長(zhǎng)沙理工大學(xué),工程車輛安全性設(shè)計(jì)與可靠性技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙 410114；4.湖南大學(xué),汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙 410082； 5.中國(guó)汽車技術(shù)研究中心,天津 300162)

2016203

基于邏輯回歸的二輪車-汽車碰撞事故深度分析*

胡 林1,2,方勝勇2,3,黃 晶4,陳 強(qiáng)5

(1.長(zhǎng)沙理工大學(xué),公路工程教育部重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙 410114； 2.長(zhǎng)沙理工大學(xué)汽車與機(jī)械工程學(xué)院,長(zhǎng)沙 410114；3.長(zhǎng)沙理工大學(xué),工程車輛安全性設(shè)計(jì)與可靠性技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙 410114；4.湖南大學(xué),汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙 410082； 5.中國(guó)汽車技術(shù)研究中心,天津 300162)

以中國(guó)交通事故深入研究(CIDAS)數(shù)據(jù)庫(kù)的二輪車-汽車碰撞事故為樣本案例，運(yùn)用PC-Crash軟件進(jìn)行事故重建，獲得碰撞信息；對(duì)事故案例進(jìn)行深度分析，得出質(zhì)量比、保險(xiǎn)杠高度、保險(xiǎn)杠寬度、碰撞速度、碰撞類型與騎乘人員損傷程度等事故特征參數(shù)的統(tǒng)計(jì)分布；利用邏輯回歸分析方法，研究二輪車騎乘人員損傷程度與質(zhì)量比、保險(xiǎn)杠高度、保險(xiǎn)杠寬度、碰撞速度和碰撞類型之間的相關(guān)性。結(jié)果表明：在城市道路環(huán)境的碰撞事故中，質(zhì)量比大于20；汽車的碰撞速度大于40km/h；二輪車速度為20～30km/h；保險(xiǎn)杠高度為0.4～0.5m；前端碰撞情況下造成騎乘人員受致命傷的概率最大。此結(jié)果可為制定有利于二輪車騎乘人員損傷保護(hù)的策略提供參考。

二輪車-汽車碰撞；CIDAS；事故深度分析；騎乘人員損傷；邏輯回歸分析

Changsha410114; 4.HunanUniversity,StateKeyLaboratoryofAdvancedDesignandManufacturingforVehicleBody,Changsha410082;

5.ChinaAutomotiveTechnologyandResearchCenter,Tianjin300162

前言

據(jù)報(bào)道，世界各地每年有180 000名電動(dòng)自行車駕駛者死于交通事故，且大多發(fā)生在發(fā)展中國(guó)家。在混合交通環(huán)境中，作為弱勢(shì)的道路使用者二輪車騎乘人員承受著很高的死亡風(fēng)險(xiǎn)，其事故死亡人數(shù)占到了交通事故死亡人數(shù)的40%[1]。因此，通過(guò)深入調(diào)查采集的二輪車-汽車事故碰撞信息去定量分析騎乘人員的損傷與事故特征參數(shù)之間的相關(guān)性，以期降低二輪車騎乘人員的死亡和損傷風(fēng)險(xiǎn)，在我國(guó)具有尤其重要的意義。

從全球范圍來(lái)說(shuō)，大多數(shù)的二輪車事故發(fā)生在亞洲，而大多數(shù)研究卻在歐洲和北美洲進(jìn)行[2]。在歐洲，一個(gè)被稱為“行駛安全(safety in motion, SIM)”的項(xiàng)目已立項(xiàng)實(shí)施，該項(xiàng)目著眼于主動(dòng)安全和被動(dòng)安全，并采用一種綜合的方法來(lái)解決機(jī)動(dòng)二輪車的安全問(wèn)題[3]。加拿大交通安全中心將電動(dòng)自行車區(qū)分為電助力和電驅(qū)動(dòng)兩種，并通過(guò)志愿者參與試驗(yàn)的方法分析了不同速度下兩類車對(duì)安全性的影響[4]。我國(guó)早先學(xué)者的研究較多集中在利用事故現(xiàn)場(chǎng)的碰撞信息估算二輪車-汽車碰撞速度和再現(xiàn)碰撞過(guò)程。文獻(xiàn)[5]中通過(guò)深入分析車輛、路面遺留痕跡特征與汽車碰撞特點(diǎn)之間的聯(lián)系，選擇與轎車碰撞速度相關(guān)的人體-風(fēng)窗玻璃接觸、人體和車輛與路面接觸的痕跡特征參數(shù),運(yùn)用人工神經(jīng)網(wǎng)絡(luò)方法建立轎車-二輪車碰撞速度預(yù)測(cè)模型來(lái)進(jìn)行車速估算；文獻(xiàn)[6]中以實(shí)際事故案例數(shù)據(jù)為基礎(chǔ)，建立了摩托車和騎乘人員路面劃痕印跡-碰撞車速模型來(lái)估計(jì)碰撞車速；文獻(xiàn)[7]中利用仿真試驗(yàn)數(shù)據(jù)和支持向量回歸方法對(duì)汽車-摩托車碰撞事故中碰撞車速、車輛制動(dòng)距離與汽車-騎車人靜止位置間距離、汽車-摩托車靜止位置間距離、摩托車-騎車人靜止位置間距離的關(guān)系進(jìn)行了研究，并以此來(lái)預(yù)估事故車速和碰撞位置。近年來(lái)，隨著深入的交通事故調(diào)查活動(dòng)在我國(guó)的開(kāi)展，越來(lái)越多的研究者利用采集的汽車-二輪車事故來(lái)進(jìn)行深入的分析。文獻(xiàn)[8]和文獻(xiàn)[9]中通過(guò)對(duì)深入調(diào)查的交通事故數(shù)據(jù)進(jìn)行仿真和分析，對(duì)比研究了我國(guó)道路交通環(huán)境下行人與自行車騎車人死亡風(fēng)險(xiǎn)和頭部動(dòng)力學(xué)響應(yīng)的差異；并基于城市深入交通事故調(diào)查數(shù)據(jù)庫(kù)(IVAC)探討了4種車輛行駛速度下行人和自行車騎車人傷亡風(fēng)險(xiǎn)，以此對(duì)城市道路車輛限速值進(jìn)行研究[10]；文獻(xiàn)[11]中以深入事故調(diào)查的交通事故數(shù)據(jù)為基礎(chǔ)建立汽車-騎自行車人碰撞分析模型，采用多體動(dòng)力學(xué)軟件MADYMO進(jìn)行事故重建，提出可降低顱腦損傷風(fēng)險(xiǎn)的汽車前部結(jié)構(gòu)改進(jìn)措施。文獻(xiàn)[12]中利用MADYMO對(duì)24起轎車-自行車事故案例進(jìn)行仿真分析，探討了自行車騎車人運(yùn)動(dòng)響應(yīng)和損傷程度與車輛碰撞速度的相關(guān)性。

在我國(guó)，保守估計(jì)約有14 000萬(wàn)的電動(dòng)自行車在路上行駛[1]，二輪車騎乘人員作為道路使用者中的弱勢(shì)群體，其損傷程度與碰撞事故的特征參數(shù)之間的相關(guān)性還很少被定量分析過(guò)[13]。因此，本文中以中國(guó)交通事故深入研究China In-Depth Accident Study(CIDAS)2012-2013年在廣東佛山和吉林長(zhǎng)春等5個(gè)城市采集的298起二輪車-汽車碰撞事故數(shù)據(jù)為原始樣本，運(yùn)用PC-Crash軟件進(jìn)行事故模擬重建獲得碰撞信息，找出碰撞事故中質(zhì)量比、保險(xiǎn)杠高度等微觀形態(tài)特征參數(shù)的分布規(guī)律，并利用邏輯回歸方法對(duì)碰撞速度、碰撞類型、質(zhì)量比、保險(xiǎn)杠高度、保險(xiǎn)杠寬度和騎乘人員損傷程度之間的相關(guān)性進(jìn)行分析。此研究結(jié)果對(duì)改進(jìn)車輛的設(shè)計(jì)制造和為我國(guó)道路交通環(huán)境下制定有利于二輪車騎乘人員的保護(hù)措施具有一定的參考意義。

1 方法

1.1 樣本數(shù)據(jù)

2011年，中國(guó)汽車技術(shù)研究中心啟動(dòng)了“中國(guó)交通事故深入研究(CIDAS)”項(xiàng)目，該項(xiàng)目旨在中國(guó)的5個(gè)城市每年收集500～600個(gè)事故，每個(gè)研究區(qū)域每年約采集100個(gè)交通事故，每個(gè)事故約有1 000～2 000個(gè)數(shù)據(jù)被收集起來(lái)并加入到數(shù)據(jù)庫(kù)當(dāng)中。這5個(gè)城市從北到南依次是長(zhǎng)春、北京、威海、寧波和佛山。專業(yè)的事故調(diào)查團(tuán)隊(duì)會(huì)乘坐交通警察的車輛直接到達(dá)事故現(xiàn)場(chǎng)，收集必要的信息來(lái)完成詳細(xì)的事故重建，以及收集傷者如何受傷和如何治療的醫(yī)療數(shù)據(jù)，并基于對(duì)現(xiàn)場(chǎng)的測(cè)量繪制出事故草圖，詳細(xì)的車輛損壞信息在停車場(chǎng)進(jìn)行測(cè)量，而傷者的傷情則由其臨床報(bào)告得到。用這樣的一種方法，可以為多領(lǐng)域多方向的研究收集大量的信息。

本文中從我國(guó)交通事故深入研究數(shù)據(jù)庫(kù)提供的2012-2013年的298起二輪車-汽車事故案例進(jìn)行篩選取樣。取樣標(biāo)準(zhǔn)為：(1)騎車人員必須在碰撞事故中受傷；(2)將事故汽車限定為轎車、SUV、MPV等乘用車，排除公交車和載貨車等車型；(3)碰撞中主要是車身受力，因此，二輪車側(cè)面刮擦等只受到微小沖擊的這些案例被排除。最終，216起二輪車-汽車案例被篩選出來(lái)用于深度分析。

1.2 樣本信息概述

在CIDAS的案例中，損傷程度是依據(jù)簡(jiǎn)明損傷定級(jí)法(AIS98)劃分成6個(gè)損傷等級(jí)，AIS1表示輕微損傷，AIS2表示中等損傷，AIS3表示重度損傷，AIS4表示嚴(yán)重?fù)p傷，AIS5表示危險(xiǎn)損傷，AIS6表示致命損傷。此外，作為對(duì)簡(jiǎn)明損傷定級(jí)法(AIS98)的補(bǔ)充，CIDAS數(shù)據(jù)庫(kù)對(duì)損傷程度也進(jìn)行了分級(jí)：“致命”(事故發(fā)生7天內(nèi)死亡)，“住院”(超過(guò)24h的醫(yī)療)，“門診”(24h以內(nèi)的醫(yī)療)。本研究中用“致命”、“住院”和“門診”來(lái)區(qū)分損傷程度。

本研究中所需要的碰撞類型、質(zhì)量比、保險(xiǎn)杠高度和保險(xiǎn)杠寬度等事故特征參數(shù)信息從中國(guó)交通事故深入研究數(shù)據(jù)庫(kù)直接獲得，不過(guò)相關(guān)的碰撞速度，則需要通過(guò)理論計(jì)算和用PC-Crash軟件進(jìn)行事故重建獲得。

1.3 樣本數(shù)據(jù)的宏觀統(tǒng)計(jì)分布

因本文著眼于二輪車騎乘人員的損傷，故按二輪車碰撞的部位，研究下列3種碰撞類型[14]：(1)二輪車與汽車迎面撞擊或二輪車碰撞汽車側(cè)面，稱前端碰撞；(2)二輪車側(cè)面遭到汽車撞擊，即側(cè)面碰撞；(3)二輪車被汽車追尾，即后端碰撞。其它碰撞情況在樣本篩選時(shí)予以剔除。依據(jù)這216起樣本案例中各個(gè)碰撞類型統(tǒng)計(jì)分布(圖1)和不同碰撞類型中二輪車騎乘人員受傷情況的統(tǒng)計(jì)分布數(shù)據(jù)(圖2)可知：

(1) 大約88%的碰撞事故案例中，碰撞事故發(fā)生前汽車和二輪車都是行駛在不同的方向上，即側(cè)面碰撞和前端碰撞是二輪車-汽車碰撞事故的兩種主要事故形態(tài)，究其原因可能是汽車或二輪車駕乘人員違反交通優(yōu)先原則而導(dǎo)致的；

(2) 二輪車-汽車碰撞事故中二輪車騎乘人員受輕微、中等、重度損傷的概率較大，約占90%，受嚴(yán)重、危險(xiǎn)致命損傷的概率相對(duì)較小，究其原因可能是本統(tǒng)計(jì)的樣本案例來(lái)自于城市道路環(huán)境，碰撞前汽車和二輪車的行駛速度不高。

圖1 碰撞類型統(tǒng)計(jì)數(shù)據(jù)分布

圖2 不同碰撞類型中二輪車(216起)騎乘人員的損傷程度分布圖

1.4 樣本數(shù)據(jù)的深度分析及其統(tǒng)計(jì)分布

為便于統(tǒng)計(jì)分析，將樣本數(shù)據(jù)進(jìn)行篩選，如表1所示。并將碰撞事故特征參數(shù)按其形態(tài)特征進(jìn)行如下定義：質(zhì)量比為碰撞時(shí)汽車與二輪車質(zhì)量的比值，并把事故車輛的質(zhì)量比劃分成5～10，10～15，15～20，大于20等4類；碰撞速度為碰撞事故發(fā)生時(shí)汽車和二輪車的行駛速度，通過(guò)理論計(jì)算和PC-Crash軟件重建獲得，碰撞時(shí)汽車速度和二輪車速度分別用速度1和速度2表示，且都劃分成小于10，10～20，20～30，30～40，大于40km/h等5類；汽車的保險(xiǎn)杠是碰撞事故中的主要受力點(diǎn)，因此保險(xiǎn)杠的高度將對(duì)事故中的碰撞力產(chǎn)生較大影響，本文中取保險(xiǎn)杠中心高度為保險(xiǎn)杠高度，在二輪車碰撞汽車側(cè)面事故中，將汽車門底部到底盤之間這一部位視為保險(xiǎn)杠。保險(xiǎn)杠高度劃分成0.3～0.4，0.4～0.5，0.5～0.6，大于0.6m等4類；保險(xiǎn)杠寬度劃分成小于0.1，0.1～0.15，0.15～0.2，大于0.2m等4類；碰撞類型則分別用1，2，3來(lái)表示側(cè)面碰撞、前端碰撞和后端碰撞；二輪車騎乘人員受傷情況依據(jù)其受傷的嚴(yán)重性將其劃分為1“門診”、2“住院”、3“致命”。

表1 樣本數(shù)據(jù)的處理

通過(guò)分析這216起碰撞事故樣本案例得到了特征參數(shù)的統(tǒng)計(jì)分布規(guī)律，如表2所示。碰撞事故中質(zhì)量比為5～10，10～15，15～20的碰撞事故最為常見(jiàn)，分別占42.6%，37%和16.2%，推測(cè)可能是由于城市道路環(huán)境中行駛最多的汽車是轎車，故質(zhì)量比不會(huì)太大；由于在城市道路中車輛的行駛速度不會(huì)太快，故碰撞前汽車的速度主要集中在10～20，20～30和30～40km/h這3個(gè)區(qū)間內(nèi)，分別占23.1%，24.5%和24.5%；碰撞前二輪車的行駛速度則主要在10～20和20～30km/h兩個(gè)區(qū)間，占比超過(guò)75%；保險(xiǎn)杠高度主要集中在0.4～0.5，0.5～0.6，大于0.6m這3個(gè)范圍內(nèi)，它們共占84%以上，保險(xiǎn)杠寬度主要集中在小于0.1，0.1～0.15，0.15～0.2m 3個(gè)區(qū)間，共占比接近90%；碰撞類型主要是體現(xiàn)在側(cè)面碰撞和前端碰撞，分別占54.2%和34.3%；由前面碰撞特征參數(shù)的分析可知，在城市道路環(huán)境中以轎車和SUV為代表的乘用車是碰撞二輪車的主要車型，而且由于城市道路中的速度限制，故碰撞前汽車的行駛速度不高，因此事故中二輪車騎乘人員的受傷程度為“住院”和“門診”兩種。

表2 事故特征參數(shù)的分布規(guī)律

2 碰撞事故特征信息的相關(guān)性分析

本研究的樣本案例都是專業(yè)的事故調(diào)查人員采集的，其準(zhǔn)確性可以信賴。因此，以這些案例為基礎(chǔ)，深度分析二輪車-汽車碰撞事故特征參數(shù)，量化騎乘人員損傷程度與質(zhì)量比、保險(xiǎn)杠高度和碰撞速度等特征參數(shù)之間的相關(guān)性，以期獲得碰撞事故中二輪車騎乘人員損傷機(jī)理。采用有序多分類邏輯回歸模型，能較理想地得到各特征參數(shù)與騎乘人員損傷之間的相關(guān)性。

2.1 有序多分類邏輯回歸模型

邏輯回歸是一種將概率作為因變量的回歸分析方法，其表達(dá)式為ln(p/(1-p))=α+β1x1+…+βnxn。其中，p為事件發(fā)生的概率，其取值范圍為(0,1)。邏輯回歸通過(guò)ln(p/(1-p))可將其取值范圍擴(kuò)展到整個(gè)實(shí)數(shù)域，且因變量p與自變量之間呈S型曲線關(guān)系，更加符合實(shí)際情況[15]。

邏輯回歸的因變量有二分類和多分類，本文中采用的是有序多分類邏輯回歸模型。設(shè)存在m個(gè)自變量x1,x2,…,xm;而有序因變量y有k個(gè)水平：1,2,…,k；y取j水平的概率定義為pj=p(y=j|X)，j=1,2，…,k，∑pj=1。將k個(gè)水平分為兩類{1,2…,j}與{j+1,j+2,…,k}，j=1,2,…,k-1。最后，對(duì)二分類邏輯回歸模型進(jìn)行疊加，可得到有序多分類邏輯回歸模型為

j=1,2,3,…,k-1

(1)

式中：αj為截距參數(shù)；βi為偏回歸系數(shù)。以上模型的假設(shè)條件為:k-1個(gè)邏輯回歸模型中的偏回歸系數(shù)βi相同。

依據(jù)上述定義和本文研究目的，設(shè)置因變量y為乘員損傷程度，包含“門診”、“住院”、“致命”等3個(gè)水平，即k=3，j=1,2；自變量為碰撞特征信息參數(shù)，包括質(zhì)量比x1、保險(xiǎn)杠高度x2、汽車碰撞速度x3、二輪車碰撞速度x4、保險(xiǎn)杠寬度x5和碰撞類型x6，即i=1,2,…,6。運(yùn)用數(shù)據(jù)處理軟件擬合出回歸模型中的截距參數(shù)αj和偏回歸系數(shù)βi，便可建立二輪車騎乘人員發(fā)生“門診”、“住院”和“致命”損傷的概率pj(j=1,2,3)與事故特征信息x1,x2,…,x6之間的邏輯回歸模型為

(2)

(3)

式中：αj(j=1,2)為截距；β=(β1,β2,β3,β4，β5,β6)為對(duì)應(yīng)的偏回歸系數(shù)。

2.2 邏輯回歸分析結(jié)果

運(yùn)用數(shù)據(jù)統(tǒng)計(jì)軟件對(duì)216例樣本數(shù)據(jù)進(jìn)行有序多分類邏輯回歸分析，得到截距值為α1=-3.687,α2=-7.539，對(duì)應(yīng)的偏回歸系數(shù)β值、Wald檢驗(yàn)、優(yōu)勢(shì)比(odds ratio, OR)以及顯著度等如表3所示。其中優(yōu)勢(shì)比是某個(gè)事故特征參數(shù)對(duì)應(yīng)的因變量Y發(fā)生與不發(fā)生的概率之比，即某個(gè)事故形態(tài)特征參數(shù)在2個(gè)不同水平下的p/(1-p)的比值，若xi的偏回歸系數(shù)為βi，則OR值為eβi。因此，以該變量級(jí)別最高的取值作為比較基準(zhǔn)，回歸系數(shù)βi的含義是:其他條件不變，當(dāng)xi從最高級(jí)別的取值改為另一級(jí)別的取值時(shí)，優(yōu)勢(shì)比將變?yōu)樵瓉?lái)取值的eβi倍。

表3 事故特征參數(shù)與乘員損傷程度的邏輯回歸分析結(jié)果

運(yùn)用數(shù)據(jù)分析軟件進(jìn)行樣本數(shù)據(jù)分析時(shí)，是以自變量分類的最高級(jí)別為參照組(優(yōu)勢(shì)比OR=1)，由表3的相關(guān)性分析結(jié)果可知，質(zhì)量比大于20，造成二輪車騎乘人員受致命損傷的概率最大(OR=1)，質(zhì)量比為15～20時(shí)造成致命損傷的概率減小到約為88%(OR=0.882)，質(zhì)量比為10～15時(shí)該概率減小到約為38%(OR=0.378)，質(zhì)量比為5～10時(shí)該概率減小到約為6%(OR=0.063)；當(dāng)汽車碰撞速度大于40km/h時(shí)造成二輪車騎乘人員受致命損傷的概率最大(OR=1)，速度1為30～40km/h時(shí)該概率減小到約為95%(OR=0.946)，速度1為20～30km/h時(shí)該概率減小到約為42%(OR=0.424)，速度1為10～20km/h時(shí)該概率減小到約為17%(OR=0.171)，速度1為小于10km/h時(shí)該概率減小到約為12%(OR=0.120)；二輪車碰撞速度為20～30km/h時(shí)造成二輪車騎乘人員受致命損傷的概率約是參照組概率(OR=1)的2.9倍(OR=2.901)，當(dāng)速度2為30～40km/h時(shí)概率約是1.6倍(OR=1.632)，當(dāng)速度2為10～20km/h時(shí)概率約是1.3倍(OR=1.309)，當(dāng)速度2為小于10km/h時(shí)概率減小到約為25%(OR=0.255)；保險(xiǎn)杠高度大于0.6m時(shí)造成二輪車騎乘人員受致命損傷的概率為中間值(OR=1)，保險(xiǎn)杠高度為0.5～0.6m時(shí)該概率減小到約為87%(OR=0.867)，而保險(xiǎn)杠高度為0.4～0.5m時(shí)該概率增大到約1.4倍(OR=1.397)，保險(xiǎn)杠高度為0.3～0.4m時(shí)該概率增大到約3.3倍(OR=3.267)；保險(xiǎn)杠寬度大于0.2m時(shí)造成二輪車騎乘人員受致命損傷的概率最大(OR=1)，當(dāng)保險(xiǎn)杠寬度為0.15～0.2m時(shí)概率減小到約50%(OR=0.501)，當(dāng)保險(xiǎn)杠寬度為0.1～0.15m時(shí)概率減小到約36%(OR=0.364)，當(dāng)保險(xiǎn)杠寬度為小于0.1m時(shí)概率減小到約27%(OR=0.268)；碰撞類型為后端碰撞時(shí)造成二輪車騎乘人員受致命損傷的概率最小(OR=1)，前端碰撞時(shí)該概率增大了約2.6倍(OR=3.622)，側(cè)面碰撞時(shí)該概率增大了約1倍(OR=2.012)。

3 結(jié)論

基于CIDAS數(shù)據(jù)庫(kù)的216起二輪車-汽車碰撞事故樣本數(shù)據(jù)，通過(guò)統(tǒng)計(jì)分析得到了城市道路環(huán)境中事故形態(tài)特征的分布規(guī)律，利用邏輯回歸方法建立了事故中二輪車騎乘人員損傷程度與質(zhì)量比、保險(xiǎn)杠高度、保險(xiǎn)杠寬度、碰撞速度和碰撞類型等事故特征信息參數(shù)之間的相關(guān)性模型，得到以下統(tǒng)計(jì)規(guī)律。

(1) 在我國(guó)的城市道路行駛環(huán)境下二輪車-汽車碰撞事故類型主要為轎車和二輪車的碰撞，其質(zhì)量比主要是集中在5～10，10～15和15～20這3種情況，占比接近95%，在質(zhì)量比為15～20與大于20的兩種情況下造成二輪車騎乘人員損傷較為嚴(yán)重。根據(jù)相關(guān)性分析得知，質(zhì)量比越大，乘員損傷程度越嚴(yán)重。

(2) 碰撞速度是造成二輪車騎乘人員損傷的主要因素。汽車碰撞速度主要有10～20，20～30和30～40km/h 3個(gè)區(qū)間。根據(jù)相關(guān)性分析可知，二輪車騎乘人員發(fā)生致命損傷的概率與汽車的碰撞速度呈正相關(guān)；二輪車碰撞速度主要集中在10～20和20～30km/h，根據(jù)相關(guān)性分析可知，二輪車碰撞速度并非與騎乘人員損傷程度成正相關(guān)，而是在20～30km/h時(shí)騎乘人員受致命傷的概率最大。因此，減小汽車碰撞速度應(yīng)該成為降低二輪車事故中騎乘人員死亡率和受傷風(fēng)險(xiǎn)的主要研究方向。目前，主動(dòng)安全系統(tǒng)如自動(dòng)制動(dòng)系統(tǒng)(AEB)正在迅速發(fā)展，第一個(gè)行人安全系統(tǒng)已經(jīng)在發(fā)達(dá)國(guó)家普遍應(yīng)用。帶有事故重現(xiàn)傳感器的安全系統(tǒng)能提前檢測(cè)到危險(xiǎn)情況；該系統(tǒng)不管駕駛員有沒(méi)有意識(shí)到危險(xiǎn)，只要系統(tǒng)檢測(cè)到危險(xiǎn)信息汽車將自動(dòng)制動(dòng)。因此，可以參照行人安全系統(tǒng)開(kāi)發(fā)適用于二輪車的主動(dòng)安全系統(tǒng)，并通過(guò)深度的事故分析來(lái)評(píng)估該系統(tǒng)在我國(guó)的有效性。

(3) 保險(xiǎn)杠高度為0.5～0.6m的事故量最大(78起)，但從相關(guān)性分析結(jié)果看，保險(xiǎn)杠高度并非與二輪車騎乘人員損傷呈正相關(guān)，在0.3～0.4和0.4～0.5m時(shí)二輪車騎乘人員損傷最嚴(yán)重。而在0.5～0.6m和大于0.6m時(shí)二輪車騎乘人員損傷嚴(yán)重性有所減小。產(chǎn)生這樣現(xiàn)象的原因可能是由于二輪車質(zhì)心高度一般在0.5m以上，二輪車-汽車發(fā)生碰撞時(shí)主要是汽車保險(xiǎn)杠先碰撞到二輪車，由于碰撞點(diǎn)高度小于二輪車質(zhì)心高度，碰撞后會(huì)使二輪車騎乘人員倒向汽車造成二次碰撞傷害。保險(xiǎn)杠寬度主要集中在0.1～0.15和0.15～0.2m這兩種情況，由相關(guān)性分析可知二輪車騎乘人員損傷嚴(yán)重程度與保險(xiǎn)杠寬度呈正相關(guān)。因此，可以探討調(diào)高保險(xiǎn)杠高度和減小保險(xiǎn)杠寬度來(lái)保護(hù)二輪車騎乘人員的方法。

(4) 二輪車-汽車碰撞事故以側(cè)面碰撞和前端碰撞為主要的兩種事故類型。前端碰撞過(guò)程中，二輪車與汽車受到撞擊力的同時(shí)會(huì)因?yàn)榻佑|摩擦力的作用而向汽車尾部做旋轉(zhuǎn)運(yùn)動(dòng)，造成騎乘人員與汽車側(cè)面的劇烈碰撞，從而對(duì)騎乘人員造成巨大損傷。根據(jù)相關(guān)性分析可知，前端碰撞造成騎乘人員受致命傷的概率最大。

[1] CHEN Qiang, CHEN Yong, OLA Bostrom, et al. A comparison study of car-to-pedestrian and car-to-E-bike accidents: data source: the China in-depth accident study (CIDAS)[C]. SAE Paper 2014-01-0519.

[2] Haworth, NARELLE L. Powered two wheelers in a changing world: challenges and opportunities[J]. Accident Analysis and Prevention,2010,44(1):12-18.

[3] SANTUCCI, PIEVE M D, KOENIG M, et al. Powered-two-wheeler integrated safety-first results of the SIM project[C]. The 21st ESV Conference Proceedings, Paper number 09-0283,2009.

[4] 趙桂范,劉明敏,劉磊,等.人-車-路系統(tǒng)下電動(dòng)自行車安全性試驗(yàn)[J].中國(guó)公路學(xué)報(bào),2014,27(2):105-111.

[5] 袁泉,郭銳,胡曉佳,等.基于信息融合的轎車碰撞兩輪車事故車速分析[J].汽車工程,2009,31(12):1169-1172.

[6] 羅智寧.汽車與摩托車碰撞事故車速估計(jì)建模[D].長(zhǎng)春:吉林大學(xué),2008.

[7] 鄒鐵方,劉雨,李平凡,等.汽車-摩托車碰撞事故車速及碰撞位置預(yù)估方法[J].中國(guó)安全科學(xué)學(xué)報(bào),2015,25(1):105-110.

[8] 聶進(jìn),李桂兵,楊濟(jì)匡.車輛-行人/自行車騎車人事故死亡風(fēng)險(xiǎn)和頭部動(dòng)力學(xué)響應(yīng)對(duì)比研究[J].湖南大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,41(2):64-72.

[9] PENG Yong, CHEN Yong, YANG Jikuang, et al. A study of pedestrian and bicyclist exposure to head injury in passenger car collisions based on accidentdata and simulations[J]. Safety Sci.,2012,50(9):1749-1759.

[10] 聶進(jìn),吳京梅,吳玲濤,等.基于行人和自行車交通安全的城市道路限速值研究[J].中國(guó)公路學(xué)報(bào),2014,27(7):91-97.

[11] 莫富灝,楊濟(jì)匡,李松慶.汽車前部結(jié)構(gòu)對(duì)騎自行車人顱腦損傷防護(hù)特性的影響[J].機(jī)械工程學(xué)報(bào),2011,47(4):93-99.

[12] NIE Jin, YANG Jikuang. A study of bicyclist kinematics and injuries based on reconstruction of passenger car-bicycle accident in China[J]. Accident Analysis and Prevention,2014,71(2):50-59.

[13] 陳君毅,王宏雁,潘婷.從道路交通事故研究看我國(guó)汽車正面碰撞法規(guī)試驗(yàn)形式[J].汽車工程,2010,32(2):168-172.

[14] 胡林,方勝勇,陳強(qiáng).基于正交實(shí)驗(yàn)的汽車-兩輪車碰撞事故再現(xiàn)的參數(shù)影響權(quán)重研究[J].汽車工程,2016,38(5).

[15] 褚端峰,吳超仲,李順喜,等.基于Logistic回歸的高速公路車-車碰撞事故深度分析[J].中國(guó)安全科學(xué)學(xué)報(bào),2014,24(3):103-108.

In-depth Analysis on Cycle-Vehicle Crash Accident Based on Logistic Regression

Hu Lin1,2, Fang Shengyong2,3, Huang Jing4& Chen Qiang5

1.ChangshaUniversityofScienceandTechnology,KeyLaboratoryofHighwayEngineeringMinistryofEducation,Changsha410114;2.SchoolofAutomotiveandMechanicalEngineering,ChangshaUniversityofScienceandTechnology,Changsha410114;3.ChangshaUniversityofScienceandTechnology,HunanProvinceKeyLaboratoryofSafetyDesignandReliabilityTechnologyforEngineeringVehicle,

By taking the cycle-vehicle crash accidents from China In-depth Accident Study (CIDAS) as sample cases and using software PC-Crash to conduct accident reconstruction with the crash information obtained. Then an in-depth analysis is performed on accident cases to get the statistical distribution of accident feature parameters. Finally by using logistic regression analysis, the effects of mass ratio, bumper height and width, collision types and speed on cyclist injury severity are studied. The results show that for cycle-vehicle collision accidents in urban roads, the conditions with mass ratio more than 20, vehicle speed more than 40km/h, a cycle speed of 20～30km/h and a bumper height of 0.4～0.5m, have the maximum probability of fatal injury for cyclists in front-end collisions. The outcome provides references for formulating strategy of injury protection in favor of cyclists.

cycle-vehicle collision; CIDAS; in-depth accident analysis; cyclist injury; logistic regression analysis

*國(guó)家自然科學(xué)基金(51475048)、湖南省自然科學(xué)基金(2015JJ2001)、工程車輛安全性設(shè)計(jì)與可靠性技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(KF1609)和公路工程教育部重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(KFJ130104)資助。

原稿收到日期為2015年12月11日，修改稿收到日期為2016年5月17日。