關(guān)于碰撞安全的研究

隨著科學(xué)技術(shù)的發(fā)展，汽車己經(jīng)成為人們生活中必不可少的交通工具。而在汽車交通事故中每年的死傷人數(shù)，常常超過世界的局部戰(zhàn)爭，交通事故已經(jīng)成為人類社會的重大公害之一。從全世界的統(tǒng)計數(shù)字來看，每年因道路交通事故而死亡的人數(shù)已高達(dá)50多萬人。與世界其他各國相比，我國的汽車總擁有量只占5%，而交通事故死亡人數(shù)卻占100%，并且碰撞事故中的死亡率也大大高于歐美、日本等工業(yè)發(fā)達(dá)國家，其中除了人為的因索外，車輛本身的碰撞安全性達(dá)不到要求是一個重要因素。因此，汽車的碰撞安全性問題，已成為近十多年來汽車工業(yè)的主要研究問題和攻關(guān)方向。本文從多個方向探討了關(guān)于汽車碰撞安全的研究。

1 用于預(yù)觸發(fā)不可逆車輛安全的環(huán)境感知系統(tǒng)[1]

1.1 主要目的和主要原理

據(jù)估計世界上每年因?yàn)榻煌ㄜ囕v交通事故而使得駕駛員和行人受傷的人數(shù)達(dá)到了50萬。根據(jù)世界衛(wèi)生組織（WHO）的預(yù)測，這種趨勢將會惡化。預(yù)計到2030年，因?yàn)榻煌ㄊ鹿蕦⒊蔀槭澜缟系谖宕笏劳鲈?。不幸的是，大多?shù)事故是由人為失誤造成的，比如駕駛員的注意力不集中等。因此，車輛安全研究的首要目標(biāo)就是要避免交通事故的發(fā)生。特別是對車輛乘客和行人的保護(hù)。在這方面，汽車的“視線”感以及其外感傳感器可以發(fā)揮越來越重要的作用。智能車輛（IV）能夠感知環(huán)境并正確預(yù)測潛在的危險。今天，為了增加車輛碰撞性能和乘客保護(hù)，我們應(yīng)該特別關(guān)注如何激活預(yù)碰撞安全應(yīng)用的方法。

1.2 結(jié)論及存在的問題

（1）雷達(dá)系統(tǒng)的應(yīng)用。雷達(dá)系統(tǒng)是一種主動型傳感器，利用微電磁波探測目標(biāo)距離、速度、方位等。雷達(dá)不需要復(fù)雜的設(shè)計與繁復(fù)的計算。雷達(dá)系統(tǒng)的使用不受光線、天氣等因素干擾，無論是白天還是黑夜，晴天或者下雨，雷達(dá)系統(tǒng)都能夠正常運(yùn)轉(zhuǎn)。由于雷達(dá)是靠電磁波反射原理來工作的，這會導(dǎo)致相近的不同雷達(dá)間電磁波相互干擾而影響工作效能。但是，瑕不掩瑜，由于雷達(dá)在準(zhǔn)確提供遠(yuǎn)距離的車輛和障礙物信息方面有著得天獨(dú)厚的優(yōu)勢，因此在車輛的防碰撞系統(tǒng)中有著廣闊的應(yīng)用。

（2）超聲波傳感器利用超聲波來檢測。使用超聲波探測得來的數(shù)據(jù)處理簡單、快速，超聲波傳感器可以發(fā)射定向長生波，能夠在較小范圍內(nèi)檢測到物體位置。這種技術(shù)在醫(yī)學(xué)應(yīng)用上比較廣泛和成熟。汽車工業(yè)上的應(yīng)用首見于在歐洲銷售的BMW車上的超聲波停車裝置。這種系統(tǒng)利用一片單片機(jī)進(jìn)行控制，超聲波遇到障礙反射回傳后，根據(jù)傳感器探測距離發(fā)出不同的提示。

主要結(jié)論

整合雷達(dá)系統(tǒng)和超聲波傳感器等其他傳感器，使其為智能車輛提供更加真實(shí)可靠的路況環(huán)境信息，對汽車碰撞安全的發(fā)展來說是至關(guān)重要的。

2 行人保護(hù)汽車監(jiān)管評估[2]

2.1 主要目的和主要原理

行人與車輛的碰撞是機(jī)動車事故中的主要死亡原因。最近，關(guān)于行人傷害的研究已經(jīng)增加。本研究對現(xiàn)場觀察到的主要事故車輛來源和傷害機(jī)制進(jìn)行了分析，并將數(shù)據(jù)與現(xiàn)行的行人規(guī)則進(jìn)行了比較。提出相應(yīng)的解決方法。通過描述性分析，使用涉及552名行人的行人撞車數(shù)據(jù)研究（PCDS）進(jìn)行了分析，共記錄了4500次傷害記錄。

通過對美國行人碰撞數(shù)據(jù)研究（PCDS）數(shù)據(jù)庫的描述性研究和橫向研究進(jìn)行分析。PCDS數(shù)據(jù)庫在1994-1998年間共收到552起調(diào)查案件，在美國不同地點(diǎn)收集，共計4500人受傷。該數(shù)據(jù)庫在每種情況包含300多個變量，包括在碰撞時車輛的年齡，重量，身高，速度，車輛的類別等；根據(jù)縮寫損傷量表（AIS）的損傷分類，損傷的來源對于每個解剖區(qū)域等等。

在PCDS數(shù)據(jù)庫中，行人被定義為任何與地面，道路或公共或私人路面接觸的人。駕駛者，滑板運(yùn)動員和騎自行車者不包括在內(nèi)。行人不能躺下或坐著，車輛必須有原始設(shè)備，行人與汽車之間的第一沖擊點(diǎn)必須在A柱上部的前方。所有碰撞的調(diào)查都是在現(xiàn)場進(jìn)行的。如果被撞倒的行人在事故發(fā)生后24小時內(nèi)不能被采訪或車輛無法定位，案件被駁回。這項特定研究的入選標(biāo)準(zhǔn)是12歲以上，高于150厘米的行人。在該數(shù)據(jù)庫中調(diào)查的第一個目的是研究保護(hù)頭部損傷的必要性。在發(fā)生事故的情況下。第二個目標(biāo)是確定TBI的來源。數(shù)據(jù)庫中共記錄了674名頭部受傷人員，并列出了所有先前列出的標(biāo)準(zhǔn)。

2.2 結(jié)論及存在的問題

目前，歐洲和日本的現(xiàn)行和強(qiáng)制性規(guī)定只包括碰撞后對發(fā)動機(jī)罩的影響，但是沒有考慮對擋風(fēng)玻璃進(jìn)行試驗(yàn)，因此這些法律并沒有促進(jìn)車輛擋風(fēng)玻璃對碰撞的影響。此外，模擬行人碰撞的假人實(shí)驗(yàn)的次數(shù)應(yīng)該增加。HIC是汽車行業(yè)接受和應(yīng)用的主要生物力學(xué)標(biāo)準(zhǔn)，用于設(shè)計車輛對碰撞時行人潛在的頭部影響。HIC在科學(xué)文獻(xiàn)中被證明是TBI的一個很好的指標(biāo)，是開發(fā)車輛對策的一個很好的初始工具。但是，這個標(biāo)準(zhǔn)并不能完全預(yù)測行人受到的所有傷害。線性加速度目前已經(jīng)被用作TBI的主要評價指標(biāo)，但加速度的旋轉(zhuǎn)運(yùn)動分量應(yīng)該包含在未來的生物力學(xué)行人保護(hù)標(biāo)準(zhǔn)中。修改擋風(fēng)玻璃的區(qū)域也涉及對擋風(fēng)玻璃下的儀表板等構(gòu)件的修改。因此，由于預(yù)防碰撞的高要求，行人保護(hù)要求難以實(shí)現(xiàn)。但是，這一定是汽車工業(yè)的重中之重，應(yīng)納入未來的法規(guī)之中。

3 概念自動駕駛車功能的目標(biāo)碰撞人群的初步估計[3]

3.1 主要目的和主要原理

本文提出了可以通過對自動駕駛輕型車輛的仿真來解決目標(biāo)碰撞人群的初步估計。這些估計值來源于識別自動車輛的功能，自動化水平和運(yùn)行特性；將這些信息映射到五項碰撞信息，包括碰撞位置，預(yù)碰撞情景，駕駛條件，行駛速度和駕駛員狀況；然后查詢一般估計系統(tǒng)和死亡分析報告系統(tǒng)碰撞數(shù)據(jù)庫。本文重點(diǎn)介紹了由美國國家高速公路交通安全管理局定義的自動化級別2至4的自動化車輛功能。本文還詳細(xì)介紹了一種方法來計算0級和1級自動車輛功能及其在2至4級自動車輛功能估算目標(biāo)碰撞人群時的適用安全上的好處。目標(biāo)碰撞人群是根據(jù)所有車禍的年度頻率，致命的碰撞以及按自動化水平分解的綜合成本。L2-L4概念自動車輛功能解決了單車碰撞問題，例如公路出行，行人碰撞和動物碰撞；以及諸如變道，反向和交叉路口碰撞等多車輛碰撞問題。

該分析采用三部分析法：（1）識別自動化車輛功能，自動化水平和運(yùn)行特征；（2）將此信息映射到五層碰撞信息，包括崩潰位置、預(yù)碰撞場景、駕駛條件、行駛速度和駕駛員狀況；

（3）從國家碰撞數(shù)據(jù)庫查詢和估計TCP。自動化的車輛功能可以解決由于駕駛員生理損傷或駕駛?cè)蝿?wù)錯誤（包括駕駛員識別，決策和行動）而導(dǎo)致的任何預(yù)碰撞情景中的碰撞。基于詳細(xì)的操作設(shè)計領(lǐng)域，車輛操作和有效性估計（僅針對L0和L1功能）的可用性，功能被考慮用于分析。

3.2 結(jié)論及存在的問題

結(jié)果表明該方法可以明顯地降低碰撞事故的發(fā)生。同時，每個自動化水平均避免了碰撞數(shù)量的增量貢獻(xiàn)?；贚V百分比引發(fā)的總?cè)巳簲?shù)量也有所降低。基于綜合碰撞成本，總體L0和L1安全系統(tǒng)可以提供12%的安全效益。自動化程度更高的級別（L2-L4）可以解決碰撞總體（LV起動）中44%的碰撞綜合成本。任何自動車輛概念功能（無駕駛員，車輛故障和非碰撞預(yù)碰撞情況）都無法解決大約1.7%的成本問題。本文中定義的任何自動化的車輛概念功能都不能解決剩余的41.9%的綜合成本。

4 被動行人安全測驗(yàn)和評估程序的修訂[4]

4.1 主要目的和主要原理

在歐洲法規(guī)（EC）的現(xiàn)場事故數(shù)據(jù)和監(jiān)測結(jié)果的支持下，歐盟委員會關(guān)于提高弱勢道路使用者被動安全性的最新計劃包括擴(kuò)大頭部測試區(qū)。Euro NCAP正在考慮納入被動騎行者的安全。雖然乘用車與騎自行車的碰撞經(jīng)常是嚴(yán)重的，并且在事故統(tǒng)計中占有相當(dāng)大的份額，但是騎自行車的人在立法和消費(fèi)者評級測試中都沒有被充分考慮。因此，目前的一個研究項目已經(jīng)制定了一個測試程序，以評估與騎車者碰撞的車輛前線的保護(hù)潛力。為此，對現(xiàn)有行人頭部撞擊測試程序進(jìn)行了修改，以便將與騎車人相關(guān)的邊界條件列為第二大弱勢道路使用者。根據(jù)對德國乘用車和騎車者事故的深入分析，最初確定了三個最具代表性的事故事件。測試程序本身的發(fā)展是基于對具有代表性的車輛和自行車模型的相應(yīng)模擬。除了騎行者不同的高度，從6歲的孩子到95%的中年男性，還考慮了四個踏板位置。通過重建真實(shí)的事故場景，可以預(yù)先確定所定義的模擬參數(shù)。

4.2 結(jié)論及存在的問題

根據(jù)事故的運(yùn)動學(xué)分析顯示，大部分傷員的頭部撞擊面積增加，可以超過屋頂前緣，并且頭部撞擊速度和角度的平均值較高。根據(jù)不同車型的仿真數(shù)據(jù)，推導(dǎo)了騎行者專用的沖擊試驗(yàn)參數(shù)，并在頭部和腿部沖擊試驗(yàn)過程中進(jìn)一步檢驗(yàn)。為了研究在真實(shí)測試條件下的自行車事故運(yùn)動學(xué)，已經(jīng)對位于自行車上的Polar-II假人進(jìn)行了不同的全尺寸測試?？傮w而言，測試顯示與模擬有很好的相關(guān)性，并支持定義的邊界測試條件。

典型的事故情景和模擬揭示了較高的頭部撞擊位置，角度和速度。具有改進(jìn)的測試參數(shù)的擴(kuò)大的頭部撞擊區(qū)域?qū)⒂兄诟纳茖ΠT車者在內(nèi)的弱勢道路使用者的保護(hù)。然而，由于行人和騎自行車者的下肢之間的沖擊運(yùn)動學(xué)和姿勢不同，因此目前的測試工具（例如柔性的行人腿形沖擊器FlexPLI）無法解決這些傷害。根據(jù)項目內(nèi)部的發(fā)現(xiàn)以及現(xiàn)有的行人保護(hù)要求，制定了用于立法和消費(fèi)者測試程序的自行車保護(hù)測試程序，其要求轉(zhuǎn)化為相應(yīng)的測試規(guī)范。該規(guī)范為行人和騎自行車者提供了通用的頭部測試邊界條件，從而修改了現(xiàn)有的要求，避免了兩個并行的測試程序。

5 自行車道路主動安全觀測[5]

5.1 主要目的和主要原理

目前，以自行車為交通工具的人群的增加趨勢以及自行車與車輛發(fā)生碰撞事故的發(fā)展趨勢日益明顯。根據(jù)國家公路交通安全管理局（NHTSA），全國自行車和行人態(tài)度與行為調(diào)查研究，自行車與車輛碰撞事故的部分主要根源是路面狀況。因此，這項工作已經(jīng)開發(fā)了檢測路面狀況的系統(tǒng)。該系統(tǒng)利用激光和相機(jī)來測量道路的高度。然后，根據(jù)道路高度和自行車速度的信息，由于路況嚴(yán)重，路面狀況可以分為3類。對于安全的道路，騎自行車的人可以安全地騎在它上面。對于警示路，騎自行車的人需要放慢速度。最后，對于危險的道路，騎自行車的人不得不停下腳踏車。此外，路面狀況信息對于許多主動安全應(yīng)用例如主動警報系統(tǒng)是有用的，以增加系統(tǒng)的可靠性和騎自行車者的安全性。

5.2 結(jié)論及存在的問題

該系統(tǒng)用于評估各種路面狀況。選擇專用路面進(jìn)行實(shí)驗(yàn)，選擇自行車與車輛發(fā)生碰撞可能遇到的路面情況進(jìn)行實(shí)驗(yàn)。在實(shí)驗(yàn)實(shí)踐中使用的路面條件的例子包括以下內(nèi)容：a.正常路況（平滑路面）；b.傾斜向上/傾斜向下的道路；c.粗糙的路面；d.坑洼表面。由激光器產(chǎn)生的道路模擬激光圖案被相機(jī)捕獲。然后，采集圖像通過機(jī)器視覺標(biāo)準(zhǔn)軟件MVTec Halcon進(jìn)行處理和分析，通過測量路面高度來檢測路面狀況。測量高度的過程由4個步驟組成。

第一步是圖像的增強(qiáng)。

第二步是檢測參考路線的選擇。

第三步根據(jù)參考路線線位置計算路面高度。

第四步從高度和自行車速度分類道路狀況。

根據(jù)道路高度和自行車速度等信息，以及道路的條件，來降低與車輛發(fā)生碰撞的概率。對于安全的道路，騎自行車的人可以安全地騎在它上面。對于警示路，騎自行車的人需要放慢速度。最后，對于危險的道路，騎自行車的人不得不停下腳踏車。

6 駝鹿與車輛碰撞時對乘員的傷害[6]

6.1 主要目的和主要原理

與野生有蹄類動物的碰撞是美國北方地區(qū)日益嚴(yán)重的交通安全問題。與小濃郁鹿種發(fā)生的碰撞通常只會導(dǎo)致車輛損壞，而與大型動物碰撞，比如駝鹿，就會增加了駕駛員人身傷害的風(fēng)險。因此理解這兩者的關(guān)系是避免駝鹿與車輛發(fā)生碰撞的根本原因。作為暫時緩解的基礎(chǔ)措施，我們檢查了有和沒有人身傷害的MVC的年度和月度變化。運(yùn)用來自芬蘭的22年（1990-2011年）時間序列，我們測試了駝鹿種群的影響密度以及每年所有MVC和導(dǎo)致人身傷害的流量。我們也檢查了有無人身傷害的MVC每月分布情況，芬蘭瑞典（2008-2010年）和挪威（2008-2011年）的碰撞數(shù)據(jù)。駝鹿種群豐富度指數(shù)和交通量與芬蘭的MVC數(shù)量成正相關(guān)。我們使用的芬蘭數(shù)據(jù)集也包含一些已知的缺點(diǎn)。在芬蘭，2012年對車輛碰撞登記系統(tǒng)進(jìn)行了修改。不幸的是，在此之前，由于技術(shù)原因，并非所有的車輛碰撞都登記在國家數(shù)據(jù)庫中;在創(chuàng)建最終數(shù)據(jù)庫時，需要充分考慮所有要求的附加信息（例如天氣和駕駛條件）的碰撞報告（芬蘭交通局，2014b）。2005年至2010年期間，這些碰撞的平均比例為24%。然而，這些碰撞大部分可能與白尾鹿等較小的鹿類物種發(fā)生碰撞，因?yàn)閷?dǎo)致重大財產(chǎn)損失的碰撞，尤其是導(dǎo)致人身傷害的碰撞則比較少。然而，由于我們沒有理由期望除了這些碰撞的隨機(jī)時間分布，數(shù)據(jù)可用于我們避免發(fā)生碰撞，減少不必要的人員傷亡。

6.2 結(jié)論及存在的目的

最終通過建立大型數(shù)據(jù)庫，分析鹿群在路面上行走的時間以及行走習(xí)慣來預(yù)測事故發(fā)生的概率，以及建立模型來分析發(fā)生碰撞時對人員造成的傷害。結(jié)果發(fā)現(xiàn)，涉及人身傷害的MVC比例在下降。所有MVC的月度分布在秋季或冬季達(dá)到頂峰，涉及人身傷害的MVC在夏季達(dá)到頂峰。我們的研究表明努力減少涉及人身傷害的MVC需要考慮到駕駛員的意識和態(tài)度的因素，盡管大多數(shù)MVC發(fā)生在秋季或冬季。

[1]B?hml?nder D,Dirndorfer T,Al-Bayatti A H,et al.Contextaware system for pre-triggering irreversible vehicle safety actuators[J].Accident Analysis&Prevention,2017,103：72-84.2017.

[2]Arregui-Dalmases C,Rebollo-Soria M C,Sanchez-Molina D,et al.Pedestrian head injury biomechanics and damage mechanism.Pedestrian protection automotive regulation assessment[J].Neurocirugía(English Edition),2017,28(1)：41-46.

[3]Yanagisawa M,Najm WG,Rau P.Preliminary Estimates of Target Crash Populations for Concept Automated Vehicle Functions[C]//25th International Technical Conference on the Enhanced Safety of Vehicles(ESV)National Highway Traffic Safety Administration.2017.

[4]Zander O,Hamacher M.Revision of Passive Pedestrian Test and Assessment Procedures to Implement Head Protection of Cyclists[C]//25th International Technical Conference on the Enhanced Safety of Vehicles(ESV)National Highway Traffic Safety Administration.2017.

[5]Phanomchoeng G,Chantranuwathana S.Road Surface Condition Detection in Bicycle for Active Safety Applications[R].SAETechnical Paper,2017.

[6]Niemi M,Rolandsen CM,Neumann W,et al.Temporal patterns of moose-vehicle collisions with and without personal injuries[J].Accident Analysis&Prevention,2017,98：167-173.