面向痕迹采集的汽车-两轮车碰撞事故痕迹参数敏感性分析

邹铁方，刘 雨，尹若愚，张爱红，蔡 铭

（1.长沙理工大学 汽车与机械工程学院，长沙 410004；2.湖南省工程车辆安全性设计与可靠性技术重点实验室，长沙 410004；3.公安部交通管理科学研究所，江苏，无锡 214151；4.中山大学 工学院 广东省智能交通系统重点实验室，广州 510275）

面向痕迹采集的汽车-两轮车碰撞事故痕迹参数敏感性分析

邹铁方1,2，刘 雨1,2，尹若愚1,2，张爱红3，蔡 铭4

（1.长沙理工大学 汽车与机械工程学院，长沙 410004；2.湖南省工程车辆安全性设计与可靠性技术重点实验室，长沙 410004；3.公安部交通管理科学研究所，江苏，无锡 214151；4.中山大学 工学院 广东省智能交通系统重点实验室，广州 510275）

为了快速、准确地采集与汽车-两轮车碰撞事故车速鉴定紧密相关的痕迹信息，通过经验分析初步获得车速鉴定所需及时关注的17个敏感参数。为进一步获得这些参数的敏感性，提出了基于随机森林模型的参数敏感性分析方法，并确定了各个需要及时关注的参数取值范围，再用所给方法分析了这些参数的敏感性。分析结果表明，汽车制动距离、骑车人和行人抛距在所有参数中对碰撞速度最为敏感。

车速鉴定；痕迹参数；敏感性；痕迹采集；随机森林

近年来，我国道路交通事故四项指数逐年下降，但是，涉及两轮车的事故却呈现出微幅上升趋势。据统计，2013年两轮车驾乘人员在交通事故中死亡9 047人，受伤38 370人；2014年两轮车驾乘人员在交通事故中死亡9 333人，受伤39 168人。其中，汽车-两轮车碰撞事故为两轮车事故中的主要事故形态[1-2]。车速鉴定作为汽车-两轮车碰撞事故再现的核心，其高效和客观性变得更为迫切[3]，而现场痕迹信息是道路交通事故再现的基础，它对于车速鉴定至关重要。因此，如何快速、准确地采集到事故现场痕迹则成为事故再现中的核心问题之一。在我国现有的道路交通事故处理机制下，痕迹信息采集基本由一线民警完成，事故鉴定人员很少到事故第一现场进行取证，这就难免造成事故现场取证中的错漏、不全等现象，为后期的事故车速鉴定带来极大的影响[4]。通过分析相关参数的敏感性，可以获知相应参数的重要程度，进而可指导一线民警重视相应痕迹参数，降低出现错漏问题的概率。

目前，为了分析事故再现领域中相关痕迹的敏感性，多名专家学者进行了相关研究。邹铁方等[5]借助均匀试验设计提出了参数敏感性分析方法，因均匀设计表的局限性，当要求样本很多时，该方法会失效。裴剑平等[6]研究了典型事故再现模型，对典型的碰撞模型中碰撞前速度方向参数和碰撞中心位置参数进行了敏感度分析，给出了其数学表达式和适用范围。许洪国等[7]为研究事故再现系统参数对汽车碰撞事故车速计算值的影响，分析了车对车碰撞三个阶段的影响因素，建立了汽车质量及碰撞中心等参数的敏感性分析模型，并通过具体的事故案例分析了这些参数的影响规律和敏感度。王宏雁等[8]对交通事故再现软件PC-Crash中的特征参数进行分析，运用分析法、控制变量法先提取主要的参数，再设定正交试验将特征参数按权重大小排序，探求各特征参数对模拟结果影响的权重及产生影响的类型。陈涛等[9]提出一个综合评判计算方法推算碰撞速度，该方法可以避免按单一方法计算时因参数选择或计算错误的影响，并可间接校验某些事故现场遗留痕迹的真伪，剔除个别含有假象的证据。但他们的关注点都集中在事故再现中，并未考虑为了面向痕迹采集的参数敏感性问题。

为此，首先借助经验选出汽车-两轮车碰撞事故中所需及时关注的痕迹，然后确定它们的取值范围，进而依据基于随机森林模型的参数敏感性方法分析这些可测痕迹参数的敏感性。

1 汽车-两轮车碰撞事故痕迹分析

汽车-两轮车碰撞事故痕迹信息主要是与车、人、路相关的痕迹信息，基于这些痕迹信息的车速鉴定方法主要包括传统经验公式、事故再现方法等。结合车速鉴定方法，快速获取与车速鉴定紧密相关的痕迹很有必要，根据经验初步筛选出较敏感的参数，并分析影响车速鉴定参数的敏感原因（表1）。

表1 参数敏感分析

其中，人体损伤信息有相应部门出具损伤鉴定报告，车辆变形信息一般可以在事故后测得，且不易丢失，这几种都不属于需及时关注的痕迹。通过初步筛选得到了与碰撞车速密切相关的敏感性参数：汽车附着系数Fc、碰撞角度a、汽车质量Mc、汽车重心高度Hc、两轮车速度Vb、两轮车质量Mb、两轮车附着系数Fb、两轮车高度Hb、骑车人摩擦因数Fr、骑车人身高Hr、骑车人体重Mr、碰撞恢复系数F、骑车人与汽车之间的摩擦因数Fcr、两轮车与汽车间的摩擦因数Fcb。王薛超[10]给出了骑车人身高Hr、骑车人体重Mr的取值区间；《2010年国民体质监测公报》[11]中给出了汽车附着系数Fc、电动自行车附着系数Fb、骑车人摩擦因数Fr的取值区间；GA/T 643—2006《典型交通事故形态车辆行驶速度技术鉴定》[12]中给出了骑车人与汽车之间的摩擦因数Fcr、电动自行车与汽车间的摩擦因数Fcb的取值区间（表2）。

表2 各参数取值区间

2 基于随机森林的参数敏感性分析方法

2.1 随机森林的优点

随机森林是由Breiman提出的一种新的机器学习模型，是当前数据挖掘领域的热门工具。在随机森林中，一个K类的名义变量可以用一个K-1叉树来记录，并且只用其中一部分来建树，这能避免由大量分类变量造成的问题，因此在分析具有大量分类变量的问题时，随机森林能够很好地进行处理。随机森林采用Bagging方法建树，因此异常值对结果的影响将会减弱，这种方法通过比较每个解释变量的残差平方和的平均边际减少，可以衡量每个变量的重要性。随机森林还具有不易出现过拟合、准确率高、运算速度快等优点，因此在分析痕迹参数的敏感性时，考虑采用随机森林的方法以获得精度更高的痕迹参数权重。

2.2 随机森林的原理

随机森林利用 Bootstrap重抽样方法从原始样本中抽取多个样本，对每个Bootstrap样本进行决策树建模，然后组合多棵决策树的预测，算法的最终预测结果通过投票得出[13]。它的构建过程主要分为为每棵决策树抽样产生训练集、构建每棵决策树、森林的形成及算法的执行。釆用简单多数投票法的结果作为随机森林的输出表示分类问题；采用单棵树输出结果的简单平均作为随机森林的输出表示回归问题。式（1）和式（2）分别为随机森林分类、回归模型的数学表达式。

随机森林是一个优秀的很有发展潜力的集成学习算法，Breiman 在理论上论证了集成学习算法的本质：基于分类器的强度和不相关性，并在此理论基础上，成功地在决策树中注入了两个随机性，即训练样本的随机性和特征选取的随机性，随机森林也因此获得了很大的泛化能力提升。

2.3 参数敏感性分析流程

基于随机森林的参数敏感性分析方法主要包括以下几个步骤：（1）利用表2中的数据在Matlab中基于拉丁超立方体抽样（Latin Hyper Cube Sampling，LHS）生成试验样本集。（2）获得试验设计表后严格按照此表在PC-Crash中进行试验，记录17个参数的取值，为了消除各评价指标不同量纲对评价结果的影响，归一化处理数据。（3）在R软件中建立随机森林模型，生成最优模型。（4）基于随机森林模型分析不同变量对车速的重要性。步骤（3） 、（4）的具体程序如下：

library(randomForest) #调用随机森林程序包；sheds＜-read.csv('C:/Users/LY/Desktop/canshuminggan1.csv', header=T) #从硬盘读入数据；

RF3＜-randomForest(Vc～.,data=sheds,ntree= 5 000, importance=TRUE) #运行随机森林；

Print(RF3) #模型结果，显示残差的平方，以及解释变异(敏感参数对碰撞车速 V 的解释)的百分率；

importance(RF3) #显示变量重要性结果；

varImpPlot(RF3) #图示自变量对的碰撞速度的重要性。

3 痕迹参数敏感性分析

3.1 仿真试验设计

考虑拉丁超立方试验设计在事故再现领域的优越性[14]，采取拉丁超立方试验设计，根据表2中各参数的定义范围获取50组试验样本（表3），试验设计步骤如下：

（1）在Matlab主界面中输入Mbcmodel进入基于模型的标准工具箱MBC主界面。

（2）在File一栏选择New test plan，点击Onestage，依据表2在Inputs中设置各参数取值范围。

（3）在TestPlan选项 中 选 择Design Experiment，然后在Plan一栏选择 Newdesign得到新设计。

（4）在Design选项中选择Space—Filling design进入设计选项对话框，选择LHS，得到试验设计表。

3.2 仿真及数据分析

3.2.1 仿真及数据记录

严格按照表3中的数据在PC-Crash中修改人、车、路相关参数并进行仿真。聂进等[15]在仿真试验中选择此类碰撞事故，碰撞车为Audi-A6 2.0 TFSI - 4F，两轮车与骑车人为PC-Crash中的自带模型，每一组试验都逐一根据拉丁方试验设计获得的数据对人、车、路中的参数进行修改，碰撞后汽车立刻完全制动，汽车、两轮车重心所在平面与水平面垂直，其它参数均为PC-Crash中的默认值。记录、测量数据包括碰撞初步筛选的参数，以及汽车、两轮车与骑车人起始和碰撞后的重心坐标。然后通过重心坐标计算并记录汽车制动距离Sc、骑车人抛距Sr、两轮车抛距Sb。将所有参数记录在Excel文件中并进行数据归一化处理，然后另存为后缀为.csv的文件，执行2.3节中的步骤（3）和步骤（4），基于随机森林对不同变量对车速的重要性进行了敏感性分析和排序（图1）。

图1 随机森林对影响碰撞车速的自变量的重要性进行排序

3.2.2 数据分析

%incMSE及incNodePurity是衡量重要性的两个指标，其值的大小表征变量重要性的程度。通过对图1中的重要性指标%incMSE进行分析可知，各参数对碰撞车速的敏感性排序依次为汽车制动距离Sc、两轮车抛距Sb、骑车人抛距Sr、两轮车速度Vb、两轮车质量Mb、碰撞角度a、骑车人与汽车之间的摩擦因数Fcr、碰撞恢复系数F、两轮车与汽车间的摩擦因数Fcb、骑车人体重Mr、汽车质量Mc、汽车重心高度Hc、汽车附着系数Fc、两轮车高度Hb、两轮车附着系数Fb、骑车人身高Hr、骑车人摩擦因数Fr。

依据重要性指标incNodePurity，各参数对碰撞车速的敏感性排序依次为汽车制动距离Sc、两轮车抛距Sb、骑车人抛距Sr、汽车附着系数Fc、骑车人与汽车之间的摩擦因数Fcr、两轮车质量Mb、碰撞角度a、两轮车速度Vb、两轮车与汽车间的摩擦因数Fcb、碰撞恢复系数F、骑车人体重Mr、汽车质量Mc、两轮车高度Hb、两轮车附着系数Fb、骑车人摩擦因数Fr、汽车重心高度Hc、骑车人身高Hr。

汽车制动距离Sc、骑车人抛距Sr、两轮车抛距Sb是汽车-两轮车碰撞事故进行事故再现时的基本依据，且在事故现场属于容易消失的痕迹，因此在进行痕迹采集时，这3个参数需要重点、及时地关注。在基于随机森林的痕迹参数敏感性分析中，汽车制动距离Sc、骑车人抛距Sr、两轮车抛距Sb的敏感性是非常靠前的，这与事故再现中的原则性判断和痕迹现场采集的经验判断非常相符。因此，可以认为运用随机森林进行参数的敏感性分析是可行的，其分析结果可靠。

综合随机森林中的变量重要性指标得到：汽车制动距离Sc、骑车人抛距Sr、两轮车抛距Sb在所有参数中对碰撞速度是最敏感的，因此，现场采集时应优先采集汽车制动距离Sc、骑车人抛距Sr、两轮车抛距Sb。基于这些距离计算碰撞车速时，大多需要获得汽车附着系数Fc、碰撞角度a、两轮车附着系数Fb、骑车人摩擦因数Fr、两轮车质量Mb、骑车人体重Mr、汽车质量Mc，在现场勘查时需重点关注。

4 结论

基于随机森林模型，提出了一种面向痕迹采集的参数敏感性分析方法，筛选出与车速鉴定密切相关的痕迹参数，可以指导一线民警重点关注与车速鉴定相关的敏感性痕迹，避免过多关注非重点参数。

通过参数敏感性分析结果得到：在汽车-两轮车碰撞事故中汽车制动距离Sc、骑车人抛距Sr、两轮车抛距Sb在所有参数中对碰撞速度是最敏感的。

面向痕迹采集的参数敏感性分析方法重点服务于车速鉴定，且随着车速鉴定方法的不断完善，相应的采集方法也应不断发展。

（

）：

[1]公安部交通管理局. 中华人民共和国道路交通事故统计年报(2013)[R]. 北京：公安部交通管理局，2014. Ministry of Public Security Traffic Management Bureau. People's Republic of China Statistical Year Book of Road Accidents(2013)[R]. Beijing：Ministry of Public Security Traffc Management Bureau，2014. (in Chinese)

[2]公安部交通管理局.中华人民共和国道路交通事故统计年报(2014)[R]. 北京：公安部交通管理局，2015. Ministry of Public Security Traffic Management Bureau. People's Republic of China Statistical Year Book of RoadAccidents(2014)[R]. Beijing：Ministry of Public Security Traffc Management Bureau，2015. (in Chinese)

[3]邹铁方，余志，蔡铭，等. 基于PC-Crash的车-人事故再现 [J]. 振动与冲击，2011，30(3)：215-219. ZOU Tiefang，YU Zhi，CAI Ming，et al. Car-Pedestrian Accident Reconstruction Based on PC-Crash [J]. Journal of Vibration and Shock，2011，30(3)：215-219. (in Chinese)

[4]邵祖峰，杨红，王秀华. 车速鉴定的交通事故现场取证技术研究[J]. 湖南警察学院学报，2012，24(2)：119-122. SHAO Zufeng，YANG Hong，WANG Xiuhua. Studies About the Accident Scene Forensics for the Speed Identifcation of Vehicle Based on Classical Mechanics [J]. Journal of Hunan Police Academy，2012，24(2)：119-122. (in Chinese)

[5]邹铁方，杜荣华，李岳林. 基于均匀设计的事故再现模型参数敏感性分析[J]. 中国安全科学学报，2011，21(2)：53-56. ZOU Tiefang，DU Ronghua，LI Yuelin. Parameter Sensitivity Analysis of Accident Reconstruction Model Based on Uniform Design [J]. China Safety Science Journal，2011，21(2)：53-56.(in Chinese)

[6]裴剑平，李一兵， 吴卫东. 事故再现典型碰撞模型的参数敏感度分析[J]. 公路交通科技，2002，19(4)：130-133. PEI Jianping，LI Yibing，WU Weidong. Parameter Sensitivity of Analysis Typical Impact Models in Traffic Accident Reconstruction [J]. Journal of Highway and Transportation Research and Development，2002，19(4)：130-133. (in Chinese)

[7]许洪国，高蔚，苏键，等. 汽车交通事故碰撞速度多值问题的研究[J].中国公路学报，1996，9(1)：87-93. XU Hongguo，GAO Wei，SU Jian，et al. Multi-value Problem of Collision Velocity in Motor Vehicle Accident[J]. China Journal of Highway and Transport，1996，9(1)：87-93. (in Chinese)

[8]王宏雁，邵文煌. 基于PC-Crash的交通事故再现误差分析[J]. 同济大学学报，2009，37(4)：531-536. WANG Hongyan，SHAO Wenhuang. Error Analysis of Traffic Accident Reconstruction Based on PC-Crash [J]. Journal of Tongji University，2009，37(4)：531-536. (in Chinese)

[9]陈涛，魏朗，龚标，等. 车对车碰撞事故再现系统的参数敏感性分析[J]. 汽车工程，2012，34(9)：771-775. CHEN Tao，WEI Lang，GONG Biao，et al. Parameter Sensitivity Analysis of Reconstruction System for Vehicle-Vehicle Collision Accident[J]. Automotive Engineering，2012，34 (9)：771-775. (in Chinese)

[10]王薛超. 汽车-电动摩托车碰撞事故分析及骑车人动力学响应研究 [D]. 长沙：湖南大学，2013. WANG Xuechao. A Study on Car to Electric-two-wheeler Collisions and Riders' Dynamic Responses [D]. Changsha：Hunan University，2013. (in Chinese)

[11]国家体育总局. 2010年国民体质监测公报 [R]. 北京：国家体育总局，2010. State General Administration of Sports. Report on Physical Fitness Surveillance [R]. Beijing：State General Administration of Sports，2010. (in Chinese)

[12]GA/T643—2006. 典型交通事故形态车辆行驶速度技术鉴定 [S]. 北京： 中国标准出版社，2006. GA/T643—2006.The Speed Technical Evaluation for Vehicles Involved in Representative Road Accidents [S]. Beijing：China Standard Press，2006.(in Chinese)

[13]方匡南， 吴见彬， 朱建平， 等. 随机森林方法研究综述 [J]. 统计与信息论坛，2011，26(3)：32-38. FANG Kuangnan，WU Jianbin，ZHU Jianping，et al. A Review of Technologies on Random Forests [J]. Statistics and Information Forum，2011，26(3)：32-38. (in Chinese)

[14]邹铁方，蔡铭，刘济科，等. 分析事故再现仿真结果不确定性的一种方法 [J]. 系统仿真学报，2013，25(5)：911-914. ZOU Tiefang，CAI Ming，LIU Jike，et al. Method for Analyzing Uncertainty of Simulation Results in Accident Reconstruction [J]. Journal of System Simulation，2013，25(5)：911-914. (in Chinese)

[15]聂进，杨济匡. 基于汽车-自行车碰撞事故重建的骑车人动力学响应和损伤研究[J]. 汽车工程，2015，37(2)：160-166. NIE Jin，YANG Jikuang. A Study on the Dynamic Response and Injury of Cyclist Based on Car-Bicycle Accident Reconstruction [J]. Automotive Engineering，2015， 37 (2)： 160-166. (in Chinese)

作者介绍

Trace Collection Oriented Sensitivity Analysis of Trace Parameters for Collisions Between the Two-Wheeler and Another Vehicle

ZOU Tiefang1,2，LIU Yu1,2，YIN Ruoyu1,2，ZHANG Aihong3，CAI Ming4
（1. School of Automobile & Mechanical Engineering，Changsha University of Science & Technology，Changsha 410004，China；2. Hunan Provincial Key Laboratory of Safety Design & Reliability Technology for Engineering Vehicle，Changsha 410004，China；3. Traffic Management Research Institute of Ministry of Public Security，Wuxi 214151，Jiangsu，China；4. Guangdong Provincial Key Laboratory of Intelligent Transportation System，School of Engineering，Sun Yat-sen University，Guangzhou 510275，China）

In order to collect trace information closely related to speed identification from the collisions between the two-wheeler and another vehicle, first 17 most important sensitive parameters related to collision speed were obtained through empirical analysis. And then, a method based on a random forest model to analyze the sensitivity of these parameters was proposed and the range of each parameter was determined. Finally, these parameters were listed in order of importance. The results show that the car braking distance, the cyclist throw distance and pedestrians are most significant among 17 sensitive parameters related to collision speed.

speed identification; trace parameters; sensitivity; trace information collection; random forest

邹铁方（1982-），男，湖南娄底人。博士，副教授，主要从事交通事故、汽车安全相关技术的研究。Tel：0731-85258630E-mail：tiefang@163.com

U491.31

A

10.3969/j.issn.2095-1469.2017.01.03

2016-08-03 改稿日期：2016-09-14

国家自然科学基金（51208065）；湖南省科技计划项目（2015JC3056）；广东省科技计划项目（2015B010110005）；道路交通安全公安部重点实验室开放基金（2016ZDSYSKFKT08）

用格式：

邹铁方，刘雨，尹若愚，等. 面向痕迹采集的汽车-两轮车碰撞事故痕迹参数敏感性分析[J]. 汽车工程学报，2017，7(1)：016-021.

ZOU Tiefang，LIU Yu，YIN Ruoyu，et al. Trace Collection Oriented Sensitivity Analysis of Trace Parameters for Collisions Between the Two-Wheeler and Another Vehicle [J]. Chinese Journal of Automotive Engineering，2017，7(1)：016-021. (in Chinese)