关于碰撞安全的研究

随着科学技术的发展，汽车己经成为人们生活中必不可少的交通工具。而在汽车交通事故中每年的死伤人数，常常超过世界的局部战争，交通事故已经成为人类社会的重大公害之一。从全世界的统计数字来看，每年因道路交通事故而死亡的人数已高达50多万人。与世界其他各国相比，我国的汽车总拥有量只占5%，而交通事故死亡人数却占100%，并且碰撞事故中的死亡率也大大高于欧美、日本等工业发达国家，其中除了人为的因索外，车辆本身的碰撞安全性达不到要求是一个重要因素。因此，汽车的碰撞安全性问题，已成为近十多年来汽车工业的主要研究问题和攻关方向。本文从多个方向探讨了关于汽车碰撞安全的研究。

1 用于预触发不可逆车辆安全的环境感知系统[1]

1.1 主要目的和主要原理

据估计世界上每年因为交通车辆交通事故而使得驾驶员和行人受伤的人数达到了50万。根据世界卫生组织（WHO）的预测，这种趋势将会恶化。预计到2030年，因为交通事故将成为世界上第五大死亡原因。不幸的是，大多数事故是由人为失误造成的，比如驾驶员的注意力不集中等。因此，车辆安全研究的首要目标就是要避免交通事故的发生。特别是对车辆乘客和行人的保护。在这方面，汽车的“视线”感以及其外感传感器可以发挥越来越重要的作用。智能车辆（IV）能够感知环境并正确预测潜在的危险。今天，为了增加车辆碰撞性能和乘客保护，我们应该特别关注如何激活预碰撞安全应用的方法。

1.2 结论及存在的问题

（1）雷达系统的应用。雷达系统是一种主动型传感器，利用微电磁波探测目标距离、速度、方位等。雷达不需要复杂的设计与繁复的计算。雷达系统的使用不受光线、天气等因素干扰，无论是白天还是黑夜，晴天或者下雨，雷达系统都能够正常运转。由于雷达是靠电磁波反射原理来工作的，这会导致相近的不同雷达间电磁波相互干扰而影响工作效能。但是，瑕不掩瑜，由于雷达在准确提供远距离的车辆和障碍物信息方面有着得天独厚的优势，因此在车辆的防碰撞系统中有着广阔的应用。

（2）超声波传感器利用超声波来检测。使用超声波探测得来的数据处理简单、快速，超声波传感器可以发射定向长生波，能够在较小范围内检测到物体位置。这种技术在医学应用上比较广泛和成熟。汽车工业上的应用首见于在欧洲销售的BMW车上的超声波停车装置。这种系统利用一片单片机进行控制，超声波遇到障碍反射回传后，根据传感器探测距离发出不同的提示。

主要结论

整合雷达系统和超声波传感器等其他传感器，使其为智能车辆提供更加真实可靠的路况环境信息，对汽车碰撞安全的发展来说是至关重要的。

2 行人保护汽车监管评估[2]

2.1 主要目的和主要原理

行人与车辆的碰撞是机动车事故中的主要死亡原因。最近，关于行人伤害的研究已经增加。本研究对现场观察到的主要事故车辆来源和伤害机制进行了分析，并将数据与现行的行人规则进行了比较。提出相应的解决方法。通过描述性分析，使用涉及552名行人的行人撞车数据研究（PCDS）进行了分析，共记录了4500次伤害记录。

通过对美国行人碰撞数据研究（PCDS）数据库的描述性研究和横向研究进行分析。PCDS数据库在1994-1998年间共收到552起调查案件，在美国不同地点收集，共计4500人受伤。该数据库在每种情况包含300多个变量，包括在碰撞时车辆的年龄，重量，身高，速度，车辆的类别等；根据缩写损伤量表（AIS）的损伤分类，损伤的来源对于每个解剖区域等等。

在PCDS数据库中，行人被定义为任何与地面，道路或公共或私人路面接触的人。驾驶者，滑板运动员和骑自行车者不包括在内。行人不能躺下或坐着，车辆必须有原始设备，行人与汽车之间的第一冲击点必须在A柱上部的前方。所有碰撞的调查都是在现场进行的。如果被撞倒的行人在事故发生后24小时内不能被采访或车辆无法定位，案件被驳回。这项特定研究的入选标准是12岁以上，高于150厘米的行人。在该数据库中调查的第一个目的是研究保护头部损伤的必要性。在发生事故的情况下。第二个目标是确定TBI的来源。数据库中共记录了674名头部受伤人员，并列出了所有先前列出的标准。

2.2 结论及存在的问题

目前，欧洲和日本的现行和强制性规定只包括碰撞后对发动机罩的影响，但是没有考虑对挡风玻璃进行试验，因此这些法律并没有促进车辆挡风玻璃对碰撞的影响。此外，模拟行人碰撞的假人实验的次数应该增加。HIC是汽车行业接受和应用的主要生物力学标准，用于设计车辆对碰撞时行人潜在的头部影响。HIC在科学文献中被证明是TBI的一个很好的指标，是开发车辆对策的一个很好的初始工具。但是，这个标准并不能完全预测行人受到的所有伤害。线性加速度目前已经被用作TBI的主要评价指标，但加速度的旋转运动分量应该包含在未来的生物力学行人保护标准中。修改挡风玻璃的区域也涉及对挡风玻璃下的仪表板等构件的修改。因此，由于预防碰撞的高要求，行人保护要求难以实现。但是，这一定是汽车工业的重中之重，应纳入未来的法规之中。

3 概念自动驾驶车功能的目标碰撞人群的初步估计[3]

3.1 主要目的和主要原理

本文提出了可以通过对自动驾驶轻型车辆的仿真来解决目标碰撞人群的初步估计。这些估计值来源于识别自动车辆的功能，自动化水平和运行特性；将这些信息映射到五项碰撞信息，包括碰撞位置，预碰撞情景，驾驶条件，行驶速度和驾驶员状况；然后查询一般估计系统和死亡分析报告系统碰撞数据库。本文重点介绍了由美国国家高速公路交通安全管理局定义的自动化级别2至4的自动化车辆功能。本文还详细介绍了一种方法来计算0级和1级自动车辆功能及其在2至4级自动车辆功能估算目标碰撞人群时的适用安全上的好处。目标碰撞人群是根据所有车祸的年度频率，致命的碰撞以及按自动化水平分解的综合成本。L2-L4概念自动车辆功能解决了单车碰撞问题，例如公路出行，行人碰撞和动物碰撞；以及诸如变道，反向和交叉路口碰撞等多车辆碰撞问题。

该分析采用三部分析法：（1）识别自动化车辆功能，自动化水平和运行特征；（2）将此信息映射到五层碰撞信息，包括崩溃位置、预碰撞场景、驾驶条件、行驶速度和驾驶员状况；

（3）从国家碰撞数据库查询和估计TCP。自动化的车辆功能可以解决由于驾驶员生理损伤或驾驶任务错误（包括驾驶员识别，决策和行动）而导致的任何预碰撞情景中的碰撞。基于详细的操作设计领域，车辆操作和有效性估计（仅针对L0和L1功能）的可用性，功能被考虑用于分析。

3.2 结论及存在的问题

结果表明该方法可以明显地降低碰撞事故的发生。同时，每个自动化水平均避免了碰撞数量的增量贡献。基于LV百分比引发的总人群数量也有所降低。基于综合碰撞成本，总体L0和L1安全系统可以提供12%的安全效益。自动化程度更高的级别（L2-L4）可以解决碰撞总体（LV起动）中44%的碰撞综合成本。任何自动车辆概念功能（无驾驶员，车辆故障和非碰撞预碰撞情况）都无法解决大约1.7%的成本问题。本文中定义的任何自动化的车辆概念功能都不能解决剩余的41.9%的综合成本。

4 被动行人安全测验和评估程序的修订[4]

4.1 主要目的和主要原理

在欧洲法规（EC）的现场事故数据和监测结果的支持下，欧盟委员会关于提高弱势道路使用者被动安全性的最新计划包括扩大头部测试区。Euro NCAP正在考虑纳入被动骑行者的安全。虽然乘用车与骑自行车的碰撞经常是严重的，并且在事故统计中占有相当大的份额，但是骑自行车的人在立法和消费者评级测试中都没有被充分考虑。因此，目前的一个研究项目已经制定了一个测试程序，以评估与骑车者碰撞的车辆前线的保护潜力。为此，对现有行人头部撞击测试程序进行了修改，以便将与骑车人相关的边界条件列为第二大弱势道路使用者。根据对德国乘用车和骑车者事故的深入分析，最初确定了三个最具代表性的事故事件。测试程序本身的发展是基于对具有代表性的车辆和自行车模型的相应模拟。除了骑行者不同的高度，从6岁的孩子到95%的中年男性，还考虑了四个踏板位置。通过重建真实的事故场景，可以预先确定所定义的模拟参数。

4.2 结论及存在的问题

根据事故的运动学分析显示，大部分伤员的头部撞击面积增加，可以超过屋顶前缘，并且头部撞击速度和角度的平均值较高。根据不同车型的仿真数据，推导了骑行者专用的冲击试验参数，并在头部和腿部冲击试验过程中进一步检验。为了研究在真实测试条件下的自行车事故运动学，已经对位于自行车上的Polar-II假人进行了不同的全尺寸测试。总体而言，测试显示与模拟有很好的相关性，并支持定义的边界测试条件。

典型的事故情景和模拟揭示了较高的头部撞击位置，角度和速度。具有改进的测试参数的扩大的头部撞击区域将有助于改善对包括骑车者在内的弱势道路使用者的保护。然而，由于行人和骑自行车者的下肢之间的冲击运动学和姿势不同，因此目前的测试工具（例如柔性的行人腿形冲击器FlexPLI）无法解决这些伤害。根据项目内部的发现以及现有的行人保护要求，制定了用于立法和消费者测试程序的自行车保护测试程序，其要求转化为相应的测试规范。该规范为行人和骑自行车者提供了通用的头部测试边界条件，从而修改了现有的要求，避免了两个并行的测试程序。

5 自行车道路主动安全观测[5]

5.1 主要目的和主要原理

目前，以自行车为交通工具的人群的增加趋势以及自行车与车辆发生碰撞事故的发展趋势日益明显。根据国家公路交通安全管理局（NHTSA），全国自行车和行人态度与行为调查研究，自行车与车辆碰撞事故的部分主要根源是路面状况。因此，这项工作已经开发了检测路面状况的系统。该系统利用激光和相机来测量道路的高度。然后，根据道路高度和自行车速度的信息，由于路况严重，路面状况可以分为3类。对于安全的道路，骑自行车的人可以安全地骑在它上面。对于警示路，骑自行车的人需要放慢速度。最后，对于危险的道路，骑自行车的人不得不停下脚踏车。此外，路面状况信息对于许多主动安全应用例如主动警报系统是有用的，以增加系统的可靠性和骑自行车者的安全性。

5.2 结论及存在的问题

该系统用于评估各种路面状况。选择专用路面进行实验，选择自行车与车辆发生碰撞可能遇到的路面情况进行实验。在实验实践中使用的路面条件的例子包括以下内容：a.正常路况（平滑路面）；b.倾斜向上/倾斜向下的道路；c.粗糙的路面；d.坑洼表面。由激光器产生的道路模拟激光图案被相机捕获。然后，采集图像通过机器视觉标准软件MVTec Halcon进行处理和分析，通过测量路面高度来检测路面状况。测量高度的过程由4个步骤组成。

第一步是图像的增强。

第二步是检测参考路线的选择。

第三步根据参考路线线位置计算路面高度。

第四步从高度和自行车速度分类道路状况。

根据道路高度和自行车速度等信息，以及道路的条件，来降低与车辆发生碰撞的概率。对于安全的道路，骑自行车的人可以安全地骑在它上面。对于警示路，骑自行车的人需要放慢速度。最后，对于危险的道路，骑自行车的人不得不停下脚踏车。

6 驼鹿与车辆碰撞时对乘员的伤害[6]

6.1 主要目的和主要原理

与野生有蹄类动物的碰撞是美国北方地区日益严重的交通安全问题。与小浓郁鹿种发生的碰撞通常只会导致车辆损坏，而与大型动物碰撞，比如驼鹿，就会增加了驾驶员人身伤害的风险。因此理解这两者的关系是避免驼鹿与车辆发生碰撞的根本原因。作为暂时缓解的基础措施，我们检查了有和没有人身伤害的MVC的年度和月度变化。运用来自芬兰的22年（1990-2011年）时间序列，我们测试了驼鹿种群的影响密度以及每年所有MVC和导致人身伤害的流量。我们也检查了有无人身伤害的MVC每月分布情况，芬兰瑞典（2008-2010年）和挪威（2008-2011年）的碰撞数据。驼鹿种群丰富度指数和交通量与芬兰的MVC数量成正相关。我们使用的芬兰数据集也包含一些已知的缺点。在芬兰，2012年对车辆碰撞登记系统进行了修改。不幸的是，在此之前，由于技术原因，并非所有的车辆碰撞都登记在国家数据库中;在创建最终数据库时，需要充分考虑所有要求的附加信息（例如天气和驾驶条件）的碰撞报告（芬兰交通局，2014b）。2005年至2010年期间，这些碰撞的平均比例为24%。然而，这些碰撞大部分可能与白尾鹿等较小的鹿类物种发生碰撞，因为导致重大财产损失的碰撞，尤其是导致人身伤害的碰撞则比较少。然而，由于我们没有理由期望除了这些碰撞的随机时间分布，数据可用于我们避免发生碰撞，减少不必要的人员伤亡。

6.2 结论及存在的目的

最终通过建立大型数据库，分析鹿群在路面上行走的时间以及行走习惯来预测事故发生的概率，以及建立模型来分析发生碰撞时对人员造成的伤害。结果发现，涉及人身伤害的MVC比例在下降。所有MVC的月度分布在秋季或冬季达到顶峰，涉及人身伤害的MVC在夏季达到顶峰。我们的研究表明努力减少涉及人身伤害的MVC需要考虑到驾驶员的意识和态度的因素，尽管大多数MVC发生在秋季或冬季。

[1]Böhmländer 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.