基于事故影像数据矩阵的事故前车速估算方法研究

何宇桐，赵 东

(1.上海联合道路交通安全科学研究中心，上海 201804；2.道路交通安全公安部重点实验室，江苏 无锡 214151)

1 引 言

当前的交通事故研究中计算事故前车速方法很多，但都需要完整的证据如痕迹或视频记录作为计算基础，在缺乏基础时推测事故前车速非常困难。通过有视频数据可以研究在事故前车辆运动的特点进而有针对性的进行分析，综合多方面因素得出最大概率的事故前车速，改善和提高在缺乏客观直接证据条件下的车速计算方法和计算精度。在当前中国城市道路视频记录的事故及车辆行车记录仪记录的事故数据增多的情况，通过基于各种视频数据分析事故前车辆运动特征，可以解决事故前场景数据真实度代表性问题，利用科学方法构造车速预测函数已经具有可行性。

2 参数指标的确定

道路交通事故数据含视频案例逐年增加，但是国内的道路监控的功能与事故场景研究需求有差异，大多不能用于事故中车辆精确运动过程分析。大多数道路路口监控主要用于治安，而用于交通违法监管的高清设备中，绝大多数存在“视野范围小”“视野角度窄”等问题，加上复杂的设备型号和数据格式，能够用来做精确定量分析的数据只占极小部分，因此必须设定筛选条件，使得视频数据能够满足研究要求，而案例筛选前必须制定参数标准作为筛选条件。

2.1 数据参数确定和案例筛选

(1)事故关键参数预选

通过观察交通事故视频数据的特点参考已有的研究成果，选择一批参数作为关键分析对象，将重点考虑一些通过视频才能获得的独特数据作为关键参数。经过分析，筛选出了10个关键参数作为从视频中的提取目标。这些参数为：X1.车辆通过路口信号距变红秒数；X2.路口的尺寸；X3.照明光线；X4.路口的限速条件；X5.车辆过停车线瞬间的车速；X6.路面干湿条件；X7.车辆的类型；X8.碰撞对象的类型；X9.碰撞时车速；X10.车辆的减速度；

(2)事故数据格式确定和获取可行性分析

由于车速是最为关键的特征参数，应要求所有的被选数据具有可计算车速的基本条件，为此必须定义规范的车速计算方法流程以及可接受的误差许可范围。参考GA/T1133-2014标准可以为每个符合要求的案例计算在某一时刻或某一位置的平均车速。由于大部分案例没有精确的现场测绘图，且即便有测绘图纸的案例，其测绘关键位置信息精度也不足以支持计算。因此使用相对车辆几何尺寸的差分计算方法来估算车速。需要注意的是，由于车辆在视频中出现的时长限制，并非所有样本都能够得到完整的截图。在有限的视频长度里，希望截取更多的图像，以增加精度；越接近碰撞，精度要求越高。计算显示视频拍摄与车辆运动的夹角有影响，为尽量减小偏差，只选择夹角小于45°的视频数据。除上述内容外，实践中发现视频播放必须使用海康威视官方软件才能正确播放所有视频资料，其它类型播放器可能存在丢帧，跳帧等错误。最终选用了视侦通V2.0.7.426018作为播放软件。

(3)数据满足条件要求

考虑研究的必要性，将事故瞬时车速和车过停车线位置车速作为两个目标参数进行计算。经过观察还发现一些其它条件无法满足，如：①事故制动时间与制动位置存在不可在同一视频同时准确观察到的问题；②可满足精确计算车速的案例无法同时准确地观察到制动时刻；③制动时刻与制动位置无法同时准确观察；因此必须将数据要求进行调整，以期达到满足计算的基本要求。

表1 预期影响因素的字段类型整理

2.2 视频数据矩阵的构建

通过筛选，最终得到了88组满足大部分要求的视频，进过对每个视频按计算标准进行处理。车辆长度和轴距等中间过程计算资料数据不列入表中。通过按标准进行计算处理，得到了一个量化数据矩阵。

数据格式说明：因路口存在信号灯时间差异，把通过停车线瞬间至灯色变红时间作为条件因素，因其主要影响驾驶人感官，故精度定为1 s；路口具体尺寸难以测量，故表征为汽车行驶通过路口时垂直行驶方向车道数；事故中无论货车还是大中型客车都有着与小客车显著的视野差异，故分为小车与大车两类；统计路口最常见的路口限速为40和60占比为39%和35%；路面干湿程度从视频难以判断，故而仅分干湿两个指标；统计碰撞对象的类型可得到，82%为VRU，18%为其他机动车，考虑到VRU在驾驶员视觉特性与机动车辆的差别故分为两种。根据以上分析确定每个事故案例获取的数据字段和格式列表。通过筛选，最终得到88组满足要求的视频，通过上文方法处理得到了88×10矩阵。

3 研究参数指标的分析

利用SPSS中的相关性分析工具对X组数据进行相关性分析，得到以下强相关性关联：

(1)有减速行为的案例中，X1与X5～X4具有强负向相关性；分析认为当X1越小时，汽车越有从下方逼近甚至超过限速值的趋势；X1的平均值为11.6 s。在无减速的48个案例中，X1全部小于9 s，平均值为5.7 s；符合汽车过路口的绿灯时间窗口下限影响司机对速度选择。

(2)发现X3与X10有强相关性，X3与X5，X9均无相关性；进一步统计发现夜间事故的车辆减速度均值为5.0 m/s2是日间减速度均值4.2m/s2的1.19倍。

(3)发现X6与X10具有强相关性，湿滑路面制动减速度均值为3.4 m/s2，干燥路面制动减速度均值为4.5 m/s2，雨天平均制动减速度为晴天的0.75倍。

(4)发现X8与X9、X10具有弱相关性，与VRU事故中的速度分布中值为11.9 m/s，减速度分布中值为3.3 m/s2，而与其它机动车事故中的速度分布中值为10.8 m/s减速度分布中值为3.1 m/s2；显示在与VRU事故中的车速更高，减速度更大。

4 车速预测模型构造

受样本容量限制，无法就每种情况给出统计规律。对车速变化从三个角度拟合，得出：

(1)单独按光照条件拟合

夜间车辆碰撞前车速y=5.016 7x+19.409 1 4.4

(1)

日间车辆碰撞前车速y=4.207 9x+17.206 8 4.5

(2)

(2)单独按碰撞对象拟合

与机动车碰撞前车速y=4.801 4x+16.941 2 4.6

(3)

与两轮车碰撞前车速y=4.275 2x+18.645 5 4.7

(4)

(3)单独按路面湿滑程度拟合

湿滑路面 车辆碰撞前车速y=3.401 3x+16.142 5 4.8

(5)

干燥路面 车辆碰撞前车速y=4.527 0x+17.956 3 4.9

(6)

式中:时间为自变量x，单位：s，碰撞前两秒作为时间原点；车速大小为因变量y；

经过多次独立迭代试算，得到一个具有一定代表性的预测车速拟合函数：

f(x)=3.6[-4.218 5a1a2a33.6x/K+17.426 9b1b2b3]K/K1

(7)

对函数不变参量整理得到：

f(x)=62.737b1b2b3K/K1-54.67 2 a1a2a3x/K1

(8)

式中，距离为自变量x(m)；车速大小为因变量f(x)；

由于数据条件限制和最大程度的控制精度，函数具有以下使用限制：

(1)事故必须发生在十字路口四条斑马线包围的范围内；

(2)事故从车辆进入视野至事故发生时间小于3 s；

(3)是必须为轿车直行正面碰撞其它参与方的事故；

(4)事故中研究的目标车辆必须有连续减速行为，或假设其持续减速。

5 总 结

通过对视频数据矩阵的分析，可以得到以下结论，在具本文特征的路口事故中，影响车辆事故前车速的因素主要为光照条件、地面湿滑情况、路口限速条件以及事故碰撞对象；在已知上述情况条件下，可以将上述数据整理为与驶入路口距离的线性方程函数，计算得到预测轿车过停车线瞬间车速。通过案例测试，其计算精度可以满足一般条件下路口事故车速估算，有一定的应用价值。