中国乘用车乘员高危事故场景研究

杨 震，王兴昌，管立君 ，孙海云 ，范宇坤 ，祝 贺，周大永，谷先广

（1.宁波吉利汽车研究开发有限公司 技术统括中心，宁波 311000，中国；2.中国汽车技术研究中心有限公司 北京中机车辆司法鉴定中心，北京 100000，中国；3.浙江省汽车安全技术研究重点实验室（吉利控股集团），杭州315336，中国；4.吉利汽车研究院（宁波）有限公司工程中心，宁波 311000，中国；5.合肥工业大学 汽车与交通工程学院，合肥 230009，中国）

中国国家统计局数据[1]显示，2020 年中国汽车交通事故15.7万起，死亡人数约为4.3 万人。虽然自2017年以来，中国国内汽车交通事故数和死亡人数在持续降低，但基数依然巨大，减少事故量和伤亡人数的任务依然很艰巨。

欧美国家数十年间持续利用汽车安全认证的方式引导汽车生产商提升汽车的安全性能，有效地降低了道路交通事故率和死亡人数。其测试场景都提取于当时当地的真实道路交通事故。中国汽车安全认证事业的发展只有20 多年的历史，且早期完全借鉴欧美的成熟方案[2]。近几年来，国家标准法规工作组和第三方认证机构才逐步引入体现中国道路事故特征的评价项和测试场景。

造成这种情况的重要原因之一是中国的全国性交通事故深入调查数据库建设较晚，导致当时难以开展全国范围的道路交通事故深入研究。早期的中国道路交通事故数据主要来自公安部交管局数据[3]，属于较为宏观的统计数据。直到2011 年，中国才开始建设全国性的深入事故调查数据库，包括：中国交通事故深入研究（China in-depth accident study,CIDAS）项目和国家车辆事故深度调查体系(National automobile accident in-depth investigation system,NAIS) 。同时公安部也在积极地提升交管系统道路事故数据库的质量和深度。

中国交通事故深入研究（CIDAS）项目是由中国汽车技术研究中心与吉利、大众等汽车制造商和供应商联合发起的中国交通事故深入调查数据库建设项目，主要服务于汽车行业的标准制定和技术研发等多种基础数据需求。该项调查充分考虑了地理位置、地形条件、道路类型、经济条件4 大方面因素，持续采集北京、长春、威海、宁波、佛山、成都、黔西南等区域的交通事故详细数据。CIDAS 对事故调查区域内发生的所有交通事故进行全天候、24 h 不间断调查，最终采集的数据样本需满足如下准则：至少1 辆四轮机动车参与的事故;至少1 人受伤;事故调查工程师采集事故信息前，事故现场应为原始状态，未遭到破坏。每个案例都包含了细致的道路、车辆和人伤等信息。其数据相对公开，所选事故调查区域基本包含中国的道路交通特点，研究样本具有多样性，因此，CIDAS 成为国内最常被使用的道路交通事故深入调查数据库。

得益于这些数据库的发展，中国学者近几年来做了大量的相关基础研究，为中国的标准法规和汽车安全认证的自主路线提供了理论支撑。陈强等[4]、苏江平等[5]分析了国内汽车与弱势道路群体的事故场景，李旭东等[6]分析了国内乘用车小偏置碰撞事故场景，袁泉等[7]、周青等[8]分析了未来交通事故风险以及汽车乘员保护的相关问题，张康康[9]等对国内电动汽车安全事故特征进行了分析，张晓辉[10]对汽车驾驶员的主动安全因素进行了辨识与分析，何石坚[11]针对高速公路特定场景交通事故中的驾驶人‒车辆‒道路‒环境4 种因素进行分析并建立了预测模型。

然而，相对欧美发达国家来说，中国的道路交通事故研究还有许多空白领域需要填补。例如消费者普遍关注的中国乘用车事故中，造成乘员伤亡比例较高的事故场景有哪些，碰撞物的特征有哪些等，尚缺少全面系统的分析研究。

在事故场景研究方法方面，全球学者探索了多种面向汽车安全性能评价的事故场景分类方法和高危场景提取方法，例如W.G.Najm 等[12]提出了考虑车辆运动和动力学状态的分类方法，得到37 类美国的碰撞前场景类型，H.Feifel 等[13]提出了考虑参与方运动和意图的主动安全场景分类方法。但是这些场景类型都偏重于描述自车的意图和运动过程，障碍物特征信息极少，不利于测试场景的构建。

在场景应用方面，欧盟新车安全评鉴协会（Euro-New Car Assessment Program,Euro-NCAP）是当今全球最权威的汽车安全认证机构，尤其在辅助驾驶技术测试领域更是引领了全行业的发展。中国汽车技术研究中心的中国新车评价规程（China-New Car Assessment Program，C-NCAP）是中国最权威的汽车安全认证体系，2006 年实施以来进步飞快，目前已经被全球汽车行业所重视。C-NCAP 和Euro NCAP 评价规程相较于各国的法规文件有更加丰富的测试场景和更高的性能要求，是汽车行业普遍采用的汽车安全性能评价方案，因此，它们采用的测试场景也可视为汽车行业的通行测试场景。

因此，本文将以造成乘用车乘员伤亡的交通事故为研究对象，以CIDAS 数据库已有的分类为基础，以应用需求为导向，设计出新的事故场景分类方法。其中，以对应的死亡人数判断场景的危险程度，识别出中国的高危乘用车交通事故场景；再通过与现行的Euro-NCAP 和 C-NCAP 评价体系中的规则比较，识别出未被纳入评价规则的高危事故场景。为汽车安全法规和评价标准提供构建新测试场景的依据，也为汽车安全技术研发提供目标。

1 研究方法

1.1 技术路线

如图1 所示，研究过程分为7 个步骤。

图1 事故场景研究流程

1）根据需求制定评价指标，作为高危事故场景的评价依据；

2）从CIDAS 数据库中抽取有乘用车参与并且有乘用车乘员受伤的事故案例，并抽取事故场景样本编号，作为本次分析的事故场景样本；

3）基于场景要素需求，从数据库的2 000 多个变量中选取场景分类变量，作为基础变量，并筛选出每个事故场景样本编号对应的值；

4）根据便于统计或满足工程应用需求的原则，对一些基础变量进行优化调整，减少分类数量；

5）对所有事故场景样本的所选变量做交互分类统计，得到各细分事故场景类型（包括冲突场景和碰撞场景），及其危险程度的评价结果；

6）统计结果结合案例信息解析出高危事故场景类型，包括高危冲突场景类型和高危碰撞场景类型，并制作图示；

7）用高危事故场景类型与现有第三方评价规程中的测试场景作比较，辨析现有测试场景类型与得到的高危事故场景类型的差异。

1.2 评价指标

为了从众多事故场景类型中区分出乘用车乘员高危事故场景，用乘员死亡人数衡量场景的危险程度。评价指标“死亡数”定义为乘用车乘员在某个场景类型中的死亡人数与总样本死亡人数的比值；当某事故场景类型的“死亡数”超过5%时就归为高危事故场景。通过该指标值可以直接反映出中国道路交通事故中造成乘用车乘员死亡的主要事故场景类型。

此外，“事故数”定义为某事故场景样本数与总样本数的比值，用于辅助说明高危事故场景特点。

1.3 抽取样本

使用CIDAS 数据库中 2011－2021 年的全部7 013例交通事故案例数据。选取的样本是乘用车乘员有伤亡的参与方。事故案例筛选原则如下：

1）事故中必须有一辆乘用车参与；

2）乘用车乘员受伤；

3）事故中2 个参与方如果均为乘用车且乘员有受伤，则记为2 起事故。

其中，事故参与方指在道路车辆事故中涉及的单个道路使用者或单元。单个车辆及其乘员算作1 个事故参与方，单个行人算作1 个事故参与方，道路障碍物或坠落的物体不算作参与方。

为了完整地分析造成乘用车乘员伤亡的事故场景，借鉴H.Feifel[13]等的思路，将事故案例中的每个乘用车参与方遇到的事故场景看作独立的事故场景样本。这其中同一例事故中可能有多个参与方，但是从每一个参与方的视角看到的事故场景都是各不相同的，因此有必要将该事故按照不同参与方视角计算为几个独立的事故场景样本。下文提到的所有“事故场景样本”都符合该规则。

依据上述原则，本文从7 103 例事故中抽取出乘用车乘员有伤亡且事故场景数据完整的样本。符合筛选条件的样本恰巧共1 000 例，对应1 000 辆乘用车样本及其中的2 245 位乘员样本，其中死亡291 人，占总乘员样本数的13.0%，见图1。

图2 CIDAS 1000 例样本乘用车乘员伤亡情况分布

1.4 选取变量和优化变量

为了便于细分事故场景类型，初始变量选用的都是分类变量，详见表1。分类变量选择以本文研究的事故场景相关要素为标准，每个变量均含有不同的参数值，通过不同参数值的筛选和组合，提取需求的事故场景。这些基础变量包含体现人伤的“人员伤亡情况”、体现事故前车辆行驶情况的“事故前场景”、体现事故特征的“事故形态”、体现本车碰撞特征的“车辆部位”和“是否翻滚”、体现障碍物特征的“参与方类型”和“碰撞对象”。“参与方类型”和“碰撞对象”的不同之处在于，前者的分类对象是车辆和人，后者的分类对象不包含车辆和人。需要说明“事故前场景”是CIDAS 机构借鉴H.Feifel[13]等的分类方案并稍加改进的一种分类变量。

表1 初始变量明细

为了便于统计或满足工程应用需求，需要对这些基础变量进行调整。首先对变量的分类值做调整，例如“碰撞对象”的分类中包含电线杆和树木这2 种物体类型，调整后都归到柱状物类型里；然后对体现同一类特征的变量做合并，例如对体现障碍物特征的“参与方类型”和“碰撞对象”进行合并；合并后的变量名称为“障碍物类型”，包括乘用车、客车、货车、二/三轮摩托车、二/三轮自行车、二/三轮电动车、行人、柱状物、护栏、建筑物、动物、灌木、路面。

1.5 冲突场景分类原则

汽车安全技术可分为主动安全技术和被动安全技术，本文采用2 个系列的事故场景分类方法分别对应这2 种技术类型。

汽车主动安全技术是在事故发生前直接或间接地干预汽车运动过程，主动规避事故的技术措施，需要依赖传感器提供的环境信息做出判断。本文将面向主动安全技术做的事故场景分类称为“冲突场景”。为了方便研究和优化车辆主动安全系统，冲突场景中事故的每个参与方均从碰撞双方的角度视为自身参与方和目标参与方，二者的相对运动方向和相对位置均在场景中体现出来。自身参与方或目标参与方可能是车辆，也可能是行人。“事故前场景”被作为基础的场景类型，关联障碍物特征后获得更为具体的“冲突场景”。

1.6 碰撞场景分类原则

被动安全技术则是在碰撞发生时通过缓冲、吸能、保证生存空间等措施，给当事人员提供保护和降低伤害的技术措施，本文对面向被动安全技术做的事故场景分类称为“碰撞场景”。碰撞场景从被动安全研究考虑，主要以乘用车被撞位置和障碍物类型进行分类。该系列的场景信息里将包含本车的碰撞位置特征和障碍物特征。

2 冲突场景分析结果

2.1 冲突场景分类统计

对事故场景样本的“事故前场景”和“障碍物类型”变量做交互分类统计，将主要类型的车辆事故数和死亡数列于表2。统计发现其中有6 类冲突场景的死亡数超过5%。乘用车与前方正常直行的货车相撞的碰撞事故（L1 类）虽然事故数只有7%，但造成乘员死亡数最高，达到16.2%。乘用车向左变道中与对向直行的货车相撞（On2）造成乘员死亡数超过5%。这2 类场景表明乘用车与货车之间的交通冲突是非常危险的。单车事故中的乘用车直行行车（D3）事故造成乘员死亡数达13.7%；因乘用车驾驶员身体原因（O1）造成的乘员死亡数达11.0%；在左转弯行车事故（D2）与右转弯行车事故（D1）造成乘员死亡数超过5%。统计还发现乘用车之间冲突的乘员死亡数较少，也就是这类冲突场景的危险性较低。

表2 不同冲突类型的事故数和乘员死亡数统计

2.2 高危冲突场景提取

用冲突场景统计结果结合案例信息解析事故场景类型，构造了6 种乘用车乘员死亡数超过5%的高度危险的冲突场景类型，描述见表3 所示。

表3 6 个高危冲突场景

2.3 与测试场景的比较

Euro NCAP 和C-NCAP 的主动安全评价体系[14-15]中，功能可分为保护本车乘员安全（测试场景类型见表4）和保护车外的弱势道路使用者（行人和两轮车骑）2 类。

将表3 的6 种高危冲突场景类型与表4 中C-NCAP和Euro NCAP 的现行主动安全测试场景进行比较，发现下列差异：

表4 Euro NCAP 和C-NCAP 的保护本车乘员安全测试场景类型

1）当前通用车辆模型是“全球目标车”（global vehicle target,GVT），仅能模拟小汽车的外形特征，而如今市场上有很多车型使用了纯视觉感知的系统方案，如特斯拉公司和Mobileye 的纯视觉感知方案。由于纯视觉感知方案高度依赖物体的外形特征，因此，自动紧急制动（Automatic Emergency Braking，AEB）功能测试场景中使用模拟货车外形特征的障碍车辆模型是有必要的。

2）目前还没有将驾驶员身体状况（困倦、发病等）监测相关功能纳入到正式评测中，一些高档乘用车已经配备了驾驶员状态监测系统（driver monitoring system，DMS），急待相关性能评价的实施；

3）目前仅针对车辆在直道中的防偏出道路功能做评测，但对车辆在弯道中的防偏出能力没有评测。

3 碰撞场景分析结果

3.1 碰撞场景分类

对数据样本的本车受损“车辆部位”和碰撞“障碍物类型”变量做交互分类统计，将其中主要类型的车辆事故数和乘员死亡数列于表5。

表5 不同碰撞类型的车辆事故数和乘员死亡数统计

统计表明：货车是乘用车的最大威胁，造成乘用车37.6%的乘员死亡数。其中，乘用车前部与货车碰撞导致的乘员死亡数达到25.1%；乘用车侧面（含驾驶测和副驾驶侧）与货车、乘用车、立柱碰撞的乘员死亡数分别是10.4%、8.9%、6.5%；乘用车前部与护栏、立柱碰撞导致的乘员死亡数占比分别是9.3%、8.2%。这6个碰撞场景类型的乘员死亡数都超过了5%，属于本文定义的高危事故场景。

对事故场景样本的“是否翻滚”和“事故形态”变量做交互统计，归纳得到单车翻滚事故数11.8%，乘员死亡数18.6%，可见翻滚场景也属于本文定义的高危事故场景。需要说明，单车翻滚事故场景样本中包含了碰撞人和车以外的障碍物导致翻滚的事故，这是由于此类事故过程复杂，很难区分人员死亡原因是由于车辆的碰撞还是翻滚造成的，所以不同场景中会重复统计。

3.2 高危碰撞场景提取

用碰撞统计结果结合案例信息解析事故场景类型，构造了7 种乘用车乘员死亡人数超过5%的高度危险的冲突场景类型，见表6 所示。

表6 7 个高危碰撞场景（工况）

3.3 与测试场景的比较

提取出的7 种高危碰撞场景类型与C-NCAP 和Euro NCAP 现行被动安全整车碰撞测试场景[16-17](见表7)进行了比照，发现提取的场景类型变形吸能特征与表7 的测试场景有较大差异。

1) 通过分析具体案例并结合尹岩等[18]研究发现，乘用车钻撞货车的碰撞类型（形式如图3）在中国占比较高，钻撞的特征体现为乘用车的前纵梁等主要吸能结构在碰撞中难以起作用，货车货厢直接与乘用车纵梁以上的部分接触，可能会侵入乘员舱，挤压乘员生存空间，变形吸能特征与表7 的测试场景有较大差异。

图3 乘用车追尾货车的典型严重事故

表7 Euro NCAP 和C-NCAP 的乘员安全测试场景类型

2）翻滚工况没有包含在表7 的测试工况中，虽然C-NCAP 已经开始考核侧气帘的翻滚保护性能，但无法评价车辆在翻滚过程中是否能及时点爆气囊和安全带，也无法评价车身结构的表现；

3）通过分析具体案例并结合卢辉忠等[19]的研究发现，乘用车正面撞击护栏的变形吸能特征是碰撞接触面较小，且护栏端头在碰撞过程中容易出现大范围滑移，当滑移到薄弱区域时就可能穿透乘用车的薄弱位置，伤及乘员（如图4a、4b），与表7 工况的变形吸能特征有较大差异。

4）乘用车正面撞柱的接触区域随机分布，当接触区域不与前纵梁重叠时，前纵梁就难以有效变形吸能（如图4c、4d），与表7 工况的变形吸能特征有较大差异。

图4 乘用车撞护栏端头的典型严重事故

4 结论

本文以中国交通数据深入研究项目（CIDAS）数据为基础，利用基础分类变量对造成乘用车乘员死亡的事故场景做了分类统计，提取出6 种适用于评价乘用车主动安全性能的高危冲突场景，包括与前方同向直行货车的冲突、直行行车过程中车辆偏出道路、身体原因（困倦、发病等）造成车辆失控、左弯的弯道行车过程中车辆偏出道路、右弯的弯道行车过程中车辆偏出道路、向左换道过程中与对向货车的冲突；7 种适用于评价乘用车被动安全性能的高危碰撞场景，包括正面与货车相撞、翻滚、侧面被货车碰撞、正面撞击护栏、侧面被乘用车撞、正面碰撞柱状固定物、侧面碰撞柱状固定物。

通过与Euro NCAP 和C-NCAP 现行的测试场景比较，发现这2 个著名第三方评价体系无法覆盖代表中国交通事故特征的部分场景。货车给乘用车造成的安全威胁最大，13 类高危事故场景中有4 类与货车有关，但目前上述2 体系中都缺乏代表货车高危障碍物的测试场景和标准目标物；另外，上述体系中没有针对驾驶员身体状况（困倦、发病等）监测相关功能的评测；没有针对车辆在弯道中的防偏出能力的评测；对车辆翻滚工况的评测不充分；没有覆盖到乘用车正面撞柱和撞护栏端头的工况。

基于上述2 体系中存在以上问题，C-NCAP、汽车标准化委员会、道路交通管理部门等中国相关机构需要通过进一步深入研究，量化分析，建立更加符合中国实际道路环境的和交通事故特征的汽车安全评价标准和法规体系。

此研究也表明需要进一步开展以下工作：

1）货车带来的安全风险巨大，需要研究何种技术路线应对这种风险的效费比最高；

2）自动驾驶技术和主动安全技术发展迅速，需尽快研究和设计货车相关测试场景和标准目标物；

3）如何让货车的防钻入装置符合《汽车及挂车侧面和后下部防护要求》（GB 11567-2017）的要求，降低乘用车钻撞风险；

4）如何提升高速护栏端头与乘用车的兼容性，以及怎样合理布置警示装置和碰撞缓冲设施。