基于交通事故深度调查数据的行人头部损伤特征研究

基于未来出行交通事故场景研究(Future Mobile Traffic Accident Scenario Study,FASS)数据库中135例人车碰撞事故深度调查数据,对造成行人头部损伤的来源及车速对头部损伤来源的影响进行了统计分析。采用Spearman相关系数检验法,建立了车辆速度区间与头部平均MAIS的回归模型。结果表明,行人头部致伤物主要来源于车辆,占比约58%,其次为地面,占比约40%。行人事故中,碰撞车速对行人头部损伤来源的分布情况有一定的影响,当车速低于30 km/h时,行人头部损伤主要来源为地面,当车速为[30,50]km/h时,车辆和地面对行人头部造成的损伤风险相近,当车速高于50 km/h时,行人头部损伤主要致伤物来源为车辆。因此,在进行交通损伤流行病学研究、交通损伤事故数据库构建时,特别是在中低速碰撞中,应重视地面对头部造成损伤的风险。

基于事故深度调查的城市交通事故特征分析

为探索适合我国的事故数据深度采集标准,并分析城市道路交通事故特征及致因,基于《道路交通事故深度调查信息采集表》(简称采集表),调查人员随交警赴事故现场随机详细调查87起城市道路交通事故。借鉴"Haddon Matrix"思想建立致因分析矩阵系统,分析事故的致因。发现采集表对事故地点、事故形态及原因项分类更加具体、明确,女性驾驶员的事故发生率略低于男性驾驶员,驾驶员年龄超过60岁后,发生事故的危险性显著提高,"交叉口影响区"事故50%由变更车道引起,非机动车驾驶员未戴安全头盔是造成严重伤害的重要原因。

道路交通事故刑事归责的误区与纠正——基于事故深度调查的实践

实践中,执法、司法机关在运用道路交通事故深度调查对运输企业、行政机关中远离事故现场、负有运输安全监管职责的人员进行责任查纠的过程中,存在刑事归责行政化、结果化、粗放化的误区,导致刑事司法裁量出现犯罪认定扩大化、随意化的问题。为回归刑法理性、规范案件办理,应充分运用监督管理过失理论,合理界分刑事违法与行政违法,以承担事故主要责任以上的肇事驾驶人为切入点,综合考量位于其上位的监督管理者的职责权限、履职能力、履职行为及其对驾驶人交通违法并引发事故的原因力等因素,判定其刑事违法行为与道路交通事故发生之间是否具有刑法意义上的因果关系,实现入罪与出罪的双重评价。

基于CIDAS事故场景的智能车辆视场配置

为优化智能车辆感知视场,以中国交通事故深度调查(CIDAS)数据库中的事故案例为基础提取22种交叉口乘用车典型事故场景,在交叉口典型乘用车事故仿真场景中提取来车相对于主车的极限相对位置并将其转换为车辆安全通行下最小感知区域;为实现基于场景安全通行的智能车辆感知视场配置,建立场景安全通行需求的智能车辆感知视场配置框架并提出感知视场配置求解方法;在对感知元件进行功能建模后,使用视场配置方法求解场景安全通行下感知元件组合方案;最后使用感知区域覆盖率、目标有效感知率对该感知元件组合方案进行评价,结果表明搭载该感知元件组合方案的智能车辆在事故场景中可满足安全通行要求。

基于深度调查电动汽车碰撞事故特征分析

基于中国国家车辆事故深度调查体系数据库中上海市松江区站点55例包含电动汽车碰撞事故进行特征分析,分析内容包括事故场景、运动响应、电动汽车损伤位置、车速与变形关系、电池损伤相关情况等。参考传统汽车交通事故危险场景对电动汽车事故进行分类,对汽车整体进行区域划分,细化电动汽车变形范围。引入频率网格矩阵分析电动汽车主要变形特性。根据变形及运动响应,分析电动汽车变形侵入乘员舱危及乘员安全。为电动汽车安全性设计及规范制定提供参考。

轿车与行人碰撞事故再现研究

本文选取最新的一个真实事故案例进行了建模和仿真,分别从车辆和行人的身高、体重还有碰撞速度三个方面角度来分析其对行人抛距的影响,将仿真结果中导出的数据参量与实际发生事故的数据进行了对比,通过分析验证了仿真模型的精度和仿真再现的可行性。根据所验证的事故建模和再现方法,对NAIS数据库里的10起案例进行再现从而得出行人抛距、头部碰撞参数和行人损伤评价指标的拟合曲线和回归方程,指出在我国交通事故中,头部损害造成行人死亡的主要原因。以此为交通管理部门能够准确、客观地处理道路交通事故提供了良好的方法,供交通事故管理部门对事故发生的全过程进行了解和分析。

用于自动驾驶汽车的汽车—骑车人事故场景分析

为在汽车—骑车人场景下测试评价自动驾驶汽车的安全性,建立了汽车—骑车人事故场景测试工况库和相应的测试工况集评价模型。利用江苏省某市的交通事故数据库和中国国家车辆事故深度调查体系(NAIS)数据库,筛选出了116起汽车—骑车人碰撞事故;使用分类树的方法,提取了7种事故场景;根据道路与环境参数,生成该场景总体的测试工况集。使用层次分析法(AHP)和模糊综合评价法,建立了汽车与骑车人碰撞事故场景的评价模型。结果表明:作为一种典型的中国事故测试工况,当晴天且该路段无遮挡,乘用车与两轮车同向行驶时,两轮车横穿具有最高评分和最大危险度。

基于NAIS数据库中视频信息的人—车碰撞事故特征分析

选取中国国家车辆事故深度调查体系(NAIS)数据库中51例包含视频的人—车碰撞事故,进行了特征分析,分析内容包括:人—车碰撞危险场景、碰撞前人—车相对位置、行人碰撞运动响应、人—车碰撞包络线分布、头部落点分布等。结果表明:提取的10种场景,基本覆盖了各种人—车碰撞事故工况;对行人的探测,视场角(FoV)比探测距离更重要;轿车易导致行人正向旋转,单厢车易导致行人负向旋转;人—车碰撞包络线(WAD)主要集中在车辆两侧;致命伤的头部落点主要集中在前风窗玻璃下半部分、左右侧中部以及A柱附近。因此,基于碰撞视频信息可提高人—车碰撞事故特征分析的准确性。

汽车VS二轮车十字路口事故场景研究

为研究十字路口发生的汽车与二轮车事故场景,基于NAIS事故数据库中发生在十字路口的汽车与二轮车事故数据开展研究。选择描述十字路口事故关键参数,依据事故发生时环境照明、十字路口信号灯、汽车所在道路车道数、道路限速、汽车种类、汽车速度、汽车运动方式、第一碰撞点、二轮车种类、二轮车运动方式等参数,对事故数据进行聚类分析,得到5类主要危险场景。基于发生频率最大和骑车人死亡风险最高的场景具有危险场景代表性,最终得到2类十字路口汽车与二轮车的典型事故场景。为十字路口汽车与二轮车的冲突消解、避撞策略研究提供参考。