汽车-动力两轮车碰撞前驾驶员风险感知研究

人机共驾阶段人类驾驶员对驾驶环境保持较高的风险感知水平是保证及时有效、稳定安全接管的核心。本研究通过开展风险感知模拟驾驶试验,获取了驾驶员在典型汽车-动力两轮车碰撞场景下的驾驶行为及脑电响应数据。从驾驶行为层面以制动TTC(time to collision)和平均加速度为评价指标,利用分位数回归构建了驾驶员风险感知量化模型,通过独立样本检验发现驾驶经验、碰撞场景类型对驾驶员风险感知存在显著影响。在脑电响应层面,通过双独立样本检验及FDR校正发现Alpha频段与驾驶员风险感知显著相关。此外,提出了驾驶员风险感知神经机理,包括视觉感知与认知加工两个阶段。研究结果有助于提升人机共驾汽车的安全性。

汽车-两轮车事故中抛距与速度的关系判定研究

通过对汽车碰撞两轮车事故的力学分析,运用动力学与运动学定律得到汽车碰撞时速的计算公式,从中确定影响车速计算精度的参数。结合149起真实事故案例,使用SPSS软件对影响参数与碰撞车速的相关性进行分析,同时,使用PC-Crash软件将事故再现,分析确定参数对碰撞车速的影响度。从149起事故案例中获得相应的影响参数取值,以影响参数为输入,以汽车碰撞车速为输出,使用SPSS回归拟合出车速的计算模型。最终,对该模型进行误差分析,并与国内外其它的类似汽车碰撞车速预测模型进行比较,以验证模型的可靠性及准确度。

基于正交实验的汽车-两轮车碰撞事故再现的参数影响研究

汽车-两轮车碰撞事故再现的关键是确定碰撞速度。本文在动力学分析的基础上建立了汽车与两轮车相互侧面碰撞的模型,得到了两车碰撞速度的表达式;筛选出影响汽车、两轮车碰撞速度推算和事故再现结果准确性的主要参数;通过具体的事故案例设定正交实验,分别获得了对汽车、两轮车的参数影响权重顺序;据此指导PC-Crash对一起真实的汽车-两轮车碰撞案例进行模拟重建。结果表明,按参数权重顺序辅助汽车-两轮车碰撞事故的再现仿真,可用较短时间再现与实际事故情况相吻合的结果。

基于潜类别Logit模型的两轮车骑行者头部损伤影响因素研究

为研究汽车-两轮车碰撞事故中骑行者头部伤害的影响机理,探究头部损伤致因关系中存在的模式差异与异质性,基于中国交通事故深入研究(CIDAS)数据库中的2 806起两轮车事故,建立潜类别Logit模型。以骑行者头部伤害严重程度为因变量,将驾驶人、车辆、道路、环境和事故碰撞特征的相关因素作为自变量,取显著水平为0.05,建立多项式Logit模型,在此基础上根据拟合优度指标确定最优分组数并构建出潜类别Logit模型。研究结果表明:模型将事故样本划分为2个类别群体,2个群体在参数、变量分布特征和预测概率上存在显著差异,当事故样本具有“两轮车初始速度>30 km/h”、“骑行者碰撞后抛出距离>10 m”等特征时易被归类到类别1,且类别1对应于更严重的头部伤害;骑行者年龄>50岁、汽车类型为商用货车、两轮车类型为摩托车、事故发生在市区外、两轮车初始速度>30 km/h、头部碰撞玻璃和抛出距离>5 m都会增加头部损伤的严重程度;汽车驾驶人行驶意图为停车或变道时,存在造成严重两轮车事故的风险;佩戴头盔会减弱骑行者头部受到的伤害。

面向电动两轮车的汽车AEB系统研究

根据所选取的86起汽车与电动两轮车碰撞的事故案例和事故发生前电动两轮车的运动状态,设计接近前方的静止、匀速、减速和横穿车辆4种测试场景,并以此为基础分别对自动紧急制动(AEB)系统整体仿真模型进行仿真验证,结果表明,在车辆配备AEB系统的条件下,事故避免率达到了85%以上,其中,在不能避免碰撞的事故中,汽车的平均碰撞速度由29.3 km/h下降到13.2 km/h,验证了所设计的AEB系统控制策略的有效性。

驾驶人风险感知时间与骑车人损伤风险模型研究

该文通过事故调查得到事故人员的基本生理信息和损伤信息,事故车辆基本参数、运动参数和损伤参数,道路、交通环境、天气等信息等,通过问卷调查、PC-crash及Madymo事故重建等方法,获得了30起汽车-两轮车碰撞事故案例的驾驶人感知、决策、操控等应急行为信息。分析结果表明,驾驶人制动反应时间平均值同样为0.75s,标准偏差0.07,驾驶人风险感知时间平均值为1.25s,标准差0.35。然后,通过最小二乘法拟合得到了驾驶人风险感知时间与AIS损伤级别的定量关系式,并对驾驶人风险感知时间的影响因素进行了分析。