韓 勇，李永強(qiáng)，許永虹，王丙雨,2，高秀晶,2，黃紅武,2，聶冰冰

（1. 廈門理工學(xué)院機(jī)械與汽車工程學(xué)院，廈門 361024，中國；2. 福建省客車及特種車輛研發(fā)協(xié)同創(chuàng)新中心，廈門 361024，中國；3. 汽車安全與節(jié)能國家重點(diǎn)實(shí)驗(yàn)室，清華大學(xué)，北京 100084，中國）

2013年至2016年間，汽車與弱勢道路使用者（vulnerable road users, VRUs）碰撞事故頻發(fā)，據(jù)世界衛(wèi)生組織（World Health Organization，WHO）統(tǒng)計(jì)，每年因道路交通事故造成的傷亡人數(shù)VRUs占50%以上[1]，對VRUs保護(hù)有重大作用的汽車自動(dòng)緊急制動(dòng)系統(tǒng)（automatic emergency braking， AEB）正受到廣泛關(guān)注，歐盟新車評價(jià)規(guī)程（Euro-New Car Assessment Program，Euro-NCAP）、中國新車評價(jià)規(guī)程（China New Car Assessment Program, C-NCAP）也相繼將AEB測試納入規(guī)程[2-3]。

2018年的美國國家道路交通管理局（National Highway Traffic Safety Administration，NHTSA）統(tǒng)計(jì)結(jié)果顯示：奔馳、沃爾沃、特斯拉等在售車中汽車自動(dòng)緊急制動(dòng)系統(tǒng)(AEB)安裝率均超過93%[4]。學(xué)者也對AEB在降低事故發(fā)生率及傷亡率中有深入研究。Robert Anderson[5]對澳大利亞深度交通事故數(shù)據(jù)庫進(jìn)行事故重建并加裝AEB，發(fā)現(xiàn)AEB可降低20%～25%致死率和25% ～ 35%傷害率。陳強(qiáng)等[6]對中國交通事故深入研究（China In-Depth Accident Study，CIDAS）數(shù)據(jù)庫進(jìn)行事故重建，采用PC-Crash加裝AEB方法研究其對降低行人事故發(fā)生率的影響，發(fā)現(xiàn)超過20%的事故可規(guī)避。不同的傳感器參數(shù)配置會(huì)影響AEB功效，導(dǎo)致研究其有效性比較復(fù)雜。學(xué)者們通常采用場景建模及多體方法研究AEB系統(tǒng)響應(yīng)。比如：HUANG Sunan等[7]建立最常見的十字路口汽車與過街行人碰撞場景，發(fā)現(xiàn)傳感器不小于60°才能有效探測到行人。劉福聚等[8]基于CIDAS數(shù)據(jù)庫建立測試場景，發(fā)現(xiàn)AEB探測角度為40°、即碰時(shí)間 （time to collision，TTC）為1 s和制動(dòng)減速度為0.9g參數(shù)下，能減少58.4%行人事故。Erik Rosén[9]通過研究AEB對行人事故的作用時(shí)，得出傳感器探測角（field of view in sensor detection，F(xiàn)OV）為40°時(shí)，行人死亡人數(shù)減少40%，重傷人數(shù)減少27%。趙雨晴等[10]基于車載視頻信息利用PC-Crash對自行車騎車人從障礙物后出現(xiàn)此類場景作為分析對象，研究不同探測角度下AEB對二輪車事故的規(guī)避性能。隨著道路監(jiān)控和行車記錄儀的使用，基于視頻信息的深度事故重建對AEB的研究有重要的意義。吳賀等[11]采用多體系統(tǒng)與有限元相結(jié)合的方法對兩起具有清晰視頻信息的VRUs事故案例進(jìn)行重建，驗(yàn)證并提出了一種高精度事故重建方法。石亮亮等[12]在行人與車輛碰撞（一次碰撞）基礎(chǔ)上，研究行人與地面碰撞（二次碰撞），發(fā)現(xiàn)二次碰撞中會(huì)增加行人頭頸部的損傷風(fēng)險(xiǎn)。聶進(jìn)等[13]通過事故重建研究了行人與自行車騎車人頭部動(dòng)力學(xué)響應(yīng)。

據(jù)國際協(xié)調(diào)研究活動(dòng)（International Harmonized Research Activities，IHRA）統(tǒng)計(jì)，在與車輛碰撞中，行人頭部與下肢是最易受傷害的身體部位，且頭部損傷是VRUs致死的主要原因[14]。AEB的介入，既會(huì)影響事故發(fā)生率，又會(huì)影響VRU碰撞中的損傷；因此在研究AEB有效性時(shí)，應(yīng)綜合考慮其對規(guī)避率和傷亡率的影響，可利用頭部損傷風(fēng)險(xiǎn)更直觀反應(yīng)AEB的積極作用，使研究結(jié)果更具理論依據(jù)。

本研究在交通事故視頻數(shù)據(jù)庫中選取具有清晰完整視頻信息、詳細(xì)傷情報(bào)告的20起真實(shí)VRUs事故案例，利用Madymo和PC-Crash分別對案件進(jìn)行事故重建和碰前場景還原，在此基礎(chǔ)上為事故車輛添加AEB，研究不同F(xiàn)OV下以及減速度大小對其規(guī)避能力的影響，隨后對在AEB介入后仍未規(guī)避的事故進(jìn)行頭部損傷分析，通過對比原始事故損傷參數(shù)，研究AEB對VRUs頭部損傷的影響。

1 方法

1.1 事故篩選

事故數(shù)據(jù)來自于交通事故視頻數(shù)據(jù)庫VRUTRAVi[15]，事故篩選遵循以下原則：

1） 事故案件具有清晰完整的視頻信息（行車記錄儀或道路監(jiān)控視頻）；

2） 案件中除事故車輛外，至少包含一位行人（或二輪車騎車人）；

3） 事故中VRUs有明顯損傷，案件包含相對完整的傷者損傷報(bào)告。

本文共選取行人案件6例、自行車案件3例、電動(dòng)車案件11例，共計(jì)20例VRUs事故（編號C1-C20）進(jìn)行研究。事故基本信息如表1所示。其中：v為車輛碰撞速度，MAIS為頭部損傷嚴(yán)重等級。

表1 事故信息

1.2 基于視頻信息的深度事故重建

利用Madymo進(jìn)行深度事故重建。在建模過程中，車輛幾何參數(shù)、質(zhì)量根據(jù)實(shí)際事故車輛信息進(jìn)行搭建；車輛前部結(jié)構(gòu)剛度系數(shù)依據(jù)Euro-NCAP中公布的同款或同類車型剛度分布進(jìn)行具體數(shù)值設(shè)置[16]；假人模型采用瑞典查爾莫斯理工大學(xué)的CPM模型[17]（身高175 cm，體重78 kg）。同時(shí)根據(jù)真實(shí)案例中假人信息，調(diào)用Madymo中的Gebod模塊對標(biāo)準(zhǔn)的CPM模型進(jìn)行等比例縮放，并參照事故視頻信息中碰撞位置調(diào)整碰撞姿態(tài)。二輪車模型的幾何參數(shù)按照事故原始車輛信息進(jìn)行建模，結(jié)構(gòu)力學(xué)特性參照文獻(xiàn)[18-19]。最后定義汽車與地面、行人與地面、汽車與行人等各接觸面之間的摩擦系數(shù)[20]。通過視頻分析法（video frame）和直接線型轉(zhuǎn)換（direct linear transformation，DLT）[21]，可限定汽車及VRUs的碰撞速度范圍。事故重建的結(jié)果和碰撞運(yùn)動(dòng)學(xué)與事故視頻精確對比一致后（圖1為C4事故重建結(jié)果驗(yàn)證示例），車輛與VRUs最終位置（如圖2所示）和事故現(xiàn)場測量的尺寸誤差在10%以內(nèi)[22-23]，認(rèn)為重建結(jié)果有效，可輸出頭部損傷值。

1.3 碰前事故場景重建

在PC-Crash中調(diào)用事故同款車輛或同類型車輛，行人及車輛尺寸、質(zhì)量等參數(shù)，均按真實(shí)事故信息定義；路面信息按國標(biāo)GB 5768.7-2018進(jìn)行搭建；事故重建得到的車輛碰撞速度及VRUs速度信息作為事故碰撞前場景建模的參照速度，同時(shí)以該速度點(diǎn)的車輛及VRUs位置為起點(diǎn)，倒推碰撞前1 s（或大于1 s）時(shí)車輛和VRUs的運(yùn)動(dòng)軌跡。當(dāng)仿真動(dòng)畫中車輛與VRUs發(fā)生碰撞時(shí)，二者速度與真實(shí)事故相同，碰撞位置與事故現(xiàn)場圖一致，二者與周圍參照物相對位置和事故視頻一致；且當(dāng)仿真動(dòng)畫采用與原始事故視頻幀率播放時(shí)，80%以上畫面可以相對應(yīng)。此時(shí)認(rèn)為該碰前事故場景模型有效。圖3是C4案例碰前場景還原，碰前840 ms到碰撞0 ms時(shí)刻與原事故視頻一一對應(yīng)，即碰前場景重建有效。

1.4 基于AEB有效性分析的損傷指標(biāo)選取

以往分析VRUs頭部損傷，僅使用頭部損傷指標(biāo)（head injury criterion，HIC）[24]，然而HIC這一指標(biāo)只考慮了頭部的線性運(yùn)動(dòng)，由頭部旋轉(zhuǎn)運(yùn)動(dòng)導(dǎo)致的頭部損傷無法評估。王方等[25]提出在基于頭部運(yùn)動(dòng)學(xué)響應(yīng)中，頭部碰撞能量（head impact power，HIP）能有效評價(jià)由于頭部線性運(yùn)動(dòng)和旋轉(zhuǎn)運(yùn)動(dòng)造成的頭部損傷。此外，有學(xué)者在HIC、HIP基礎(chǔ)上又引入了頭部最大角速度、最大角加速度[11，26]?；诖?，本文采用HIC、HIP、最大角速度及最大角加速度等指標(biāo)綜合評估VRUs的頭部損傷風(fēng)險(xiǎn)。

2 AEB有效性分析

2.1 理論模型

AEB系統(tǒng)在縱向避撞算法中以即碰時(shí)間（time to collision，TTC）算法的性能最優(yōu)[27]，因此本文采用TTC模型，從當(dāng)前時(shí)刻開始，兩車以目前速度行駛至碰撞點(diǎn)所剩余的時(shí)間為式中：D為相對距離；vr為相對車速。在實(shí)際建模過程中，當(dāng)車輛的TTC小于設(shè)定的閾值時(shí)，AEB便以一恒定的減速度制動(dòng)。

2.2 參數(shù)設(shè)定

TTC閾值過大會(huì)造成車輛與VRUs相對距離過大，影響駕駛體驗(yàn)；取值過小可能無法起規(guī)避作用。Hamdane等[28]在2015年對真實(shí)交通事故重建及碰撞前事故還原發(fā)現(xiàn)，在碰撞前1/s，行人相對車輛的位置較分散，而在0.5～1.0 s時(shí)，行人在車輛前方會(huì)相對集中。結(jié)合目前市場上大多數(shù)AEB系統(tǒng)的TTC設(shè)置，在參數(shù)分析時(shí)，TTC取值1 s。綜合傳感器的應(yīng)用場景及造價(jià)，本研究選用毫米波雷達(dá)作為AEB探測傳感器，探測角度取30°、40°、50°、90°。傳感器探測距離參考市面上雷達(dá)傳感器廠家，本研究取60 m；考慮路面附著系統(tǒng)實(shí)際情況，AEB制動(dòng)減速度取0.8g，做參數(shù)分析時(shí)取0.5g，以對比模擬車輛遇到雨天或行駛在濕滑路面上時(shí)AEB的制動(dòng)效果。

2.3 仿真流程

圖5 為研究AEB對VRUs頭部損傷影響流程圖。在搭建碰前場景基礎(chǔ)上，將PC-Crash中的AEB模塊添加到事故車輛中，同時(shí)去除事故車輛及VRUs的應(yīng)急反應(yīng)（緊急轉(zhuǎn)向及緊急制動(dòng)），本研究僅考慮AEB自身的作用，暫不考慮駕駛員和VRUs存在應(yīng)急反應(yīng)。最后按表2仿真矩陣進(jìn)行不同參數(shù)設(shè)置下的仿真分析。

表2 仿真矩陣

目前企業(yè)研發(fā)的多數(shù)傳感器探測角度在30°以內(nèi)，因此僅研究AEB參數(shù)在FOV為30°、TTC為1 s、減速度為0.8g情況下案件未規(guī)避原因。對于AEB觸發(fā)但仍未規(guī)避的事故，將此時(shí)PC-Crash中輸出的車速、兩者相對位置信息等作為碰撞邊界條件加載到Madymo中，輸出頭部損傷參數(shù)值，包括VRUs與車輛前部碰撞時(shí)刻及VRUs頭部落地時(shí)刻的HIC、HIP、頭部最大角速度和最大角加速度，并將此數(shù)據(jù)與原始事故Madymo損傷參數(shù)對比，分析損傷參數(shù)值的變化情況。

3 結(jié)果及分析

3.1 事故規(guī)避情況

通過統(tǒng)計(jì)并繪制碰撞前事故場景，得到碰前1 s時(shí)車輛與VRUs的相對位置關(guān)系如圖6所示。在碰前1 s，行人及自行車事故只有2起處于探測角度為30°的區(qū)域之外。有1起行人事故由于未在傳感器探測范圍內(nèi)事故不能避免。電動(dòng)車事故規(guī)避案例集中在90°的探測范圍內(nèi)，表明電動(dòng)車較行人、自行車需要更大探測角度。

本文采用事故規(guī)避率η作為AEB有效性的評價(jià)指標(biāo)之一，其計(jì)算公式如下：

式中：NAEB為AEB介入后事故規(guī)避數(shù)量；Ntot為所選事故總量。

圖7 為不同F(xiàn)OV下AEB規(guī)避情況。當(dāng)FOV為30°時(shí)事故規(guī)避率為45%，隨著探測角度增大，當(dāng)FOV為40°、50°和90°時(shí)，較FOV為30°規(guī)避率分別增加5%、10%和20%。而AEB未響應(yīng)及AEB響應(yīng)后僅使車速降低并未規(guī)避的案件均隨著探測角度增大而減少。

為研究干燥路面與雨雪路面上AEB有效性差異，選取干燥路面摩擦因數(shù)為0.8，雨雪天氣的路面摩擦系數(shù)為0.5進(jìn)行仿真[28]。如圖8所示，減速度為0.8g時(shí)規(guī)避率比減速度為0.5g時(shí)提高10%。因此，在雨雪天氣等惡劣條件下行車，AEB系統(tǒng)的有效性不及干燥路面。

3.2 碰撞車速影響

通過對圖9分析發(fā)現(xiàn)：未加AEB時(shí)篩選的20起事故初始平均碰撞車速為43.04 km·h-1，在AEB介入后平均碰撞車速降低至25 km·h-1以下，平均降速比率達(dá)到66.17%，5種工況中工況4的降速效果最明顯，高達(dá)81.13%，工況5的降速最差，僅為46.28%，其余工況降速比達(dá)60%以上。

3.3 VRUs頭部損傷影響

VRUs與車輛前部碰撞損傷變化見圖10。

如圖10所示：20起事故在五種不同AEB工況下，VRUs與車輛前部碰撞損傷都有降低。HIC平均下降了73.2%，工況4最優(yōu)，能使VRUs的HIC值降低89.5%。HIP平均下降了72.7%，最大降低88.6%。最大角速度和最大角加速度分別平均下降了68.58%、49.14%。表明AEB的介入能一定程度上降低VRUs與車輛前部碰撞造成的損傷。

3.4 未規(guī)避原因分析

AEB能減少事故發(fā)生，但仍有25%的事故無法避免（不考慮VRUs未被識別的事故）。在這5起事故 （C5、C10、C12、C15、C20）配置AEB后，事故車輛車速均降低但碰撞仍然發(fā)生。圖11為車輛探測到VRUs開始制動(dòng)時(shí)刻示意圖。其中S1指此時(shí)車輛與VRUs間距離，S2指車輛從當(dāng)前車速減速到0所需的制動(dòng)距離。

通過PC-Crash導(dǎo)出AEB開始制動(dòng)時(shí)刻的TTC，我們定義為TTCb；利用公式3、4得出車輛制動(dòng)時(shí)刻到VRUs的距離S1及初始車速減速至零所需停車距離S2，其中v表示車輛初始速度。當(dāng)S1＜S2時(shí)，車輛與VRUs便會(huì)發(fā)生碰撞。

計(jì)算結(jié)果如表3所示。

表3 車輛避撞所需距離

這些事故不能規(guī)避的原因有：1） VRUs出現(xiàn)在AEB探測區(qū)域內(nèi)時(shí)過晚；2）事故車輛初始速度過快；3）VRUs來不及緊急制動(dòng)或轉(zhuǎn)向，與靜止車輛發(fā)生碰撞。

在C12案件的仿真初始階段，電動(dòng)兩輪車騎車人不在傳感器探測范圍內(nèi)，隨著仿真時(shí)間推進(jìn)，由于電動(dòng)兩輪車和車輛存在速度差，騎車人較晚進(jìn)入傳感器探測范圍，待傳感器探測到騎車人時(shí)留給車輛制動(dòng)的時(shí)間非常短，車輛在啟動(dòng)AEB的TTC只有0.39 s，制動(dòng)時(shí)間不足。

C10、C20案件中，電動(dòng)兩輪車騎車人在AEB制動(dòng)閾值時(shí)刻均處在探測范圍內(nèi)，車輛在接受到制動(dòng)信號后均按照7.85 m/s2的減速度進(jìn)行減速，但通過計(jì)算當(dāng)前車速減速至零所需路程S2，與車輛當(dāng)前距VRU間距離S1發(fā)現(xiàn)，S2＞S1，因此事故不能避免。

C15案件中，在車輛加入AEB后，車輛在發(fā)生碰撞前成功將車速減至零，但由于電動(dòng)兩輪車與事故車輛相距過近，兩者在0.12 s后會(huì)發(fā)生碰撞，在如此短的時(shí)間內(nèi)騎車人無法做出應(yīng)急反應(yīng)，車輛與電動(dòng)車仍會(huì)發(fā)生碰撞。

3.5 AEB對頭部損傷風(fēng)險(xiǎn)的影響

圖12 為5種案例的頭部損傷參數(shù)對比。

在案例C5中，在行人與車輛前部碰撞中，自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）介入后使行人頭部碰撞位置由擋風(fēng)玻璃變?yōu)榘l(fā)動(dòng)機(jī)罩，HIC、HIP均大幅降低，頭部損傷風(fēng)險(xiǎn)降低；而在頭部與地面碰撞時(shí)，HIC和角加速度ω’相比于原始事故明顯增大，表明該案例中如加裝AEB可導(dǎo)致行人頭部落地碰撞損傷風(fēng)險(xiǎn)增加。

在案例C10中，AEB介入后，騎車人與汽車初始碰撞位置發(fā)生較大變化，騎車人頭部與車輛未發(fā)生直接接觸而倒地，落地時(shí)刻最大角速度ω提高了9.6倍，頭部損傷風(fēng)險(xiǎn)增加。

類似在案例C12中，碰撞初始位置的不同，使得騎車人頭部與車輛前部的碰撞位置由左側(cè)后視鏡與發(fā)動(dòng)機(jī)罩夾角處變?yōu)榘l(fā)動(dòng)機(jī)罩，導(dǎo)致頭部ω增大，同時(shí)與地面碰撞中損傷明顯增大。

在案例C15中，AEB響應(yīng)后電動(dòng)車與靜止車輛發(fā)生的碰撞，損傷小于原始事故中車輛撞擊電動(dòng)車造成的傷害。案例C20在AEB介入后騎車人損傷降低顯著，騎車人頭部與車輛無碰撞，損傷風(fēng)險(xiǎn)降為零，而在地面碰撞中HIC、HIP、ω’、ω均明顯降低。

對這些事故加AEB前后VRUs頭部與車輛碰撞及地面碰撞所造成的損傷統(tǒng)計(jì)得到表4。

表4 加AEB前后頭部損傷參數(shù)的對比

由表4可知：VRUs與車輛前部碰撞，有3起（C5、C10、和C20）事故在加入AEB后損傷降低明顯。其中C10和C20在AEB介入后，騎車人與車輛碰撞初始位置及碰撞速度發(fā)生變化，導(dǎo)致騎車人頭部與車輛無接觸，因此與車輛碰撞導(dǎo)致的頭部損傷風(fēng)險(xiǎn)消失。而C5在有AEB條件下，行人頭部與車輛仍碰撞，但是此時(shí)汽車速度已大幅降低，且頭部碰撞位置發(fā)生變化，行人的頭部損傷相比原始損傷明顯降低。C12的HIC和最大角速度有些許增大，但與原始事故損傷相差不大；C15中最大角加速度增大4.05倍，是此時(shí)電動(dòng)二輪車與靜止車輛發(fā)生碰撞，騎車人頭部有較大旋轉(zhuǎn)。

AEB對降低VRU與車輛前部碰撞產(chǎn)生的頭部損傷效果顯著，而在對VRUs與地面碰撞造成的損傷則大相徑庭。五起事故中僅C20的落地?fù)p傷明顯降低，其余4起事故頭部落地?fù)p傷參數(shù)均不同程度增大，主要是AEB介入后對VRUs頭部落地姿態(tài)產(chǎn)生影響，導(dǎo)致頭部損傷存在不確定性。

4 結(jié) 論

本研究基于詳實(shí)的道路弱勢使用者（VRU）事故信息，利用多體仿真分析軟件，對自動(dòng)緊急制動(dòng)系統(tǒng)（AEB）的有效性及VRUs頭部損傷風(fēng)險(xiǎn)進(jìn)行了研究，可以得出以下結(jié)論：

1） 傳感器探測角FOV為90°時(shí)，AEB對VRU的規(guī)避率最大；FOV為30°時(shí)，傳感器能滿足多數(shù)行人和自行車事故的探測，而電動(dòng)車需要更大的探測范圍才能有效識別。

2） 在最優(yōu)的傳感器配置下仍有35%的事故無法避免，主要原因有VRUs不在AEB探測范圍內(nèi)；車輛行駛速度過大，超出AEB制動(dòng)能力；以及VRUs出現(xiàn)在AEB范圍內(nèi)時(shí)間過遲，導(dǎo)致制動(dòng)時(shí)長過短。

3） AEB能使碰撞車速平均降低66.17%，最大降速比可達(dá)到81.13%；在VRUs頭部與車輛前部碰撞中，AEB介入后頭部損傷指標(biāo)HIC、頭部碰撞能量HIP、最大角速度ω和最大角加速度ω’分別平均降低73.2%、72.7%、68.58%、49.14%，最優(yōu)可分別達(dá)到89.5%、88.6%、85.6%、63.5%，能有效降低VRUs頭部與車輛前部碰撞的損傷風(fēng)險(xiǎn)；但在落地運(yùn)動(dòng)中受多種變量影響，與地面造成的頭部損傷存在不確定性。