鄒鐵方，劉前程，魏 亮

（1. 長(zhǎng)沙理工大學(xué)汽車與機(jī)械工程學(xué)院，長(zhǎng)沙 410114； 2. 云南云通司法鑒定中心，昆明 650255）

前言

據(jù)世界衛(wèi)生組織（world health organization，WHO）統(tǒng)計(jì)，全球每年因道路交通事故死亡人數(shù)約為135 萬，其中行人死亡人數(shù)占比在22%左右［1］。而國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)顯示，2014—2019 年我國交通事故總死亡人數(shù)達(dá)369467，其中行人死亡人數(shù)占比為25%左右［2］，表明我國行人交通安全亟需關(guān)注。

自動(dòng)緊急制動(dòng)系統(tǒng)（automatic emergency braking， AEB）被視為有效降低行人事故傷害的主動(dòng)安全系統(tǒng)。美國公路安全保險(xiǎn)協(xié)會(huì)指出，AEB 可以減少27%的交通事故［3］。因此，AEB 受到各國政府和研究人員的重視，歐盟新車評(píng)價(jià)規(guī)程（Euronew car assessment program， Euro-NCAP）、中國新車評(píng)價(jià)規(guī)程（China new car assessment program， CNCAP）均將AEB測(cè)試納入規(guī)程［4-5］。Anderson等［6］通過對(duì)澳大利亞深度碰撞數(shù)據(jù)庫中的案例進(jìn)行碰撞模擬以評(píng)估AEB 系統(tǒng)的有效性，發(fā)現(xiàn)AEB 系統(tǒng)不僅可以減少20%～25%的死亡率和25%～35%的受傷率，且能大幅降低事故風(fēng)險(xiǎn)。Rosén 等［7］通過研究AEB系統(tǒng)對(duì)減輕行人傷害的影響，發(fā)現(xiàn)在40°視角范圍內(nèi)，能減少40%的行人死亡率和27%的行人受傷率。 Liu 等［8］通過分析CIDAS（China in-depth accident study）數(shù)據(jù)庫中的真實(shí)事故案例，發(fā)現(xiàn)AEB系統(tǒng)的碰撞時(shí)間（time to collision， TTC）為1 s、制動(dòng)減速度為0.9g時(shí)可以避免57.5%的重傷及死亡事故。

但AEB 的影響并非總是正面的。Páez等［9］通過對(duì)馬德里的50 起汽車與行人碰撞事故進(jìn)行再現(xiàn)并加裝AEB 系統(tǒng)，發(fā)現(xiàn)AEB 可以避免42%的汽車與行人碰撞事故，但隨著碰撞速度的降低，有10%的事故中行人頭部損傷會(huì)增加。韓勇等［10］通過對(duì)事故視頻進(jìn)行再現(xiàn)并加裝AEB 系統(tǒng)，發(fā)現(xiàn)在碰撞時(shí)間為1 s的工況下，車速降低效果最顯著，但AEB 會(huì)增加人體頭地碰撞損傷風(fēng)險(xiǎn)。

已有研究表明，AEB 能不同程度地降低事故發(fā)生率，但不能完全避免事故［11］。通過對(duì)少量未避免事故的分析發(fā)現(xiàn)，此類事故中人體損傷可能增加。在車輛智能化大背景下，AEB 技術(shù)必將全面推廣應(yīng)用，到時(shí)絕大多數(shù)汽車均將裝備AEB 系統(tǒng)。此種條件下，未避免事故具有哪些基本特征、特別是現(xiàn)有AEB技術(shù)在實(shí)踐中將會(huì)引入哪些風(fēng)險(xiǎn)，亟需探索。

事故場(chǎng)景是測(cè)評(píng)智能車技術(shù)的有效手段，也是事故特征的重要組成，因而構(gòu)建不同狀態(tài)下的危險(xiǎn)場(chǎng)景已成為當(dāng)前的研究熱點(diǎn)。比如，Chen 等［12］再現(xiàn)CIDAS數(shù)據(jù)庫中汽車-行人事故，并提取典型事故場(chǎng)景以研究我國的人車碰撞事故特征；歐洲高級(jí)保護(hù)系統(tǒng)（advanced protection systems， APROSYS）項(xiàng)目對(duì)德國事故數(shù)據(jù)庫進(jìn)行挖掘后獲得3 種典型車輛碰撞行人的事故場(chǎng)景以評(píng)估AEB 性能［13］；劉穎等［14］對(duì)上海道路上發(fā)生的典型車輛與行人碰撞的危險(xiǎn)工況進(jìn)行篩選，利用聚類分析獲得5 種典型車輛碰撞行人的危險(xiǎn)場(chǎng)景；蘇江平等［15］通過車載診斷系統(tǒng)對(duì)中國5 個(gè)城市的11 輛乘用車進(jìn)行駕駛數(shù)據(jù)采集，獲得65 個(gè)車輛與行人發(fā)生碰撞的工況，并提取了典型危險(xiǎn)場(chǎng)景。由此可知，為了解加裝AEB 后的汽車撞人事故特征及AEB 可能帶來的風(fēng)險(xiǎn)，先建立未避免事故的典型場(chǎng)景可行且極具價(jià)值。

為此，本研究將先基于Pc-Crash 軟件再現(xiàn)187例真實(shí)事故，并結(jié)合事故視頻、再現(xiàn)結(jié)果采集人車碰撞前相關(guān)參數(shù)，進(jìn)而對(duì)事故車輛加裝AEB 系統(tǒng)，并通過Carsim 與Simulink 聯(lián)合仿真以獲得不能避免碰撞的案例，接著再用Pc-Crash 軟件仿真未避免案例以獲得人體損傷信息，然后用統(tǒng)計(jì)分析等方法獲得未避免事故的典型場(chǎng)景及總體特征，最后再在場(chǎng)景基礎(chǔ)上研究未避免事故的損傷特征并揭示其規(guī)律。

1 研究方法

1.1 數(shù)據(jù)來源

研究所選視頻主要來源于課題組前期服務(wù)于CIDAS、NAIS等橫向項(xiàng)目及國家重點(diǎn)研發(fā)、國家自然科學(xué)基金等縱向項(xiàng)目所積累的案例，并按照以下的原則對(duì)事故視頻進(jìn)行嚴(yán)格篩選，最終得到187 例符合本研究的事故視頻案例，并對(duì)其逐個(gè)進(jìn)行事故再現(xiàn)。

（1）事故視頻須能觀察到事故全過程。

（2）事故車僅為Sedan/SUV，不包括公共汽車等，一輛車至少須與一個(gè)行人發(fā)生碰撞。

1.2 事故再現(xiàn)、碰前參數(shù)與數(shù)據(jù)采集

1.2.1 事故再現(xiàn)

Pc-Crash 作為事故再現(xiàn)領(lǐng)域廣泛應(yīng)用的軟件，其精度已被諸多學(xué)者驗(yàn)證［16-18］。本研究嚴(yán)格按照文獻(xiàn)［17］～文獻(xiàn)［19］中所述流程再現(xiàn)事故，并在事故再現(xiàn)前按照文獻(xiàn)［20］中所述方法估算車輛與行人速度。接下來通過一例真實(shí)案例對(duì)事故再現(xiàn)過程進(jìn)行演示，以說明事故再現(xiàn)結(jié)果的可靠性。

（1）事故介紹

由監(jiān)控拍攝的一段視頻顯示，在我國某城市轉(zhuǎn)彎路口處，一位中年女性步行穿過馬路，與左側(cè)黑色小轎車發(fā)生碰撞，碰撞發(fā)生時(shí)事故車輛立即制動(dòng)，行人在車輛發(fā)動(dòng)機(jī)蓋上翻轉(zhuǎn)一周后落地。

（2）事故現(xiàn)場(chǎng)再現(xiàn)

通過視頻提取事故現(xiàn)場(chǎng)重要信息，利用仿真軟件搭建與事故現(xiàn)場(chǎng)同類型的T 字型路口。并依據(jù)實(shí)際事故車輛的各項(xiàng)基本參數(shù)（軸距、輪距、車輛長(zhǎng)寬高及質(zhì)量等）對(duì)仿真軟件中的車輛模型進(jìn)行修改。行人模型則依據(jù)視頻及我國人體實(shí)際參數(shù)［21］對(duì)假人模型的身高、體質(zhì)量及姿態(tài)進(jìn)行修改后獲得。

（3）仿真與驗(yàn)證

仿真開始前對(duì)車速及行人速度進(jìn)行估算。根據(jù)車身長(zhǎng)度L和一段時(shí)間內(nèi)行駛過的車位數(shù)N，計(jì)算出在此段時(shí)間內(nèi)車輛行駛距離為

通過逐幀播放事故視頻，記錄車輛行駛距離S所需的幀數(shù)，從而計(jì)算出行駛時(shí)間為

式中：T為車輛行駛距離S所需的時(shí)間，s；n為車輛行駛距離S需要的幀數(shù)；ne為視頻里1 s 內(nèi)需要的幀數(shù)（不同視頻格式的幀率也不同）。

由距離S和時(shí)間T可得到車速為

式中v為碰撞速度，km/h。

本案例中，先預(yù)估車輛和行人速度的區(qū)間，分別為25～26.5 和5～6.5 km/h。然后仿真再現(xiàn)，要求仿真中人體運(yùn)動(dòng)學(xué)響應(yīng)與實(shí)際事故中一致，經(jīng)多次迭代優(yōu)化后發(fā)現(xiàn)車速取26 km/h、行人速度取6 km/h、車輛制動(dòng)協(xié)調(diào)時(shí)間取0.2 s時(shí)，仿真與事故視頻最吻合（見圖1）?？梢钥闯?，仿真中車輛的行駛軌跡、行人運(yùn)動(dòng)軌跡、行人姿態(tài)、最終停止位置等信息都與視頻高度一致。最后對(duì)人體損傷進(jìn)行驗(yàn)證，發(fā)現(xiàn)仿真中車輛所致15 ms 頭部損傷準(zhǔn)則HIC15（head injury criterion）為176.5，地面所致HIC15為160.6，根據(jù)行人頭部損傷耐受極限（<700），可推斷該案例中行人受輕傷，這與警方提供信息一致。其它186 例案例均按照這一方法嚴(yán)謹(jǐn)再現(xiàn)，以保證仿真最大限度地客觀反映真實(shí)事故情況。

1.2.2 碰前參數(shù)與數(shù)據(jù)采集（1）碰前參數(shù)

為實(shí)現(xiàn)后續(xù)聯(lián)合仿真實(shí)驗(yàn)，須對(duì)人車碰撞前1 s（或大于1 s）的相關(guān)參數(shù)進(jìn)行采集，包括碰撞前的車速、車輛運(yùn)動(dòng)狀態(tài)、行人速度、行人行走方向、行人姿態(tài)、人車相對(duì)位置、道路特征、路面狀況、照明狀況和駕駛員視野情況。

（2）數(shù)據(jù)采集

基于1.2.1 節(jié)中事故再現(xiàn)的結(jié)果，先采集碰撞時(shí)的車速、行人速度、人車相對(duì)位置等信息，再參考文獻(xiàn)［10］中的方法再現(xiàn)碰撞前事故過程，即將碰撞時(shí)的人車相對(duì)位置作為起點(diǎn)，通過反向計(jì)算找出碰撞前1 s（或大于1 s）車輛和行人的運(yùn)動(dòng)軌跡，并采集碰前參數(shù)。再現(xiàn)碰撞前事故過程中，同樣要求仿真中行人軌跡與事故視頻中行人軌跡最大程度吻合，以保證采集的碰前相關(guān)參數(shù)最大限度地接近真實(shí)事故情況。其它186 例事故中相關(guān)數(shù)據(jù)采集中均采用此統(tǒng)一標(biāo)準(zhǔn)，以保證數(shù)據(jù)的可靠和一致性。

1.3 AEB系統(tǒng)與仿真

1.3.1 AEB系統(tǒng)參數(shù)選取

TTC 模型是現(xiàn)有模型中較為傳統(tǒng)且經(jīng)典的避撞算法［22］，是指同一路徑上行駛的兩車保持當(dāng)前速度直到發(fā)生碰撞所需要的時(shí)間，即

式中：D為相距距離；vr為相對(duì)車速。

AEB的原理是利用雷達(dá)攝像頭探測(cè)與前車或障礙物的距離，然后對(duì)車輛進(jìn)行制動(dòng)，以避免事故發(fā)生。但其核心問題是確定制動(dòng)系統(tǒng)恰當(dāng)?shù)慕槿霑r(shí)刻，介入過早會(huì)導(dǎo)致車輛過早停止，駕駛體驗(yàn)感變差及對(duì)行人造成恐慌，過晚會(huì)導(dǎo)致事故無法避免，故TTC 閾值的選取尤為重要。Hamdane 等［23］研究發(fā)現(xiàn)在碰撞前1 s（TTC=1 s），大多數(shù)行人與車輛之間的橫向距離小于3 m，此結(jié)論對(duì)主動(dòng)安全系統(tǒng)研究方面意義重大。韓勇等［10］研究發(fā)現(xiàn)，在碰撞時(shí)間TTC為1 s的工況下，車速降低效果最為明顯。本研究綜合以上TTC的取值范圍，最終將TTC取值為1 s。同時(shí)，本研究在滿足研究需要的前提下選用成本低［24］的毫米波雷達(dá)作為 AEB 探測(cè)傳感器，探測(cè)距離為50 m。根據(jù)Chen 等［25］和楊娜等［26］研究結(jié)果，將探測(cè)器角度設(shè)置為40°，不僅能夠在碰撞前1.0 s 檢測(cè)到“障礙物上”93%的行人，且兼顧探測(cè)器的成本和系統(tǒng)控制算法的復(fù)雜性，故本文探測(cè)角度取40°。

1.3.2 聯(lián)合仿真實(shí)驗(yàn)

通過使用Carsim 與Simulink 軟件搭建聯(lián)合仿真模型，以對(duì)AEB 的效能進(jìn)行研究，此實(shí)驗(yàn)方法在該研究領(lǐng)域已被廣泛應(yīng)用。本研究為實(shí)現(xiàn)Carsim 與Simulink 的數(shù)據(jù)傳輸，對(duì)車輛動(dòng)力學(xué)模型的輸入輸出接口進(jìn)行定義。輸入信號(hào)為主缸壓力，輸出信號(hào)包括本車車速、相對(duì)速度、前方目標(biāo)距離。同時(shí)根據(jù)1.2.2 節(jié)中碰前參數(shù)采集結(jié)果，利用Carsim 搭建與事故中相同的車型、行人步態(tài)和路面類型，并對(duì)人車相對(duì)位置、車速、行人速度等參數(shù)進(jìn)行設(shè)置，結(jié)合Simulink 搭建的AEB 算法模型，將其添加到事故車輛中進(jìn)行聯(lián)合仿真。本研究?jī)H考慮AEB 自身的作用，暫不考慮駕駛員和行人存在的應(yīng)急反應(yīng)。

1.4 統(tǒng)計(jì)分析

研究將采用SPSS 軟件中Kruskal-Wallis H 和Mann-Whitney U 檢驗(yàn)方法［27］，分別對(duì)加裝AEB 后6類場(chǎng)景中的行人頭部/胸部/臀部損傷差異和6 類場(chǎng)景中加裝AEB 前后行人頭部/胸部/臀部的人車碰撞損傷與人地碰撞損傷差異進(jìn)行顯著性檢驗(yàn)，檢驗(yàn)水準(zhǔn)α=0.05，根據(jù)導(dǎo)入SPSS 軟件的損傷數(shù)據(jù)得出的P值來判斷不同場(chǎng)景下的行人頭部/胸部/臀部損傷是否具有差異。通常P<0.01 時(shí)，有極顯著統(tǒng)計(jì)學(xué)差異；當(dāng)0.01≤P<0.05 時(shí)，有顯著統(tǒng)計(jì)學(xué)差異；當(dāng)P≥0.05時(shí)，不具有顯著統(tǒng)計(jì)學(xué)差異。

采用層次聚類分析法［28］提取未避免事故的人車碰撞典型場(chǎng)景。參照文獻(xiàn)［29］和文獻(xiàn)［30］，選取3類9個(gè)參數(shù)為名義尺度變量（nominal），分別為：照明情況、道路特征、路面狀況3 個(gè)環(huán)境參數(shù)，車速、車輛運(yùn)動(dòng)狀態(tài)、視野是否遮擋3 個(gè)車輛參數(shù)以及行人速度、行人運(yùn)動(dòng)狀態(tài)、行人行走方向3 個(gè)行人參數(shù)。各變量的取值見表1。

表1 人車事故的場(chǎng)景參數(shù)與參數(shù)特征

1.5 損傷評(píng)價(jià)指標(biāo)

（1）頭部損傷指標(biāo) 采用1971 年美國運(yùn)輸部提出的頭部損傷標(biāo)準(zhǔn)HIC進(jìn)行評(píng)價(jià)，HIC定義為

式中：t2-t1表示HIC達(dá)到最大值的時(shí)間間隔；a（t）表示頭部質(zhì)心合成加速度。在實(shí)際應(yīng)用中最大時(shí)間間隔取15 ms，HIC15的安全界限值為700［31］。利用PC-Crash 將仿真后的人體頭部減速曲線數(shù)據(jù)輸出，再依據(jù)式（5）運(yùn)用Matlab編程計(jì)算獲得HIC15。

（2）胸部損傷指標(biāo) 采用胸部3 ms 合成加速度作為胸部損傷指標(biāo)，其安全界限值為60g［31］。與獲得HIC15的計(jì)算方式類似，根據(jù)輸出的胸部減速度曲線，運(yùn)用Matlab編程計(jì)算獲得胸部損傷指標(biāo)。

（3）臀部損傷指標(biāo) 采用碰撞力作為臀部損傷指標(biāo)，文獻(xiàn)［32］中給出的盆骨耐受極限為10 kN。碰撞力可從Pc-Crash仿真結(jié)果中直接獲取。

2 結(jié)果

2.1 未避免事故總體特征

聯(lián)合仿真結(jié)果顯示，187 例事故中有114 例（61%）事故在AEB 的作用下避免了碰撞，但仍有73例（39%）事故未避免，未避免事故的總體特征如下。

2.1.1 事故環(huán)境特征

統(tǒng)計(jì)發(fā)現(xiàn)，在道路類型分布中，有44例（60.27%）發(fā)生在非路口，29 例（39.73%）發(fā)生在T 字路口或十字路口。在路面狀況分布中，有48 例（65.75%）發(fā)生在干燥路面，14 例（19.18%）發(fā)生在雨天濕滑路面，11例（15.07%）發(fā)生在積雪路面。在照明情況分布中，有64 例（87.67%）發(fā)生在照明條件良好環(huán)境下，9例（12.33%）發(fā)生在照明條件差的環(huán)境下。

2.1.2 碰撞前事故特征

在碰撞發(fā)生前1 s 的汽車速度分布中（圖2），有9 例（12.33%）車速在［20，30）km/h 區(qū)間內(nèi)，20 例（27.4%）車速在［30，40）km/h 區(qū)間內(nèi)，22 例（30.13%）車速在［40，50）km/h 區(qū)間內(nèi)，16 例（21.92%）車速在［50，60）km/h 區(qū)間內(nèi)，6 例（8.22%）車速 ≥60 km/h。

圖2 碰撞前1 s車速分布

在行人行走方向分布中，有48 例（65.75%）行人從右側(cè)過馬路，有25 例（34.25%）行人從左側(cè)過馬路。在車輛運(yùn)動(dòng)狀態(tài)分布中，有72 例（98.6%）是直行狀態(tài)，有1 例（1.4%）是轉(zhuǎn)彎狀態(tài)。在碰撞車型中，有48 例（65.75%）是轎車，25 例（34.25%）是SUV。在視野遮擋情況分布中，有38例（52.05%）駕駛員視野被遮擋，35 例（47.95%）駕駛員視野無遮擋。在行人運(yùn)動(dòng)狀態(tài)分布中，有40 例（54.79%）行人處于奔跑狀態(tài)，31例（42.47%）行人為行走狀態(tài)，2例（2.74%）行人為靜止?fàn)顟B(tài)。

2.1.3 碰撞時(shí)事故特征

在加裝AEB 的汽車碰撞速度分布中，有18 例（24.66%）車速在（0，10］km/h 區(qū)間內(nèi)，28 例（38.35%）車速在（10，20］km/h 區(qū)間內(nèi)，14 例（19.18%）車速在（20，30］km/h 區(qū)間內(nèi)，10 例（13.69%）車速在（30，40］km/h 區(qū)間內(nèi)，3 例（4.12%）車速 >40 km/h（見圖3）。在行人碰撞速度分布中，有11 例（15.07%）行人速度在（0，3］km/h 區(qū)間內(nèi)，31例（42.46%）行人速度在（3，6］km/h 區(qū)間內(nèi)，14 例（19.18%）行人速度在（6，9］km/h 區(qū)間內(nèi)，12 例（16.44%）行人速度在（9，12］km/h 區(qū)間內(nèi)，5 例（6.85%）行人速度 >12 km/h（見圖4）。

圖3 汽車碰撞速度分布

圖4 行人碰撞速度分布

可知碰撞車速主要集中在（0，10］、（10，20］、（20，30］和（30，40］ km/h 這4 個(gè)區(qū)間內(nèi)，占比95.88%， 即AEB 能夠使絕大多數(shù)事故中汽車碰撞車速降低到40 km/h 以下的中低速區(qū)間。行人碰撞速度則主要集中在（0，3］、（3，6］、（6，9］和（9，12］km/h這4個(gè)區(qū)間內(nèi)，占比93.15%。

2.2 未避免事故典型碰撞場(chǎng)景

利用SPSS 軟件對(duì)73 例未避免事故進(jìn)行聚類分析，共得7 類場(chǎng)景。但第4 類場(chǎng)景中行人運(yùn)動(dòng)狀態(tài)、路面狀況、視野是否遮擋、道路和行人行走方向等特征均不明顯，無法提取特定的人-車事故碰撞場(chǎng)景。加之除第4 類（10 個(gè)案例）場(chǎng)景外，其它場(chǎng)景案例占總樣本的86.3%［33］，具有足夠的代表性。因此，在研究中剔除第4類場(chǎng)景，得6 類未避免事故典型碰撞場(chǎng)景，參數(shù)特征見表2。

表2 各類典型事故場(chǎng)景下的參數(shù)特征

為對(duì)聚類場(chǎng)景中的不明顯特征（如表2 中的道路特征，路口案例4個(gè)，非路口案例4個(gè)，無法提取典型特征）做進(jìn)一步分析，參照文獻(xiàn)［33］中根據(jù)事故傷亡程度對(duì)不明顯特征進(jìn)行分析的方法，將事故傷亡程度劃分為3 個(gè)等級(jí)： 中輕度（AIS1-AIS2）、嚴(yán)重（AIS3-AIS5） 和致命（AIS6）。根據(jù)Li［34］研究HIC 與AIS 的關(guān)系，對(duì)事故中行人損傷等級(jí)進(jìn)行劃分。同時(shí)根據(jù)胡林等［33］選用參數(shù)特征的方法，即選取事故傷亡程度為“嚴(yán)重”和“致命”樣本數(shù)量較多的和事故樣本總數(shù)量高于傷亡嚴(yán)重參數(shù)特征下的樣本數(shù)量的參數(shù)特征作為場(chǎng)景中對(duì)應(yīng)的參數(shù)特征，最終得6 類未避免事故典型場(chǎng)景（表3），示意圖見圖5。

表3 事故傷亡程度分析后的各類典型事故場(chǎng)景的參數(shù)特征

圖5 6類未避免事故典型碰撞場(chǎng)景示意圖

6 類未避免事故典型碰撞場(chǎng)景中人車碰撞胸部損傷有極顯著統(tǒng)計(jì)學(xué)差異（P<0.01），頭部和臀部損傷存在統(tǒng)計(jì)學(xué)差異（P<0.05）；人地碰撞中胸部損傷存在統(tǒng)計(jì)學(xué)差異（P<0.05），但頭部和臀部損傷均不存在統(tǒng)計(jì)學(xué)差異（P>0.05）。不同場(chǎng)景中的人車碰撞損傷均有統(tǒng)計(jì)學(xué)差異的結(jié)論進(jìn)一步說明2.2 節(jié)中所得6類場(chǎng)景具有代表性。

2.3 相同場(chǎng)景中加裝AEB前后人體損傷差異

在人車碰撞損傷方面，相同場(chǎng)景中加裝AEB 后的行人頭部損傷均顯著低于加裝AEB 前的頭部損傷，見圖6，這與韓勇等［10］研究結(jié)果一致。在行人胸部和臀部損傷方面均觀察到類似現(xiàn)象，表明加裝AEB后可顯著降低人車碰撞損傷。

圖6 6類場(chǎng)景下加裝AEB前后人車碰撞頭部損傷對(duì)比箱型圖

在人地碰撞損傷方面，加裝AEB 前后的人地碰撞頭部損傷見圖7?？傮w上人地碰撞損傷有降低趨勢(shì)。但在場(chǎng)景5 和場(chǎng)景7 中，加裝AEB 前后頭部損傷之間不具有顯著統(tǒng)計(jì)學(xué)差異（P>0.05），表明這兩類場(chǎng)景中加裝AEB 未顯著降低頭地碰撞損傷；其它場(chǎng)景中，人地碰撞頭部損傷均顯著降低。在胸部-地面碰撞損傷方面總體有降低趨勢(shì)，但場(chǎng)景2、5、6和7均未能顯著降低胸部-地面碰撞損傷。臀部損傷方面則有所不同，場(chǎng)景2、7 中臀部-地面碰撞損傷有增高的趨勢(shì)，其它場(chǎng)景中有降低的趨勢(shì)但僅場(chǎng)景3 有顯著性差異，見圖8。

圖7 6類場(chǎng)景下加裝AEB前后人地碰撞頭部損傷對(duì)比箱型圖

圖8 6類場(chǎng)景下加裝AEB前后人地碰撞臀部損傷對(duì)比箱型圖

由上可知，6 類典型場(chǎng)景中，AEB 系統(tǒng)可以顯著降低行人頭部、胸部和臀部的人車碰撞損傷，但人地碰撞損傷降低方面存在不確定性。

3 討論

上述分析發(fā)現(xiàn)，加裝AEB 后可以避免114 例事故（61%），但仍有73 例事故（39%）不能避免。未避免事故的總體特征揭示了未來人車碰撞的可能形態(tài)，特別是碰撞車速條件，可指導(dǎo)設(shè)計(jì)智能車防護(hù)人體損傷研究中的實(shí)驗(yàn)邊界條件，能為后續(xù)智能車主、被動(dòng)安全研究提供有力支持。研究結(jié)果顯示，未避免事故中有95.88%的碰撞車速均低于40 km/h，已有的大量研究均指出在該中低速區(qū)間內(nèi)人地碰撞損傷風(fēng)險(xiǎn)不能忽視［35-38］，這意味著智能車可能更須關(guān)注人地碰撞損傷?，F(xiàn)有少量研究已經(jīng)顯現(xiàn)出這種趨勢(shì)，韓勇等在文獻(xiàn)［10］中指出，AEB可能會(huì)增加80%案例（5例中有4例）中人地碰撞損傷；而本研究中也發(fā)現(xiàn)很多場(chǎng)景中AEB 的人地碰撞損傷降低效果不確定。

6 類場(chǎng)景中加裝AEB 后人地碰撞損傷均有增加案例，場(chǎng)景1～場(chǎng)景7 中人地碰撞損傷增加的案例百分比分別達(dá)37.5%、63.6%、62.5%、70%、66.7%與66.7%。其中，場(chǎng)景1 中人地碰撞損傷增加比率相對(duì)較低為37.5%，表明在此場(chǎng)景下，AEB增加人地碰撞損傷的風(fēng)險(xiǎn)相對(duì)較低；場(chǎng)景5 中人地碰撞損傷增加的比率最為突出，高達(dá)70%，表明在此場(chǎng)景下，AEB 增加人地碰撞損傷的風(fēng)險(xiǎn)較高；其余4 種場(chǎng)景中人地碰撞損傷增加的比率均大于60%。

進(jìn)一步分析發(fā)現(xiàn)，人地碰撞損傷增加原因如下。

（1）23 個(gè)案例（58.97%）中，加裝AEB 后碰撞車速降低，車速變化導(dǎo)致碰撞后行人落地順序發(fā)生改變。其中，有10 例行人頭部先觸地，增大了頭部損傷。這與文獻(xiàn)［39］中的表述相符，行人下落過程中頭部先觸地，此刻的頭部落地速度最大，進(jìn)而損傷也增大。如圖9 所示，圖中A 為加裝前，B 為加裝后。該仿真案例中車輛加裝AEB 后，碰撞車速由48降低為29 km/h，行人落地順序由臀部先觸地變?yōu)轭^部先觸地，頭部與地面的垂直碰撞速度由-3.34 變?yōu)?4.45 m/s，導(dǎo)致頭部損傷增大。

圖9 加裝AEB前后的仿真過程與頭部接觸地面時(shí)的垂直碰撞速度對(duì)比

其余13 例行人落地順序由下肢或臀部先觸地變?yōu)樾夭肯扔|地，增大了胸部損傷。這與文獻(xiàn)［10］中的表述相似，當(dāng)車輛加裝AEB 后，車速降低導(dǎo)致行人落地順序發(fā)生變化，從而導(dǎo)致落地時(shí)的旋轉(zhuǎn)角速度增大，進(jìn)而導(dǎo)致?lián)p傷增加，如圖10 所示。車輛加裝AEB 后，碰撞車速由50 降低為27.4 km/h，行人落地順序由下肢先觸地變?yōu)樾夭肯扔|地，使胸部落地時(shí)的角速度由14.29增加至24.48 rad/s，導(dǎo)致胸部損傷增加。

圖10 加裝AEB前后的仿真過程與胸部接觸地面時(shí)的角速度對(duì)比

（2）9 個(gè)案例（23.08%）中，加裝AEB 前由于車速較高行人被撞飛，整個(gè)過程行人與車輛只接觸一次，加裝AEB 后車速降低，與行人發(fā)生碰撞后，人體下肢與車輛前端發(fā)動(dòng)機(jī)蓋再次進(jìn)行接觸，產(chǎn)生一順時(shí)針的加速度，使旋轉(zhuǎn)速度轉(zhuǎn)變?yōu)槿梭w頭部與地面的垂直撞擊速度，加重了人地碰撞損傷，如圖11 所示。車速由55 降低為32 km/h，但由于行人下肢與車輛前端接觸導(dǎo)致行人下落時(shí)順時(shí)針旋轉(zhuǎn)，頭部與地面接觸的垂直速度由-3.34 變?yōu)?7.44 m/s，故而增大了人地碰撞損傷風(fēng)險(xiǎn)，這與文獻(xiàn)[40]中的發(fā)現(xiàn)一致。針對(duì)此種情況，在AEB 的研究中可考慮當(dāng)車輛撞飛行人后，系統(tǒng)自動(dòng)檢測(cè)周圍交通環(huán)境，在不影響周圍車輛正常行駛前提下可進(jìn)行適量轉(zhuǎn)向，以避免發(fā)動(dòng)機(jī)蓋再次接觸行人下肢造成更嚴(yán)重的傷害。

圖11 加裝AEB前后的仿真過程與行人落地時(shí)頭部的垂直速度對(duì)比

（3）7 個(gè)案例（17.95%）中，行人從路邊突然沖出，駕駛員視野被遮擋，加裝AEB 后車速降低，但由于行人速度并未改變，導(dǎo)致人車碰撞位置由側(cè)面碰撞變?yōu)檎媾鲎玻龃罅塑囕v撞擊行人的能量，從而增加了行人損傷風(fēng)險(xiǎn)。圖12 給出加裝AEB 前后的碰撞過程對(duì)比。該案例中加裝AEB 車速由40 降低為19.78 km/h，人車碰撞位置由側(cè)面的剮蹭變?yōu)榍帮L(fēng)窗玻璃的碰撞，增大了車輛碰撞行人的能量，導(dǎo)致人地碰撞過程中臀部損傷增大。表明在后續(xù)的研究中AEB 系統(tǒng)應(yīng)選用角度更大的攝像頭，增大預(yù)警范圍，以更好地預(yù)測(cè)周邊行人的動(dòng)向，避免事故的發(fā)生。

圖12 加裝AEB前后車輛與行人碰撞位置的變化

4 結(jié)論

通過再現(xiàn)187 例真實(shí)事故案例、采集碰撞前事故數(shù)據(jù)，然后對(duì)事故車輛加裝AEB 系統(tǒng)，聯(lián)合仿真后再用統(tǒng)計(jì)學(xué)手段分析人車碰撞典型場(chǎng)景與事故特征，獲得以下結(jié)論。

（1）加裝AEB 系統(tǒng)后可以避免61%的事故，未避免事故（39%）主要發(fā)生在照明條件良好、路面干燥的非路口。碰撞前1 s車輛大都處于直行狀態(tài)，車速主要集中在30～60 km/h 區(qū)間內(nèi)，駕駛員視野被遮擋，行人從右側(cè)過馬路且處于奔跑狀態(tài)，事故車型主要為轎車。碰撞時(shí)車速主要集中在40 km/h 以下的中低速區(qū)間內(nèi)（95.88%），行人速度主要集中在12 km/h 以下的區(qū)間內(nèi)（93.15%）。

（2）以人車事故發(fā)生所涉及的環(huán)境（照明情況、道路特征、路面狀況）、車輛（車速、車輛運(yùn)動(dòng)狀態(tài)、視野是否遮擋）、行人（行人速度、行人運(yùn)動(dòng)狀態(tài)、行走方向）3 個(gè)方面9 個(gè)變量為基礎(chǔ)，并結(jié)合行人損傷程度準(zhǔn)確選取道路、行人運(yùn)動(dòng)狀態(tài)、行人行走方向和路面狀況等較復(fù)雜變量的參數(shù)特征，最終獲得6 類典型事故場(chǎng)景，樣本覆蓋率為86.3%。

（3）未避免事故中車輛加裝AEB 后，AEB 系統(tǒng)在降低人地碰撞損傷方面存在不確定性。6 類未避免事故典型場(chǎng)景中，有39 例（61.9%）事故中行人頭部/胸部/臀部損傷增加。分析發(fā)現(xiàn)，人地碰撞損傷增加的主要原因有AEB 降低車速導(dǎo)致行人落地順序改變、人體下肢與車輛前端再次接觸、人車碰撞位置發(fā)生變化等。

（4）研究的局限在于事故案例有限，可能會(huì)對(duì)分析結(jié)果的可靠性產(chǎn)生一定影響，后續(xù)研究中須補(bǔ)充更多案例，以進(jìn)一步證實(shí)相關(guān)結(jié)果及結(jié)論。