陳望+干金鵬+史雪林+黃曉磊

摘 要：車輛緊急呼救（automatic crash notification，ACN）系統(tǒng)中傳統(tǒng)的車輛碰撞類型識別算法僅能判斷四個碰撞方向且不能準確計算斜角碰撞的碰撞力主方向（principal direction of force，PDOF）。針對此問題，提出了改進的PDOF計算算法和碰撞類型識別新算法。研究表明，改進后的PDOF計算算法能夠準確計算碰撞力的主方向并以此正確判斷碰撞的方向，并且碰撞類型識別新算法能夠通過y軸速度變化量以及|ΔVy|/|ΔVx|峰值出現(xiàn)時間上的顯著差異而準確區(qū)分三種正面碰撞類型。與傳統(tǒng)算法相比，新算法具有更好的準確性與可靠性。

關鍵詞：緊急呼救；碰撞力主方向；碰撞類型識別；斜角碰撞

中圖分類號：U461.91文獻標文獻標識碼：A文獻標DOI：10.3969/j.issn.2095-1469.2015.03.09

隨著我國經(jīng)濟的發(fā)展，汽車保有量不斷增加，車輛事故頻頻發(fā)生，造成大量人員傷亡。2013年全國發(fā)生道路交通事故198 394起，造成58 539人死亡，213 724人受傷，直接財產(chǎn)損失10.39億元[1]。很多意外人身傷亡是由于事故后搶救不及時。為了提高事故救援水平，減少事故人員傷亡，歐美等國近年來開發(fā)了ACN系統(tǒng)并得到了廣泛的應用[2]。

有研究表明，在所有的汽車與汽車碰撞事故中，汽車發(fā)生100%正面碰撞的概率為16%，其它各種正面斜角碰撞的概率占23%，側(cè)面碰撞的概率為11%，追尾碰撞的概率為9%。Kononen等人表示初速度為64 km/h的碰撞，前、左、右、后的嚴重傷害風險分別為9%、38%、21%、3%，這一數(shù)據(jù)顯示碰撞方向顯著影響乘員傷害程度[3]。并且不同的碰撞類型對乘員的受傷嚴重程度和受傷部位有影響[4-5]。因此碰撞類型的準確識別，對于呼救中心救援資源的合理分配與救援方案的制定具有重大意義，能避免資源浪費，提高救援效率，同時也為事故后的現(xiàn)場勘查提供了可靠依據(jù)。

1 傳統(tǒng)算法準確性分析

傳統(tǒng)算法將PDOF作為碰撞方向的依據(jù)[6]。如圖1所示，將-45°～45°作為車輛前部，-135°～

-45°為車輛左部，45°～135°為車輛右部，其余為車輛后部。

傳統(tǒng)計算PDOF的算法主要有三種：ΔVmax算法，計算時使用x軸與y軸的最大速度變化量；ΔVmax，x算法，即計算PDOF時使用x軸的最大速度變化量以及當時y軸的速度變化量；ΔVmax， y算法，即計算PDOF時使用y軸的最大速度變化量以及當時x軸的速度變化量[7]。

PDOF計算公式為

。

式中，ΔVy為y軸速度變化量；ΔVx為x軸速度變化量。

為了評估傳統(tǒng)算法的可靠性，獲取了某車型不同碰撞形式下三種算法得到的PDOF。表1中的計算結(jié)果均為使用濾波器CFC180進行濾波后所得到的結(jié)果。

三種傳統(tǒng)算法計算結(jié)果之間差異較小，均能得出車輛的碰撞方向。但左30°斜角碰撞這項，PDOF計算有較大誤差，且對于正面碰撞，無法識別其多樣的碰撞類型。因此，現(xiàn)有的算法不能完全滿足實際需求，有必要對現(xiàn)有的算法進行改進或構(gòu)建一種新算法來識別具體的碰撞類型。

2 改進的PDOF計算算法建立及有效性驗證

2.1 碰撞類型分類

如圖2所示，傳統(tǒng)算法中碰撞方向分為四種主要類型，即正面、左、右側(cè)碰撞與追尾碰撞。由于車輛側(cè)面的防撞性低于正面，側(cè)面碰撞更容易對駕駛員或乘員造成嚴重傷害，因此將側(cè)面碰撞分為左、右側(cè)碰撞。因為正面碰撞在交通事故中所占比例高于其它三種碰撞類型，所以將正面碰撞細分為100%正面碰撞、偏置正面碰撞以及斜角正面碰撞。

2.2 計算算法建立

車對車碰撞作用階段的時間在150 ms以內(nèi)，而在0～50 ms期間車輛橫擺角速度、橫擺角等都幾乎沒有變化[8]。因此，當計算碰撞力的主方向時，可在0～50 ms區(qū)間內(nèi)進行研究。

同一速度下不同角度的碰撞，角度越大，y軸最大加速度越大，即y軸碰撞強度越大；而相同角度不同速度碰撞時，汽車x、y軸的最大加速度隨速度的增大而增大，但比值不變。因此在原有算法使用速度變化量作為計算變量的基礎上，同時引入x、y軸加速度作為PDOF的計算變量。

。

如式（2）和式（3）所示，有兩種PDOF的計算方法，公式相同，但計算變量不同，即碰撞發(fā)生后n ms內(nèi)的x、y軸速度變化量和n ms內(nèi)x、y軸的最大加速度作為計算變量。

式中，ΔVx、ΔVy為碰撞發(fā)生后n ms內(nèi)x、y軸的速度變化量；axmax、aymax為碰撞發(fā)生后n ms內(nèi)x、y軸加速度最大值。

2.3 計算時間區(qū)間的選取

為研究式（2）和式（3）中合適的ΔV積分和最大加速度選取的時間區(qū)間，在碰撞發(fā)生后35 ～55 ms這一時間段內(nèi)進行研究，選取最準確的PDOF的計算值所對應的時間區(qū)間。圖3～4是四款不同車型30°斜角碰撞試驗下，PDOF計算值隨時間變化的曲線，橫坐標為時間，縱坐標為PDOF的計算值。

如圖3所示，當計算變量為ΔV時，在50 ms這一點，也就是ΔV的積分區(qū)間為0～50 ms時，四種車型計算出的PDOF均接近于30°，最大誤差能夠控制在24.7%以內(nèi)。如圖4所示，選取最大加速度作為計算變量時，四種車型同樣在0～50 ms區(qū)間內(nèi)，計算結(jié)果均接近30°，最大誤差也在19.8%以內(nèi)。計算結(jié)果見表2。

表2所示為四款車型30°斜角碰撞的PDOF使用不同計算變量的計算結(jié)果。改進后算法的計算值均比傳統(tǒng)算法準確，可將傳統(tǒng)算法的計算誤差至少減小18.43%以上，能夠有效提升PDOF計算結(jié)果的準確性。因此可選取碰撞發(fā)生后0～50 ms這一區(qū)間內(nèi)的速度變化量與加速度最大值作為PDOF的計算變量。兩種算法均能較為準確地得出PDOF，并且當一種方法失效時，另一種方法可作為補充。

通過該算法對同一種車型六種不同碰撞類型的PDOF進行計算。如表3所示，兩種方法計算得到的PDOF均能根據(jù)碰撞方向的劃分原則，正確得出碰撞方向。當計算變量為最大加速度時，正碰、側(cè)碰以及追尾碰撞的計算值雖有誤差，但都控制在15%以內(nèi)，并不影響碰撞方向的判斷。存在誤差是因為，以上三種碰撞，雖然車輛不會發(fā)生明顯偏轉(zhuǎn)，但垂直于碰撞方向上的加速度會有大幅值的震蕩。這一現(xiàn)象對計算變量為最大加速度的PDOF計算值有一定影響，但對計算變量為速度變化量的計算值影響很小。

因此，改進的計算算法能夠通過計算出PDOF，正確判斷四種基本的碰撞類型。

3 碰撞類型識別新算法

通過改進后的PDOF計算算法得出碰撞方向后，如發(fā)生的是正面碰撞，需對正面碰撞的三種類型做出判斷。

3.1 三種正面碰撞的動力學分析

偏置、斜角正面碰撞與100%正面碰撞不同，由于前兩者受到的碰撞力并沒有通過車輛的質(zhì)心，所以，發(fā)生碰撞后，車輛沿y軸方向發(fā)生平移且繞碰撞點發(fā)生偏轉(zhuǎn)；而100%正面碰撞由于碰撞力沿x軸方向，且經(jīng)過質(zhì)心位置，因此y軸方向的速度變化量顯著小于偏置與斜角正面碰撞。通過碰撞發(fā)生后y軸速度變化量上的差異能夠?qū)?00%正面碰撞與偏置、斜角正面碰撞區(qū)分開。

但是偏置正面碰撞與斜角正面碰撞在y軸速度變化量方面沒有顯著差異，并且高速情況下偏置正面碰撞的y軸速度變化量可能大于低速斜角碰撞的y軸速度變化量，僅從y軸速度變化量無法明顯區(qū)分這兩類碰撞，因此從y軸速度變化量與x軸速度變化量絕對值的比例值出發(fā)，研究兩者區(qū)別。

圖5為三種車型的偏置正面碰撞|ΔVy|/|ΔVx|隨時間變化的曲線，前兩條曲線為同一車型兩種不同碰撞速度。這里|ΔVx|為x軸速度變化量的絕對值，|ΔVy|為y軸速度變化量的絕對值。0～10 ms內(nèi)，y軸加速度有無規(guī)律劇烈震蕩，有些情況下0～10 ms內(nèi)的ΔVy會很大，|ΔVy|/|ΔVx|比值相對10 ms后的比值較大，因此為了更好地反映比值的變化趨勢，圖中橫坐標時間起點為碰撞發(fā)生后10 ms。

10～40 ms內(nèi)，4條曲線均出現(xiàn)比例值為0的情況，即ΔVy為0，但40 ms過后，比例值處于明顯上升狀態(tài)，4條曲線在72～100 ms時間段內(nèi)分別達到峰值，之后呈下降趨勢，峰值最大為0.25。這是因為，前40 ms車輛處于第一級碰撞區(qū)，此處剛度較小，車輛與壁障之間的力矩小于地面提供給車輪的摩擦力力矩，因此這段時間內(nèi)ΔVy的值在0附近呈波動狀態(tài)；而40 ms過后，車輛處于第二級碰撞區(qū)，此處由于發(fā)動機、縱梁及車架等剛體的存在，剛度明顯大于第一級碰撞區(qū)[9]，因此壁障與車輛之間的力矩足以克服地面提供給車輪的摩擦力力矩使車輛發(fā)生y軸方向的位移，此時ΔVy處于明顯上升狀態(tài)；車輛撞擊至第三級碰撞區(qū)后，由于車輛已經(jīng)發(fā)生了橫向位移，壁障對車輛橫向的作用力開始減小，ΔVy增長放緩，并且第三級碰撞區(qū)由于由轉(zhuǎn)向管柱、防火墻、儀表板等結(jié)構(gòu)組成，剛度略小于第二級碰撞區(qū)，因此ΔVx依然持續(xù)增長，|ΔVy|/|ΔVx|整體呈迅速下降趨勢。120 ms后，車輛與壁障脫離，失去了碰撞力后，比值變化較小。同一種車型不同碰撞速度情況下，64 km/h碰撞比56 km/h碰撞只提前了4 ms達到峰值，但峰值大了0.08。速度上的差異在峰值上表現(xiàn)明顯，但在峰值出現(xiàn)時間上差異不大。

圖6為四種車型不同速度斜角碰撞試驗|ΔVy|/|ΔVx|隨時間變化的曲線，橫坐標時間起點為碰撞發(fā)生后10 ms。10～40 ms內(nèi)，3條曲線均沒有出現(xiàn)ΔVy為0的情況，在30 ms過后，ΔVy處于明顯上升狀態(tài)，4條曲線在前50 ms內(nèi)分別達到峰值，之后緩慢下降，峰值最小為0.426，且不同車速對峰值大小影響不大。這是因為壁障是斜角剛性的，因此碰撞初始階段，車輛便發(fā)生y向位移，ΔVy不斷增大，不會出現(xiàn)ΔVy為0的情況。車輛處于第一級碰撞區(qū)時，x軸的碰撞力較小，相應的ΔVx不大，因此比例值在20～40 ms有明顯上升趨勢；4條曲線均在前50 ms達到最大值；50 ms后，車輛處于第二級碰撞區(qū)，剛度較大，因此ΔVx迅速增大，比例值呈減小趨勢。

由此可見，偏置正面碰撞與斜角正面碰撞在|ΔVy|/|ΔVx|峰值出現(xiàn)時間上存在顯著差異，斜角碰撞峰值出現(xiàn)在50 ms前，而偏置正面碰撞出現(xiàn)在72 ms后。并且碰撞角度越大，峰值出現(xiàn)時間會越早，因為角度越大，壁障施加于車輛y軸的作用力越大，ΔVy增長越迅速。反觀車輛x軸方向，角度越大，相對于小角度碰撞的情況施加于x軸的作用力減小，導致ΔVx增長放緩。因此，|ΔVy|/|ΔVx|峰值出現(xiàn)時間會隨著碰撞角度的增大而提前，并且峰值會增大。

因此在相同碰撞速度下，斜角正面碰撞|ΔVy|/|ΔVx|峰值出現(xiàn)時間顯著早于偏置正面碰撞，所以通過|ΔVy|/|ΔVx|峰值出現(xiàn)時間上的差異，能夠區(qū)分偏置與斜角正面碰撞。

綜上所述，不同的正面碰撞類型在y軸速度變化量以及|ΔVy|/|ΔVx|峰值出現(xiàn)時間上的顯著差異，為識別不同的正面碰撞類型提供了可能。

3.2 新算法設計

為使碰撞類型識別新算法具有良好的抗路面干擾性，首先對路面干擾下的車身加速度曲線進行分析。圖7為車輛以50 km/h速度過減速帶時三個方向的車身加速度曲線。x、z軸有明顯峰值，y軸峰值相對較小，所以車輛在路面行駛時，主要的干擾來源于x與z軸方向的振動。因此抗路面干擾算法主要圍繞x與z軸的加速度設計。

圖8為碰撞類型識別新算法的流程圖。車輛行駛時實時采集車身三個方向的加速度。當x軸方向加速度小于admax時（admax為車輛制動時所能產(chǎn)生的最大加速度，此值為負值），對z軸方向加速度進行判斷，當az大于azmax時（azmax為車輛過減速帶或上臺階時z軸所產(chǎn)生的最大加速度），使用移窗法檢測碰撞是否發(fā)生。

當檢測到碰撞發(fā)生后，計算碰撞發(fā)生后50 ms內(nèi)的ΔVx、ΔVy、axmax和aymax，并通過式（2）和式（3）計算出PDOF后，判斷碰撞的四種基本類型。如果識別出的是正面碰撞，計算整個碰撞過程的|ΔVy|，當|ΔVy|小于1 km/h時，即為100%正面碰撞，當|ΔVy|大于1 km/h時，計算碰撞10 ms后|ΔVy|/|ΔVx|比值峰值出現(xiàn)時間t，如果t早于50 ms，即為斜角碰撞，反之為偏置碰撞。

4 結(jié)論

傳統(tǒng)車輛碰撞類型識別算法通過計算PDOF進而判別車輛受到碰撞的方向，但其對斜角碰撞的PDOF計算有很大誤差。通過改進的PDOF計算算法，對斜角碰撞的PDOF，可將傳統(tǒng)算法的計算誤差減小18.43%以上，提高了計算結(jié)果的準確性，并且以此正確判斷車輛的四種基本碰撞類型。在此基礎上對正面碰撞的三種類型進行判別，通過y軸速度變化量以及|ΔVy|/|ΔVx|峰值出現(xiàn)時間上的顯著差異，能夠準確將三種類型加以區(qū)分。與傳統(tǒng)算法相比，新算法具有更好的準確性與可靠性。

參考文獻（References）：

中華人民共和國交通事故事故統(tǒng)計年報（2013年度）[M]. 北京：公安部交通安全管理局，2014.

Traffic Accident Casualty Statistic Report （2013） [M]. Beijing：Transportation Security Administration of Public Security Ministry，2014.（in Chinese）

CHAMPION H R，AUGENSTEIN J，CUSHING B，et al. Automatic Crash Notification and the Urgency Algori-thm：Its History，Value，and Use [J]. Advanced Emer-gency Nursing，2004，26（2）：143–156.

KONONEN D W，F(xiàn)LANNAGAN C A C，WANG S C. Identification and Validation of a Logistic Regression Model for Predicting Serious Injuries Associated with Motor Vehicle Crashes [J]. Accident Analysis & Prevention，2011，43（1）：112–122.

周航飛. 轎車前部斜角碰撞仿真及駕駛員損傷防護研究 [D]. 長沙：湖南大學，2009.

Zhou Hangfei. A Research on Drivers. Injury Biomechanics and Countermeasures in Vehicle Oblique Impact [D]. Changsha：Hunan University，2009.（in Chinese）

RAGLAND C L，F(xiàn)ESSAHAIE O，ELLIOTT D. Evaluation of Frontal Offset/Oblique Crash Test Conditions [C]// Proceedings：International Technical Conference on the Enhanced Safety of Vehicles，2001：8.

GEISLER S，MICHELINI M. A Study of Crash Rates for Vehicles with Advanced Crash Avoidance Features [C]// SAE International Technical Paper Series，Number 2011-01-0587.

KUSANO K D，GABLER H C. Automated Crash Notifi-cation：Evaluation of In-Vehicle Principal Direction of Force Estimations [J]. Transportation Research Part C，2013（32）：116–128.

魏郎，陳萌三，石川博敏. 車輛碰撞過程的試驗分析研究 [J]. 汽車工程，2000，22（4）：256-261.

Wei Lang，Chen Mengsan，HIROTOSHI I. An Experi-ment Research on the Car-to-car Collision [J]. Automotive Engineering，2000，22（4）：256-261.（in Chinese）

Shun Yijin，ALTENHOF W. Control of Load/Displacement Responses of AA6061-T6 and T4 Circular Extrusions Under Axial Compressive Loads [J]. International Journal of Impact Engineering，2011，38（1）：1-12.