正面碰撞下后排乘员损伤预测研究

陆 颖，季小洁，束 瑜，殷越洲

（1.江苏大学汽车与交通工程学院，江苏 镇江 212013；2.镇江市第四人民医院，江苏 镇江 212013）

1 前言

车辆事故自动呼救（Automatic Crash Notification）系统能够检测碰撞事故是否发生并将通过车载数据设备记录并预测车内乘员伤情，若乘员伤情严重，则ACN系统对外呼救并将车内信息发送给医疗急救中心［1］。随着车辆被动安全技术地不断发展，ACN系统越来越普遍地运用到汽车产品中。

对于ACN系统而言，一个可靠且准确的乘员损伤预测算法是决定其工作性能的关键。国内外对乘员损伤预测算法的研究多数是直接将采集的交通事故信息例如驾驶员损伤部位、直接致伤部件、驾驶员是否系安全带、安全气囊是否展开等输入到回归模型中，建立驾驶员的损伤预测模型，并根据此提出相应的损伤预测算法［2-3］。在这一领域，Logistic回归模型最为成熟，已经广泛运用到ACN系统算法中。例如美国通用的OnStar算法［4］、URGENCY算法［5］以及BMW的ACN系统［6］。

与此同时，随着计算机仿真技术地飞速发展，国内外研究人员基于LSDYNA、MADYMO、THUMS等仿真软件对乘员损伤预测展开研究［7-10］。基于计算机仿真的乘员损伤预测算法是根据实际碰撞试验或实际碰撞案例［11］，对车辆特性、驾驶员特性、碰撞特性进行分析，建立的碰撞仿真模型，然后将仿真模型的驾驶员损伤指标代入简明损伤分级（Abbreviated Injury Scale，AIS）风险函数中，并对比实际碰撞试验驾驶员AIS损伤等级概率。

虽然ACN系统对驾驶员损伤预测已经趋于成熟，但是很少有研究人员对后排乘员的损伤预测进行研究。文献［12］对正面碰撞试验后排小身材假人损伤特性进行了研究，文献［13］改进了后排乘员约束系统以防止下潜造成人体损伤，文献［14］通过对前排座椅的优化以此降低后排乘员损伤，但是其都没有对后排乘员损伤进行预测。

由于在车辆碰撞中，造成乘员死亡和重伤的最重要原因是乘员头部受到损伤，而后排乘员在正面碰撞下没有安全气囊的保护，因此后排乘员头部相比于驾驶员头部较易受伤。而现有的交通事故数据库中，主要收集的是驾驶员损伤数据，对于车内其他乘员的损伤数据收集不够充分，无法直接运用到大数据分析的方法建立预测模型。因此，采用了仿真的方法对后排乘员的损伤预测进行研究。首先根据50km/h下的实车碰撞试验建立正面碰撞仿真模型，并验证模型的可靠性，然后在模型中设置不同的初速度得到多组后排乘员头部、颈部、胸部的伤害值，最后建立了后排乘员伤情预测算法并写入ACN系统终端，结果表明该算法准确可靠。

2 乘员约束系统仿真模型的建立及验证

2.1 正面100%重叠率刚性壁障碰撞试验

为了得到车内乘员损伤情况，本次碰撞试验与中国新车评价规程（China-New Car Assessment Program，C-NCAP）试验程序相一致。试验采用的车型为马来西亚宝腾公司生产的某两厢车，该车长度4520mm、宽度1779mm、高度1470mm，轴距2600mm，整备质量1308kg，试验碰撞速度为50km/h。碰撞试验，如图1所示。从图中可以看出碰撞后车辆前端严重受损，驾驶员侧安全气囊展开，后排假人在安全带的约束下，位置没有发生明显变化。

图1 100%重叠率刚性壁障正面碰撞试验Fig.1 Frontal Collision Test of 100% Overlap Rigid Barrier

2.2 数据的采集与处理

本次碰撞试验采集的数据有车身加速度和后排假人头部、颈部和胸部的损伤值。试验选用Measurement公司的Model 64型单轴压阻式加速度传感器，该加速度传感器具有量程大、体积小、相应速度快等优点，然后将加速度传感器放置在车辆仪表盘下方的中央通道上，同时定义车辆的前进方向为x方向，驾驶员指向副驾驶侧定义为y方向。

试验选用的是DTS TDAS/G5型96通道数据采集仪，该采集仪采集放置于仪表盘下的中央通道加速度传感器数据，整个数据采集系统的内存为64Mb，采集频率为10kHz。

在碰撞试验过程中，加速度传感器不断采集数据，经过滤波处理得到的碰撞加速度曲线，如图2所示。从图中可以看出，车身最大碰撞加速度信号达到了40g，在整个碰撞过程中出现三个明显的峰值。这与车辆在碰撞过程中，汽车前端的保险杠，吸能盒和溃缩区三个吸能部件依次变形有关，表明试验采集的碰撞加速度信号与车辆实际碰撞的减速情况相吻合。

图2 50km/h正面碰撞下的车身加速度Fig.2 Acceleration of Vehicle Body under 50km/h Frontal Collision

2.3 正面碰撞下仿真模型的建立

随着计算机计算能力的不断增强以及仿真软件地迅速发展，有限元理论被广泛运用到汽车被动技术安全分析上。基于有限元计算的模型能够真实的反应汽车碰撞的力学性能和运动方式。

根据上述碰撞试验的车辆特性和后排乘员特性建立了图3所示的正面碰撞下的仿真模型。由于整车建模复杂，耗时长久，因此选用了一款与试验车辆结构相似的整车模型。根据碰撞试验中的后排女性假人特性，选取了LSTC公司提供的Hybrid III型5%女性仿真假人，该仿真假人与实际女性假人特征参数基本符合。模型选定好后，将女性假人导入LSDYNA仿真软件中，并对其进行网格划分，同时根据车辆安全带对乘员的约束特性，对乘员与安全带和座椅进行接触设置。乘员约束系统仿真模型，如图3（a）所示。

乘员约束系统仿真模型建立好后，根据C-NCAP提供的100%重叠率刚性壁障正面碰撞试验，建立了壁障和地面并对整车与壁障、地面的接触进行设置，如图3（b）所示。最后设置仿真结束时长以及动画输出参数。

图3 正面碰撞仿真模型Fig.3 Frontal Collision Simulation Model

2.4 正面碰撞下仿真模型的验证

为了验证仿真模型的可靠性，设置其初速度为50km/h，与试验初速度一致，然后将K文件放入LSDYNA解析器中进行计算。根据计算后产生的能量曲线和碰撞图片来验证模型的可靠性。

2.4.1 能量曲线验证

用Hyperviewer打开glast文件，选取d3plot中的动能、内能、沙漏能和总能量，对仿真结果进行验证。从图4中可以看出，碰撞刚开始时动能最大，随着碰撞受到壁障的阻挡，车辆速度减小，动能也逐渐减小。而其他零部件因为变形吸能，使得内能增加，形成能量转化。动能的减小和内能的增加保持一致，总能量保持能量守恒，沙漏能没有超过总能量的5%，从而验证了模型的可靠性。

图4 能量曲线Fig.4 Energy Curve

2.4.2 整车变形验证

根据LSDYNA软件将计算好的d3plot文件打开，选取车辆的动图。整车模型以50km/h的初速度进行100%重叠率刚性壁障正面碰撞试验，如图5所示。在10ms时，车辆保险杠外壳和发动机盖与壁障发生接触；在30ms时，车辆发动机罩向后叠缩变形且车辆前轮与刚性壁障发生接触；在60ms时，车辆前端损坏严重，整车开始回弹且尾部出现翘起。仿真模型最终的变形情况与试验一致，说明模型可靠。

图5 正面碰撞下仿真模型变形Fig.5 Deformation of Simulation Model under Frontal Collision

3.1 AIS3+损伤等级概率

根据NHTAS联邦交通生物力学研究中心规定的乘员约束系统损伤指标标准，人体头部、颈部、胸部等部位的评价指标与乘员的损伤概率密切相关。根据指标，可以知道乘员部位的损伤等级概率。当伤员受到多处损伤时，通常以某一部位的最大损伤作为评判全局损伤程度的指标，记为MAIS（Maximum Abbreviated Injury Scale）。一般认为，MASI≥3（即MAIS3+）时，伤员有受到严重损伤的风险，因此在ACN中，通常用MAIS3+作为触发阈值。

（1）头部AIS3+损伤等级概率的概率

头部的AIS3+损伤等级概率的概率公式为：

（2）颈部AIS3+损伤等级概率的概率

颈部Nij的公式如下：

式中：Fz—颈部张力（N）；Fint—颈部张力与轴相交的截距（N）；My—伸展的弯矩（N·m）；Mint—伸展弯矩与轴相交的截距（N·m）。

仿真模型采用的是5%女性假人，其对应的Fint为3370N，Mint为62N·m。

（3）胸部AIS3+损伤等级概率的概率对比

胸部的AIS3+损伤等级概率的概率公式如下：

式中：Dmax—胸部压缩量的最大值。

3.2 速度变化量的计算

由于在ACN系统中，采用的是速度变化量，因此需要根据碰撞加速度数据通过计算得到速度变化量，其公式如下：

式中：Δv—速度变化量（m/s）；

t1—加速度开始时间（ms）；

tn—加速度结束时间（ms）；

t—当前时刻（ms）；

ɑ（t）—加速度（g）。

如图6所示对加速度进行积分，首先将碰撞过程中的初始时刻t1到结束时刻tn等分成（n-1）份，在此［ti-1，ti］（i=2，…，n）的时间间隔为1ms。然后采用牛顿－科特斯复化梯形求积公式对加速度信号进行积分，其公式如下：

图6 加速度积分Fig.6 Acceleration Integral

3.3 线性回归

为提高ACN系统的效率和损伤预测算法的效率，有必要探究速度变化量与头部、颈部、胸部的损伤指标之间的关系，分别将头部、颈部、胸部的损伤指标作为因变量，速度变化量Δv作为自变量，对10组后排5%女性假人仿真数据进行回归分析，其线性关系，如图7所示。

后排乘员头部HIC与速度变化量的线性关系和散点图，如图7（a）所示。该线性回归方程为：

HIC15=-1603.049+54.984Δv（7）

该回归方程的R2为0.97，接近1，概率p值为0.0000小于显著性水平0.05。因此判定该方程具有较好的拟合性，回归方程显著。

后排乘员颈部Nij与速度变化量的线性关系和散点图，如图7（b）所示。该线性回归方程为：

Nij=0.275+0.013Δv（8）

该回归方程的R2为0.94，概率p值为0.0097。因此判定该方程具有较好的拟合性，回归方程显著。

后排乘员颈部Nij与速度变化量的线性关系和散点图，如图7（c）所示。该线性回归方程为：

图7 头部、颈部、胸部损伤指标与速度变化量的关系Fig.7 Relationship between Injury Indexes of Head，Neck and Chest and Velocity Variation

Dmax=1.012+0.730Δv（9）

该回归方程的R2为0.93，概率p值为0.004。因此判定该方程具有较好的拟合性，回归方程显著。

为得到正面碰撞下的速度变化量与AIS3+概率的回归模型，将正面碰撞下不同速度变化量与头部HIC15、颈部Nij和胸部Dmax对应的回归式（7）～式（9）分别代入式（1）、式（3）、式（4）公式中，得到正面碰撞下女性假人各个部位的AIS3+回归模型，其公式如下：

由于C-NCAP规定的后排女性假人头部HIC15最大不限值能超过700、颈部Nij最大限值分别不能超过1.57，胸部压缩量D最大限值不能超过48。因此，将头部、颈部和胸部的最大限值分别代入式（7）、式（8）以及式（9）中，得到最大限值对应的速度变化量分别为42km/h、100km/h和64km/h。再将其对应的速度变化量分别代入回归式（10）、式（11）和式（12）中，得到对应各个部位的触发阈值为0.33、0.48和0.20。

4 ACN系统设计

4.1 ACN系统算法设计

首先ACN系统终端实时采集车身加速度数据。如果在某时刻，车身加速度数据小于门槛阈值，则ACN系统检测到碰撞发生。同时采集碰撞加速度数据并根据式（6）进行计算，得到速度变化量，并将速度变化量代入回归式（10）～式（12）中，得到后排乘员头部、颈部、胸部的AIS3+损伤等级概率。如果乘员某个部位的AIS3+损伤等级概率超过其设定的触发阈值，则对外发送呼救。ACN系统算法流程，如图8所示。

图8 ACN系统算法流程Fig.8 ACN System Algorithm Flow

4.2 ACN系统终端设计

首先，选取了STM32F103作为ACN系统终端，用来处理和计算碰撞加速度数据；其次，用加速度传感器来采集车身实时加速度，同时选用SD卡用来存储加速度数据；然后选用GPS模块对车辆进行定位、选用GSM模块用来对外发送信息；最后，用LCD屏显示碰撞信息。ACN系统终端，如图9所示。

图9 ACN系统终端Fig.9 ACN System Terminal

设计的车载软件终端程序是基于C语言，采用单片机开发工具MDK5进行编译。由于已有50km/初速度下的正面碰撞的加速度数据，因此对ACN系统进行软件设计时，只需将碰撞加速度数据导入SD卡中，无需用加速度传感器进行实时采集车身加速度，LCD显示的信息，如图10所示。结果表明，ACN系统触发并对外发送车辆以及乘员信息，设计的后排乘员损伤预测算法是可靠的。

图10 LCD显示信息Fig.10 LCD Display Information

5 结论

通过仿真模型来模拟正面碰撞，对模型设置不同的初速度，得到了不同初速度下的后排乘员损伤值。根据加速度数据得到速度变化量，建立了后排乘员损伤预测算法，最后将算法写入开发板中。研究结果表明，该算法真实可靠。但是该算法只考虑了正面碰撞下的后排乘员损伤预测，对其他碰撞类型的乘员损伤预测还需作出进一步的研究。