[发明专利]一种面向乘员损伤风险的碰撞严重性预测方法

说明书

本申请涉及一种碰撞严重性的预测方法，通过构建第一学习模型，并将整车数据和碰撞事故场景特征数据输入第一学习模型得出碰撞加速曲线，能够充分利用路段的道路交通情况和车辆自身数据，对车辆碰撞加速度进行实际计算。通过构建第二学习模型，并将乘员特征数据、约束系统特征数据和碰撞加速曲线输入至第二学习模型，得出不同人体部位的碰撞动力学曲线，可以综合考虑乘员特征和约束系统特征等实际碰撞场景特征，大大提升乘员碰撞严重性预测的可靠性。最终，通过不同人体部位的碰撞动力学曲线进行标量转化，实现碰撞严重性的量化。本申请涉及的碰撞严重性的预测方法，可以在考虑综合因素的前提下实现快速、准确的乘员碰撞严重性预测。

技术领域

本申请涉及车辆事故分析技术领域，特别是涉及一种面向乘员损伤风险的碰撞严重性预测方法。

背景技术

目前对车辆行驶的路径规划算法，在路径搜索与选择问题上已经较为成熟。常用的路径搜索算法包括Dijkstra算法和A^*算法等等。通常规划选择出的路径应当满足可行性与安全性两个基本要求，以保证所选择路径不但在控制上可以实现，而且可以保证行驶安全。当备选路径中存在安全路径时，该路径碰撞概率为零，无论是否进行碰撞严重性计算，其碰撞严重性都为零，此时计算碰撞严重性是没有意义的。然而，当备选路径中不存在安全路径时，即交通事故不可避免时，选择碰撞严重性最小的路径对于降低事故伤害是至关重要的。

传统的碰撞严重性的预测方法，一般基于等效能量速度(简称EES)进行计算。等效能量速度是考虑到自车和环境车如果相撞，依据自车整备质量、环境车整备质量、以及自车与环境车的相对速度，并基于能量和动量守恒定律推导的物理量。具体地，通过下述公式推导计算等效能量速度：

其中，M_sur为环境车整备质量，M_ego为自车整备质量，ΔV为自车与环境车的相对速度。进一步地，通过进行多个实车试验，建立等效能量速度与不同程度损伤风险之间的经验关系，从而得到碰撞严重性。

然而，传统的碰撞严重性的预测方法存在一个严重的问题：乘员碰撞过程被过度简化，准确度较低。这是因为，碰撞严重性实际上不仅仅由等效能量速度一个物理量决定，还与初始碰撞车速、汽车构型、道路情况、约束系统使用情况、乘员坐姿、乘员乘坐位置、乘员年龄、乘员性别等多个因素相关，这些因素都会影响到最终的碰撞严重性预测结果。因此，传统方案仅通过等效能量速度一个物理量预测碰撞严重性是不准确的，如果基于传统的碰撞严重性的预测方法预测碰撞严重性并规划路径，当交通事故不可避免时难以做出正确决策，甚至会将乘员置于危险状况之中。

发明内容

基于此，有必要针对传统的碰撞严重性的预测方法中乘员碰撞过程被过度简化，准确度较低的问题，提供一种碰撞严重性的预测方法。

本申请提供一种碰撞严重性的预测方法，包括：

构建第一学习模型，将整车数据和碰撞事故场景特征数据输入至所述第一学习模型；

获取所述第一学习模型输出的预测碰撞加速度曲线，所述预测碰撞加速度曲线基于平面直角坐标系构建，所述预测碰撞加速度曲线的横坐标为碰撞时间，所述预测碰撞加速度曲线的纵坐标为碰撞加速度；

构建第二学习模型，将所述预测碰撞加速度曲线、所述乘员特征数据和所述约束系统特征数据输入至所述第二学习模型；

获取所述第二学习模型输出的多条人体部位碰撞运动学与动力学预测曲线；

所述人体部位碰撞运动学与动力学预测曲线基于平面直角坐标系构建，所述人体部位碰撞运动学与动力学预测曲线的横坐标为碰撞时间，所述人体部位碰撞运动学与动力学预测曲线的纵坐标为人体部位碰撞运动学与动力学参数；

依据所述多条人体部位碰撞运动学与动力学预测曲线，生成碰撞严重性参数，所述碰撞严重性参数用于评价碰撞严重性。