面向痕跡采集的汽車-兩輪車碰撞事故痕跡參數敏感性分析

鄒鐵方，劉 雨，尹若愚，張愛紅，蔡 銘

（1.長沙理工大學 汽車與機械工程學院，長沙 410004；2.湖南省工程車輛安全性設計與可靠性技術重點實驗室，長沙 410004；3.公安部交通管理科學研究所，江蘇，無錫 214151；4.中山大學 工學院 廣東省智能交通系統重點實驗室，廣州 510275）

面向痕跡采集的汽車-兩輪車碰撞事故痕跡參數敏感性分析

鄒鐵方1,2，劉 雨1,2，尹若愚1,2，張愛紅3，蔡 銘4

（1.長沙理工大學 汽車與機械工程學院，長沙 410004；2.湖南省工程車輛安全性設計與可靠性技術重點實驗室，長沙 410004；3.公安部交通管理科學研究所，江蘇，無錫 214151；4.中山大學 工學院 廣東省智能交通系統重點實驗室，廣州 510275）

為了快速、準確地采集與汽車-兩輪車碰撞事故車速鑒定緊密相關的痕跡信息，通過經驗分析初步獲得車速鑒定所需及時關注的17個敏感參數。為進一步獲得這些參數的敏感性，提出了基于隨機森林模型的參數敏感性分析方法，并確定了各個需要及時關注的參數取值范圍，再用所給方法分析了這些參數的敏感性。分析結果表明，汽車制動距離、騎車人和行人拋距在所有參數中對碰撞速度最為敏感。

車速鑒定；痕跡參數；敏感性；痕跡采集；隨機森林

近年來，我國道路交通事故四項指數逐年下降，但是，涉及兩輪車的事故卻呈現出微幅上升趨勢。據統計，2013年兩輪車駕乘人員在交通事故中死亡9 047人，受傷38 370人；2014年兩輪車駕乘人員在交通事故中死亡9 333人，受傷39 168人。其中，汽車-兩輪車碰撞事故為兩輪車事故中的主要事故形態[1-2]。車速鑒定作為汽車-兩輪車碰撞事故再現的核心，其高效和客觀性變得更為迫切[3]，而現場痕跡信息是道路交通事故再現的基礎，它對于車速鑒定至關重要。因此，如何快速、準確地采集到事故現場痕跡則成為事故再現中的核心問題之一。在我國現有的道路交通事故處理機制下，痕跡信息采集基本由一線民警完成，事故鑒定人員很少到事故第一現場進行取證，這就難免造成事故現場取證中的錯漏、不全等現象，為后期的事故車速鑒定帶來極大的影響[4]。通過分析相關參數的敏感性，可以獲知相應參數的重要程度，進而可指導一線民警重視相應痕跡參數，降低出現錯漏問題的概率。

目前，為了分析事故再現領域中相關痕跡的敏感性，多名專家學者進行了相關研究。鄒鐵方等[5]借助均勻試驗設計提出了參數敏感性分析方法，因均勻設計表的局限性，當要求樣本很多時，該方法會失效。裴劍平等[6]研究了典型事故再現模型，對典型的碰撞模型中碰撞前速度方向參數和碰撞中心位置參數進行了敏感度分析，給出了其數學表達式和適用范圍。許洪國等[7]為研究事故再現系統參數對汽車碰撞事故車速計算值的影響，分析了車對車碰撞三個階段的影響因素，建立了汽車質量及碰撞中心等參數的敏感性分析模型，并通過具體的事故案例分析了這些參數的影響規律和敏感度。王宏雁等[8]對交通事故再現軟件PC-Crash中的特征參數進行分析，運用分析法、控制變量法先提取主要的參數，再設定正交試驗將特征參數按權重大小排序，探求各特征參數對模擬結果影響的權重及產生影響的類型。陳濤等[9]提出一個綜合評判計算方法推算碰撞速度，該方法可以避免按單一方法計算時因參數選擇或計算錯誤的影響，并可間接校驗某些事故現場遺留痕跡的真偽，剔除個別含有假象的證據。但他們的關注點都集中在事故再現中，并未考慮為了面向痕跡采集的參數敏感性問題。

為此，首先借助經驗選出汽車-兩輪車碰撞事故中所需及時關注的痕跡，然后確定它們的取值范圍，進而依據基于隨機森林模型的參數敏感性方法分析這些可測痕跡參數的敏感性。

1 汽車-兩輪車碰撞事故痕跡分析

汽車-兩輪車碰撞事故痕跡信息主要是與車、人、路相關的痕跡信息，基于這些痕跡信息的車速鑒定方法主要包括傳統經驗公式、事故再現方法等。結合車速鑒定方法，快速獲取與車速鑒定緊密相關的痕跡很有必要，根據經驗初步篩選出較敏感的參數，并分析影響車速鑒定參數的敏感原因（表1）。

表1 參數敏感分析

其中，人體損傷信息有相應部門出具損傷鑒定報告，車輛變形信息一般可以在事故后測得，且不易丟失，這幾種都不屬于需及時關注的痕跡。通過初步篩選得到了與碰撞車速密切相關的敏感性參數：汽車附著系數Fc、碰撞角度a、汽車質量Mc、汽車重心高度Hc、兩輪車速度Vb、兩輪車質量Mb、兩輪車附著系數Fb、兩輪車高度Hb、騎車人摩擦因數Fr、騎車人身高Hr、騎車人體重Mr、碰撞恢復系數F、騎車人與汽車之間的摩擦因數Fcr、兩輪車與汽車間的摩擦因數Fcb。王薛超[10]給出了騎車人身高Hr、騎車人體重Mr的取值區間；《2010年國民體質監測公報》[11]中給出了汽車附著系數Fc、電動自行車附著系數Fb、騎車人摩擦因數Fr的取值區間；GA/T 643—2006《典型交通事故形態車輛行駛速度技術鑒定》[12]中給出了騎車人與汽車之間的摩擦因數Fcr、電動自行車與汽車間的摩擦因數Fcb的取值區間（表2）。

表2 各參數取值區間

2 基于隨機森林的參數敏感性分析方法

2.1 隨機森林的優點

隨機森林是由Breiman提出的一種新的機器學習模型，是當前數據挖掘領域的熱門工具。在隨機森林中，一個K類的名義變量可以用一個K-1叉樹來記錄，并且只用其中一部分來建樹，這能避免由大量分類變量造成的問題，因此在分析具有大量分類變量的問題時，隨機森林能夠很好地進行處理。隨機森林采用Bagging方法建樹，因此異常值對結果的影響將會減弱，這種方法通過比較每個解釋變量的殘差平方和的平均邊際減少，可以衡量每個變量的重要性。隨機森林還具有不易出現過擬合、準確率高、運算速度快等優點，因此在分析痕跡參數的敏感性時，考慮采用隨機森林的方法以獲得精度更高的痕跡參數權重。

2.2 隨機森林的原理

隨機森林利用 Bootstrap重抽樣方法從原始樣本中抽取多個樣本，對每個Bootstrap樣本進行決策樹建模，然后組合多棵決策樹的預測，算法的最終預測結果通過投票得出[13]。它的構建過程主要分為為每棵決策樹抽樣產生訓練集、構建每棵決策樹、森林的形成及算法的執行。釆用簡單多數投票法的結果作為隨機森林的輸出表示分類問題；采用單棵樹輸出結果的簡單平均作為隨機森林的輸出表示回歸問題。式（1）和式（2）分別為隨機森林分類、回歸模型的數學表達式。

隨機森林是一個優秀的很有發展潛力的集成學習算法，Breiman 在理論上論證了集成學習算法的本質：基于分類器的強度和不相關性，并在此理論基礎上，成功地在決策樹中注入了兩個隨機性，即訓練樣本的隨機性和特征選取的隨機性，隨機森林也因此獲得了很大的泛化能力提升。

2.3 參數敏感性分析流程

基于隨機森林的參數敏感性分析方法主要包括以下幾個步驟：（1）利用表2中的數據在Matlab中基于拉丁超立方體抽樣（Latin Hyper Cube Sampling，LHS）生成試驗樣本集。（2）獲得試驗設計表后嚴格按照此表在PC-Crash中進行試驗，記錄17個參數的取值，為了消除各評價指標不同量綱對評價結果的影響，歸一化處理數據。（3）在R軟件中建立隨機森林模型，生成最優模型。（4）基于隨機森林模型分析不同變量對車速的重要性。步驟（3） 、（4）的具體程序如下：

library(randomForest) #調用隨機森林程序包；sheds＜-read.csv('C:/Users/LY/Desktop/canshuminggan1.csv', header=T) #從硬盤讀入數據；

RF3＜-randomForest(Vc～.,data=sheds,ntree= 5 000, importance=TRUE) #運行隨機森林；

Print(RF3) #模型結果，顯示殘差的平方，以及解釋變異(敏感參數對碰撞車速 V 的解釋)的百分率；

importance(RF3) #顯示變量重要性結果；

varImpPlot(RF3) #圖示自變量對的碰撞速度的重要性。

3 痕跡參數敏感性分析

3.1 仿真試驗設計

考慮拉丁超立方試驗設計在事故再現領域的優越性[14]，采取拉丁超立方試驗設計，根據表2中各參數的定義范圍獲取50組試驗樣本（表3），試驗設計步驟如下：

（1）在Matlab主界面中輸入Mbcmodel進入基于模型的標準工具箱MBC主界面。

（2）在File一欄選擇New test plan，點擊Onestage，依據表2在Inputs中設置各參數取值范圍。

（3）在TestPlan選項 中 選 擇Design Experiment，然后在Plan一欄選擇 Newdesign得到新設計。

（4）在Design選項中選擇Space—Filling design進入設計選項對話框，選擇LHS，得到試驗設計表。

3.2 仿真及數據分析

3.2.1 仿真及數據記錄

嚴格按照表3中的數據在PC-Crash中修改人、車、路相關參數并進行仿真。聶進等[15]在仿真試驗中選擇此類碰撞事故，碰撞車為Audi-A6 2.0 TFSI - 4F，兩輪車與騎車人為PC-Crash中的自帶模型，每一組試驗都逐一根據拉丁方試驗設計獲得的數據對人、車、路中的參數進行修改，碰撞后汽車立刻完全制動，汽車、兩輪車重心所在平面與水平面垂直，其它參數均為PC-Crash中的默認值。記錄、測量數據包括碰撞初步篩選的參數，以及汽車、兩輪車與騎車人起始和碰撞后的重心坐標。然后通過重心坐標計算并記錄汽車制動距離Sc、騎車人拋距Sr、兩輪車拋距Sb。將所有參數記錄在Excel文件中并進行數據歸一化處理，然后另存為后綴為.csv的文件，執行2.3節中的步驟（3）和步驟（4），基于隨機森林對不同變量對車速的重要性進行了敏感性分析和排序（圖1）。

圖1 隨機森林對影響碰撞車速的自變量的重要性進行排序

3.2.2 數據分析

%incMSE及incNodePurity是衡量重要性的兩個指標，其值的大小表征變量重要性的程度。通過對圖1中的重要性指標%incMSE進行分析可知，各參數對碰撞車速的敏感性排序依次為汽車制動距離Sc、兩輪車拋距Sb、騎車人拋距Sr、兩輪車速度Vb、兩輪車質量Mb、碰撞角度a、騎車人與汽車之間的摩擦因數Fcr、碰撞恢復系數F、兩輪車與汽車間的摩擦因數Fcb、騎車人體重Mr、汽車質量Mc、汽車重心高度Hc、汽車附著系數Fc、兩輪車高度Hb、兩輪車附著系數Fb、騎車人身高Hr、騎車人摩擦因數Fr。

依據重要性指標incNodePurity，各參數對碰撞車速的敏感性排序依次為汽車制動距離Sc、兩輪車拋距Sb、騎車人拋距Sr、汽車附著系數Fc、騎車人與汽車之間的摩擦因數Fcr、兩輪車質量Mb、碰撞角度a、兩輪車速度Vb、兩輪車與汽車間的摩擦因數Fcb、碰撞恢復系數F、騎車人體重Mr、汽車質量Mc、兩輪車高度Hb、兩輪車附著系數Fb、騎車人摩擦因數Fr、汽車重心高度Hc、騎車人身高Hr。

汽車制動距離Sc、騎車人拋距Sr、兩輪車拋距Sb是汽車-兩輪車碰撞事故進行事故再現時的基本依據，且在事故現場屬于容易消失的痕跡，因此在進行痕跡采集時，這3個參數需要重點、及時地關注。在基于隨機森林的痕跡參數敏感性分析中，汽車制動距離Sc、騎車人拋距Sr、兩輪車拋距Sb的敏感性是非常靠前的，這與事故再現中的原則性判斷和痕跡現場采集的經驗判斷非常相符。因此，可以認為運用隨機森林進行參數的敏感性分析是可行的，其分析結果可靠。

綜合隨機森林中的變量重要性指標得到：汽車制動距離Sc、騎車人拋距Sr、兩輪車拋距Sb在所有參數中對碰撞速度是最敏感的，因此，現場采集時應優先采集汽車制動距離Sc、騎車人拋距Sr、兩輪車拋距Sb。基于這些距離計算碰撞車速時，大多需要獲得汽車附著系數Fc、碰撞角度a、兩輪車附著系數Fb、騎車人摩擦因數Fr、兩輪車質量Mb、騎車人體重Mr、汽車質量Mc，在現場勘查時需重點關注。

4 結論

基于隨機森林模型，提出了一種面向痕跡采集的參數敏感性分析方法，篩選出與車速鑒定密切相關的痕跡參數，可以指導一線民警重點關注與車速鑒定相關的敏感性痕跡，避免過多關注非重點參數。

通過參數敏感性分析結果得到：在汽車-兩輪車碰撞事故中汽車制動距離Sc、騎車人拋距Sr、兩輪車拋距Sb在所有參數中對碰撞速度是最敏感的。

面向痕跡采集的參數敏感性分析方法重點服務于車速鑒定，且隨著車速鑒定方法的不斷完善，相應的采集方法也應不斷發展。

（

）：

[1]公安部交通管理局. 中華人民共和國道路交通事故統計年報(2013)[R]. 北京：公安部交通管理局，2014. Ministry of Public Security Traffic Management Bureau. People's Republic of China Statistical Year Book of Road Accidents(2013)[R]. Beijing：Ministry of Public Security Traffc Management Bureau，2014. (in Chinese)

[2]公安部交通管理局.中華人民共和國道路交通事故統計年報(2014)[R]. 北京：公安部交通管理局，2015. Ministry of Public Security Traffic Management Bureau. People's Republic of China Statistical Year Book of RoadAccidents(2014)[R]. Beijing：Ministry of Public Security Traffc Management Bureau，2015. (in Chinese)

[3]鄒鐵方，余志，蔡銘，等. 基于PC-Crash的車-人事故再現 [J]. 振動與沖擊，2011，30(3)：215-219. ZOU Tiefang，YU Zhi，CAI Ming，et al. Car-Pedestrian Accident Reconstruction Based on PC-Crash [J]. Journal of Vibration and Shock，2011，30(3)：215-219. (in Chinese)

[4]邵祖峰，楊紅，王秀華. 車速鑒定的交通事故現場取證技術研究[J]. 湖南警察學院學報，2012，24(2)：119-122. SHAO Zufeng，YANG Hong，WANG Xiuhua. Studies About the Accident Scene Forensics for the Speed Identifcation of Vehicle Based on Classical Mechanics [J]. Journal of Hunan Police Academy，2012，24(2)：119-122. (in Chinese)

[5]鄒鐵方，杜榮華，李岳林. 基于均勻設計的事故再現模型參數敏感性分析[J]. 中國安全科學學報，2011，21(2)：53-56. ZOU Tiefang，DU Ronghua，LI Yuelin. Parameter Sensitivity Analysis of Accident Reconstruction Model Based on Uniform Design [J]. China Safety Science Journal，2011，21(2)：53-56.(in Chinese)

[6]裴劍平，李一兵， 吳衛東. 事故再現典型碰撞模型的參數敏感度分析[J]. 公路交通科技，2002，19(4)：130-133. PEI Jianping，LI Yibing，WU Weidong. Parameter Sensitivity of Analysis Typical Impact Models in Traffic Accident Reconstruction [J]. Journal of Highway and Transportation Research and Development，2002，19(4)：130-133. (in Chinese)

[7]許洪國，高蔚，蘇鍵，等. 汽車交通事故碰撞速度多值問題的研究[J].中國公路學報，1996，9(1)：87-93. XU Hongguo，GAO Wei，SU Jian，et al. Multi-value Problem of Collision Velocity in Motor Vehicle Accident[J]. China Journal of Highway and Transport，1996，9(1)：87-93. (in Chinese)

[8]王宏雁，邵文煌. 基于PC-Crash的交通事故再現誤差分析[J]. 同濟大學學報，2009，37(4)：531-536. WANG Hongyan，SHAO Wenhuang. Error Analysis of Traffic Accident Reconstruction Based on PC-Crash [J]. Journal of Tongji University，2009，37(4)：531-536. (in Chinese)

[9]陳濤，魏朗，龔標，等. 車對車碰撞事故再現系統的參數敏感性分析[J]. 汽車工程，2012，34(9)：771-775. CHEN Tao，WEI Lang，GONG Biao，et al. Parameter Sensitivity Analysis of Reconstruction System for Vehicle-Vehicle Collision Accident[J]. Automotive Engineering，2012，34 (9)：771-775. (in Chinese)

[10]王薛超. 汽車-電動摩托車碰撞事故分析及騎車人動力學響應研究 [D]. 長沙：湖南大學，2013. WANG Xuechao. A Study on Car to Electric-two-wheeler Collisions and Riders' Dynamic Responses [D]. Changsha：Hunan University，2013. (in Chinese)

[11]國家體育總局. 2010年國民體質監測公報 [R]. 北京：國家體育總局，2010. State General Administration of Sports. Report on Physical Fitness Surveillance [R]. Beijing：State General Administration of Sports，2010. (in Chinese)

[12]GA/T643—2006. 典型交通事故形態車輛行駛速度技術鑒定 [S]. 北京： 中國標準出版社，2006. GA/T643—2006.The Speed Technical Evaluation for Vehicles Involved in Representative Road Accidents [S]. Beijing：China Standard Press，2006.(in Chinese)

[13]方匡南， 吳見彬， 朱建平， 等. 隨機森林方法研究綜述 [J]. 統計與信息論壇，2011，26(3)：32-38. FANG Kuangnan，WU Jianbin，ZHU Jianping，et al. A Review of Technologies on Random Forests [J]. Statistics and Information Forum，2011，26(3)：32-38. (in Chinese)

[14]鄒鐵方，蔡銘，劉濟科，等. 分析事故再現仿真結果不確定性的一種方法 [J]. 系統仿真學報，2013，25(5)：911-914. ZOU Tiefang，CAI Ming，LIU Jike，et al. Method for Analyzing Uncertainty of Simulation Results in Accident Reconstruction [J]. Journal of System Simulation，2013，25(5)：911-914. (in Chinese)

[15]聶進，楊濟匡. 基于汽車-自行車碰撞事故重建的騎車人動力學響應和損傷研究[J]. 汽車工程，2015，37(2)：160-166. NIE Jin，YANG Jikuang. A Study on the Dynamic Response and Injury of Cyclist Based on Car-Bicycle Accident Reconstruction [J]. Automotive Engineering，2015， 37 (2)： 160-166. (in Chinese)

作者介紹

Trace Collection Oriented Sensitivity Analysis of Trace Parameters for Collisions Between the Two-Wheeler and Another Vehicle

ZOU Tiefang1,2，LIU Yu1,2，YIN Ruoyu1,2，ZHANG Aihong3，CAI Ming4
（1. School of Automobile & Mechanical Engineering，Changsha University of Science & Technology，Changsha 410004，China；2. Hunan Provincial Key Laboratory of Safety Design & Reliability Technology for Engineering Vehicle，Changsha 410004，China；3. Traffic Management Research Institute of Ministry of Public Security，Wuxi 214151，Jiangsu，China；4. Guangdong Provincial Key Laboratory of Intelligent Transportation System，School of Engineering，Sun Yat-sen University，Guangzhou 510275，China）

In order to collect trace information closely related to speed identification from the collisions between the two-wheeler and another vehicle, first 17 most important sensitive parameters related to collision speed were obtained through empirical analysis. And then, a method based on a random forest model to analyze the sensitivity of these parameters was proposed and the range of each parameter was determined. Finally, these parameters were listed in order of importance. The results show that the car braking distance, the cyclist throw distance and pedestrians are most significant among 17 sensitive parameters related to collision speed.

speed identification; trace parameters; sensitivity; trace information collection; random forest

鄒鐵方（1982-），男，湖南婁底人。博士，副教授，主要從事交通事故、汽車安全相關技術的研究。Tel：0731-85258630E-mail：tiefang@163.com

U491.31

A

10.3969/j.issn.2095-1469.2017.01.03

2016-08-03 改稿日期：2016-09-14

國家自然科學基金（51208065）；湖南省科技計劃項目（2015JC3056）；廣東省科技計劃項目（2015B010110005）；道路交通安全公安部重點實驗室開放基金（2016ZDSYSKFKT08）

用格式：

鄒鐵方，劉雨，尹若愚，等. 面向痕跡采集的汽車-兩輪車碰撞事故痕跡參數敏感性分析[J]. 汽車工程學報，2017，7(1)：016-021.

ZOU Tiefang，LIU Yu，YIN Ruoyu，et al. Trace Collection Oriented Sensitivity Analysis of Trace Parameters for Collisions Between the Two-Wheeler and Another Vehicle [J]. Chinese Journal of Automotive Engineering，2017，7(1)：016-021. (in Chinese)