汽車安全研究的源頭是真實交通事故，并最終需要在交通事故中去驗證其效用,，規(guī)范,、準(zhǔn)確、全面的交通事故數(shù)據(jù)能夠反映道路交通運行狀態(tài),，也是汽車安全研究的重要基礎(chǔ)資料,。

了解現(xiàn)實道路上發(fā)生的交通事故主流模式和特征,，有助于汽車安全研究更具針對性和目標(biāo)性。從交通事故數(shù)據(jù)出發(fā),，開展汽車安全標(biāo)準(zhǔn)和技術(shù)的正向研究是必要的,，道路上有什么類型的交通事故，汽車安全標(biāo)準(zhǔn)和技術(shù)就應(yīng)該朝著解決這類交通事故的方向去研究,。當(dāng)然標(biāo)準(zhǔn)和技術(shù)的發(fā)展還要考慮其他因素,，但交通事故數(shù)據(jù)絕對是必不可少的決策基礎(chǔ)。

圖1：碰撞測試不等于現(xiàn)實交通事故

▼ 優(yōu)化完善汽車安全標(biāo)準(zhǔn)和試驗測試規(guī)程； 

▼ 用于產(chǎn)品設(shè)計階段的仿真模擬分析,，如整車碰撞建模,、結(jié)構(gòu)優(yōu)化和數(shù)值假人建模等，明確正向開發(fā)方向,； 

▼ 把握中國道路事故的主流碰撞形態(tài),，分析不同碰撞模式下的車輛被動安全保護性能,；分析不同結(jié)構(gòu)設(shè)計和安全裝置配置的車輛在交通事故中對車內(nèi)乘員和其他交通參與者的保護效果，掌握人體傷害的先后順序和程度,，據(jù)此決定汽車裝配安全裝置的優(yōu)先順序和重點,； 

▼ 調(diào)查分析汽車產(chǎn)品質(zhì)量缺陷問題，為汽車制造商改進車身耐撞性和約束系統(tǒng)設(shè)計,、制造更安全的汽車提供支持,； 

▼ 對比產(chǎn)品在碰撞測試和真實事故中的表現(xiàn)，驗證和改進已有產(chǎn)品結(jié)構(gòu)和性能的效能,，掌握高致死/傷風(fēng)險的事故工況和車輛結(jié)構(gòu),，獲取車輛安全優(yōu)化的重要信息；

▼ 掌握典型和非典型事故或沖突場景,，服務(wù)主動安全產(chǎn)品的功能需求,、應(yīng)用效用評估和智能汽車的測試驗證。

圖2：交通事故數(shù)據(jù)在汽車全生命周期的作用

不同的國家或地區(qū)有不同的事故模式,，不同的安全研究有不同的側(cè)重點,，如何準(zhǔn)確把握我國道路交通事故的主流模式？為解決這個問題,，中國汽車技術(shù)研究中心依托交管部門開展了CIDAS（China In-Depth Accident Study,，中國交通事故深入研究）工作，針對我國道路交通事故數(shù)據(jù)進行現(xiàn)場深入調(diào)查,、分析和研究,。該工作可全面、客觀地分析導(dǎo)致交通事故發(fā)生的全方位原因和人體損傷機理,，科學(xué)提出制修訂汽車安全政策,、技術(shù)標(biāo)準(zhǔn)的相關(guān)建議，評價和預(yù)測汽車安全管理和技術(shù)的效果,，為汽車安全技術(shù)研發(fā)提供數(shù)據(jù)支撐,，提升汽車產(chǎn)品質(zhì)量，減少道路交通事故的發(fā)生頻率和傷害程度,。

CIDAS目前已累計在我國8個城市開展事故深入調(diào)查工作,，年事故調(diào)查800余起，其中有30%左右的視頻事故,，事故案例涵蓋全天24小時,，且均為現(xiàn)場調(diào)查事故，調(diào)查區(qū)域覆蓋平原,、丘陵,、盆地和高原，包括城市道路,、高速公路,、鄉(xiāng)村道路,、山區(qū)道路。

調(diào)查準(zhǔn)則主要有四點：

▼ 所采集事故數(shù)據(jù)應(yīng)為至少1輛四輪機動車參與的事故,；

▼ 所采集事故數(shù)據(jù)應(yīng)為至少1人受傷的事故,；

▼ 事故調(diào)查工程師對事故信息進行采集前，該事故現(xiàn)場應(yīng)為原始狀態(tài),，未遭到破壞,；

▼ 后現(xiàn)場調(diào)查的事故，需有監(jiān)控視頻,，并配合使用無人機進行調(diào)查（2018年1月1日起啟用）,。

調(diào)查內(nèi)容包括：

▼ 事故現(xiàn)場的痕跡信息標(biāo)注、記錄和事故過程圖繪制,；

▼ 事故車輛的內(nèi)外部變形測量和空間信息記錄,；

▼ 事故參與者或見證者的回訪信息；

▼ 事故傷亡人員的傷害嚴(yán)重度信息,；

▼ 記錄事故過程的監(jiān)控視頻或行車記錄儀數(shù)據(jù),。

圖3：事故調(diào)查的部分內(nèi)容

圖4：死亡事故中二輪車和行人占比最高

圖5：不同類型二輪車使用者以及行人在事故中受傷部位統(tǒng)計

圖6：碰撞接觸點的包繞距離

CIDAS統(tǒng)計發(fā)現(xiàn),，事故中二輪車駕駛?cè)祟^部WAD主要集中在210-230cm區(qū)間范圍內(nèi)；自行車,、電動二輪車,、摩托車駕駛?cè)祟^部WAD在230cm以下的事故，分別占所有二輪車事故的84.4%,、92%,、89.5%。

圖7：二輪車駕駛?cè)祟^部WAD分布（厘米,， N = 380）

圖8：二輪車駕駛?cè)祟^部落點區(qū)域分布（厘米,， N = 380）

圖9：弱勢道路使用者事故場景排序

▼ 保險杠和風(fēng)擋玻璃吸能緩沖能力；

▼ 主動防護系統(tǒng): 主要有主動彈起式發(fā)動機罩蓋,、行人保護安全氣囊,，其中，主動彈起式發(fā)動機罩通過安裝于前保險杠的傳感器偵測碰撞時,，發(fā)動機蓋內(nèi)部的舉升機構(gòu)將發(fā)動機罩蓋后部升起,，增大發(fā)動機罩下方的變形空間，有利于對頭部碰撞能量的吸收,，已成為提高弱勢交通參與者頭部保護性能的有力措施,。

▼ 主動防撞技術(shù)：雷達和攝像頭探測識別弱勢交通參與者，通過提醒,、輔助制動,、緊急制動來對駕駛?cè)瞬僮鬟M行提示和干預(yù)，從而避免碰撞發(fā)生或降低碰撞速度,。自動緊急制動系統(tǒng)是目前已被證實可有效減少碰撞事故的技術(shù),，正得到越來越多的重視，接下來這些工況應(yīng)重點研究：AEB-行人縱向場景及夜間場景,；AEB-自行車橫向和縱向及AEB-電動二輪車騎行多種場景,。

▼ 正面碰撞相容性，轎車與貨車的正面碰撞是極端情況,，即轎車完全處于被動的情況下,，轎車會受到貨車的“擠壓”，甚至“碾壓”,，主要涉及二者質(zhì)量和前部裝置之間的影響,。

▼ 側(cè)面碰撞相容性，其問題涉及到車輛的側(cè)面結(jié)構(gòu)的安全性和前端結(jié)構(gòu)的吸能特性,。

▼ 追尾碰撞相容性,，主要問題是車輛的后下部防護裝置和前端結(jié)構(gòu)的吸能特性之間的相容性。

圖10：公安部交管局2017年道路交通事故統(tǒng)計年報

交通事故形態(tài)呈現(xiàn)多樣化和復(fù)雜化,，標(biāo)準(zhǔn)法規(guī)中的測試工況僅能覆蓋部分現(xiàn)實交通事故形態(tài),，如果說標(biāo)準(zhǔn)工況是汽車安全的“及格線”，非標(biāo)準(zhǔn)工況體現(xiàn)的則是汽車全方位安全,。隨著汽車消費升級,，消費者對汽車安全的要求更加嚴(yán)苛，國內(nèi)部分企業(yè)和研究機構(gòu)都在主動開展非標(biāo)準(zhǔn)工況的測試研究和對應(yīng)產(chǎn)品開發(fā)，基于非標(biāo)工況的公開碰撞測試日益頻繁,。另外,，隨著主動安全、智能駕駛的發(fā)展,，未來交通環(huán)境下將產(chǎn)生新的事故工況,，同時車內(nèi)人員的保護也面臨更多的要求和挑戰(zhàn)，乘員約束系統(tǒng)要與主動安全系統(tǒng)更好地匹配,，主被動一體化需要落到實處,，實現(xiàn)面向復(fù)雜工況和多樣化人群分布及個體特征的最優(yōu)化保護。

? 感知缺陷,、執(zhí)行錯誤導(dǎo)致的事故占總量的94%

未發(fā)現(xiàn)碰撞對象和錯誤判斷雙方位置關(guān)系可導(dǎo)致事故發(fā)生,，在感知準(zhǔn)確的情況下駕駛?cè)瞬僮魇д`同樣會導(dǎo)致事故發(fā)生。CIDAS數(shù)據(jù)統(tǒng)計顯示這類原因造成的事故占比高,，如圖11所示,，由于感知缺陷、執(zhí)行錯誤導(dǎo)致的事故占總量的94%,。

? 碰撞前期數(shù)據(jù)分析對研究輔助駕駛功能有重要參考價值

駕駛?cè)烁兄毕輰?dǎo)致的事故占比較高，因此,，了解事故前的實際情況,，對于后續(xù)汽車安全研究有一定幫助。通過對交通事故中車載雷達,、攝像頭等傳感器記錄的相關(guān)參數(shù)進行分析,，得出現(xiàn)有傳感器的記錄范圍可以覆蓋碰撞前3秒內(nèi)的大部分碰撞對象，這對于研究輔助駕駛功能有重要參考價值,。我們結(jié)合真實數(shù)據(jù),，繪制了碰撞前3秒本車與碰撞對象的相對位置分布圖，見圖12,，同時進一步將事故分為駕駛?cè)税l(fā)現(xiàn)和未發(fā)現(xiàn)碰撞對象兩類情況,。通過了解碰撞對象的分布情況，能更針對性地提出需求,，進行更有效的輔助駕駛功能研究,。

CIDAS數(shù)據(jù)涵蓋了事故前、中,、后三個階段的人,、車、路和環(huán)境信息,，每一例事故案例包含3000余數(shù)據(jù)項,。我們通過事故重建，構(gòu)建了碰撞前期數(shù)據(jù)（PCM，Pre-Crash Matrix）,，能得出事故發(fā)生前5秒內(nèi)的車輛運動和相對位置信息,，有助于相關(guān)人員研究分析。CIDAS數(shù)據(jù)庫中車輛的運動數(shù)據(jù),、駕駛?cè)说牟僮餍袨閿?shù)據(jù),、道路環(huán)境數(shù)據(jù)、碰撞對象的運動數(shù)據(jù)和目標(biāo)物的模型尺寸等對主動安全系統(tǒng)的研究至關(guān)重要,。基于交通事故數(shù)據(jù)的輔助駕駛功能分析是當(dāng)前主動安全研究的重要途徑,。

? 駕駛功能需求主要有四類

交通事故形態(tài)、事故原因與輔助駕駛功能息息相關(guān),，針對不同的事故場景可以提出不同輔助駕駛功能需求如圖13所示,。另外，目前主動安全測試是基于某些系統(tǒng)測試,，而未來主動安全測試的趨向是更多地測試功能而不是測試系統(tǒng)，不管裝配什么技術(shù),，以測試能具備解決交通事故的能力為主,。

? 可通過虛擬事故場景開展輔助駕駛功能研究

虛擬仿真工具（Prescan、Carmaker,、VTD）帶來了更好的事故數(shù)據(jù)應(yīng)用手段,。如圖14所示為目前CIDAS數(shù)據(jù)結(jié)合虛擬仿真工具建立的虛擬事故場景庫中的幾種場景，虛擬事故場景是輔助駕駛功能研發(fā),、測試和評價的重要基礎(chǔ),，為輔助駕駛功能需求分析和驗證提供更細(xì)致的解決方案。

圖15：事故當(dāng)事人采取的安全措施