基于不确定度理论与遗传算法的机动车事故分析方法技术

本发明专利技术公开了一种基于不确定度理论与遗传算法的机动车事故分析方法，所述方法通过数据处理分析，再现还原机动车发生事故时的场景。该方法首先通过事故现场采集到的数据建立车速预估模型，针对输入参数的不确定性进行车速不确定度评定，得到汽车碰撞车速的取值区间，为准确判断汽车是否超速，运用遗传优化算法求解最佳碰撞车速，最后结合计算机仿真与人体损伤对比验证。本发明专利技术在汽车与电动自行车事故再现中可提高计算精度和可靠性，对事故责任判定以及交通事故预防有着重要意义，同时也可以为汽车与电动自行车厂商在安全性设计时提供理论基础、为道路交通安全相关法规的建立健全提供参考依据。

Motorcycle Accident Analysis Method Based on Uncertainty Theory and Genetic Algorithms

【技术实现步骤摘要】
基于不确定度理论与遗传算法的机动车事故分析方法
本专利技术属于数据分析和仿真技术，具体的涉及一种基于不确定度理论与遗传算法的机动车事故分析方法。
技术介绍
因电动自行车同时具备传统脚踏自行车轻便灵活以及摩托车经济快捷的优点，其需求逐年增加，伴随电动自行车产业的蓬勃发展，我国电动自行车产业规模已跃居世界第一。与此同时，汽车与电动自行车交通事故日益突出，涉及电动自行车事故发生数以及伤亡人数均呈逐年上升趋势，严重影响交通秩序，引起了强烈的社会影响。汽车与电动自行车碰撞事故频发，涉及到汽车与电动自行车、骑车人间的相互碰撞。目前在处理无道路监控覆盖路段的电动自行车事故时，鉴定方法较为单一，并且就责任划分等方面存在诸多困难和主观性影响，囿于事故现场数据采集存在误差，在车速鉴定时往往存在较大的误差，责任划分常存在较大争议。因此对事故过程进行分析，适当运用典型公式，探究科学的车速计算方法，客观真实地再现事故过程，对事故责任判定以及交通事故预防有着重要意义，同时也可以为汽车与电动自行车厂商在安全性设计时提供理论基础、为道路交通安全相关法规的建立健全提供参考依据。
技术实现思路
专利技术目的：针对上述现有技术在处理交通事故上的不足，本专利技术旨在提供一种基于不确定度理论与遗传算法的机动车事故分析方法，实现交通事故现场的数据采集和验证，提高车速预测的精准性。技术方案：一种基于不确定度理论与遗传算法的机动车事故分析方法，包括如下步骤：(1)采集交通事故现场数据，包括骑车人抛距Lp、人体与路面间摩擦系数μ、等效质心高度Hp、碰撞抛射角度θ；(2)基于事故现场数据，建立车速预估模型，计算事故发生时的机动车速度值；(3)车速的不确定度评定，包括划分A类评定和B类评定，计算机动车发生事故的最佳碰撞车速取值区间；(4)将机动车发生事故的速度区间作为约束条件，通过遗传算法求解最佳碰撞车速；(5)根据最佳碰撞车速值进行模拟仿真，包括通过有限元法和多刚体法验证事故现场数据，得出事故原因及结论。进一步的，步骤(2)中通过电动自行车及其骑车人抛距的初步估算汽车碰撞速度的计算公式如下：式中，mp为骑车人质量，mc为汽车质量，me为电动自行车质量，Hp、He分别为骑车人与电动自行车等效质心高度，μ、f分别为骑车人、电动自行车与路面间的摩擦系数，θ、θe分别为骑车人、电动自行车抛出角度。步骤(3)所述的不确定度评定计算如下：测量获取车辆和人员质量，g为重力加速度，基于骑车人抛距Lp、人体与路面间摩擦系数μ、等效质心高度Hp、碰撞抛射角度θ作为不确定因子进行不确定度评定，碰撞速度表达式为：vc＝F(μ、θ、Hp、LP)上式中各不确定因子的传播系数如下：步骤(4)包括如下计算过程：设目标函数为F(L,V)，其中L为事故发生后电动自行车或骑车人抛距值的集合，V为碰撞速度的集合，通过不确定度评定得到的汽车碰撞速度最佳取值区间；碰撞后电动自行车及汽车人抛距与实际最为吻合的碰撞速度模型如下所示：上式为求解基于遗传算法求解得到的电动自行车抛距和骑车人抛距与实际测量结果间误差的数学模型，对于求解最接近真实事故的汽车碰撞速度问题，其目标函数的数学模型如下所示：式中：vc、μ、f、θ、θe、Hp、He均为变量。步骤(5)通过PC-Crash仿真进行仿真，包括根据事故现场数据进行建模和碰撞过程骑车人的运动姿态信息、电动车骑车人头部损伤HIC值计算。有益效果：与现有技术相比，其显著的效果在，本专利技术在汽车与电动自行车事故再现中可提高计算精度和可靠性，对事故责任判定以及交通事故预防有着重要意义，同时也可以为汽车与电动自行车厂商在安全性设计时提供理论基础、为道路交通安全相关法规的建立健全提供参考依据。附图说明图1是本专利技术所述方法的分析流程图；图2是本专利技术中汽车与电动自行车事故特征性分析流程图；图3是本专利技术中汽车与电动自行车事故的计算方法结构图；图4是本专利技术中事故车速计算流程图；图5是本专利技术在事故数据仿真时的流程图；图6是本专利技术所述有限元法求解事故数据的流程图；图7是本专利技术所述多刚体法求解事故数据的流程图。具体实施方式为了详细的说明本专利技术所公开的技术方案，下面结合具体实施例和说明书附图做进一步的阐述。本专利技术所提供的是一种基于不确定度理论与遗传算法的机动车事故分析方法，方法包括：通过事故现场采集到的数据建立车速预估模型，针对输入参数的不确定性进行车速不确定度评定，得到汽车碰撞车速的取值区间，为准确判断汽车是否超速，运用遗传优化算法求解最佳碰撞车速，最后结合计算机仿真与人体损伤对比验证。本实施例以汽车和电动自行车事故为例，主要的步骤如下：步骤一、事故现场数据采集包括车辆最终停止位置、车窗玻璃碎片散落情况、车辆制动痕迹、涉事车辆相关参数、人体相关参数、路面种类及道路类型、天气状况等；具体的，步骤一包括根据事故特性进行分析，如图2所示，主要包括根据事故现场采集到的数据判断事故成因，并对事故进行分类；对碰撞过程做出相应的假设，并分析骑车人的运动过程；结合人体的损伤部位，研究骑车人的损伤机理。步骤二、建立车速预估模型根据事故类型以及事故现场是否有道路监控覆盖，建立汽车碰撞速度预估模型，如图3所示，主要包括在有道路监控的路段运用如帧间差法等方法进行车速计算；在无道路监控覆盖的情况下，通过冲量原理建立车速计算模型、基于路面制动痕迹以及碰撞抛距等信息建立车速计算模型等；步骤三、车速不确定度评定针对车速预估模型中输入参数的不确定性，分别进行不确定度评估，通过不确定度合成、扩展，得到汽车最佳碰撞速度取值区间，如图4所示。步骤四、遗传算法求解最佳碰撞车速将通过不确定度评定得到的最佳碰撞车速取值区间作为约束条件，利用遗传算法进行最佳车速求解，如图5所示，主要包括建立车速优化目标函数，并进行编码，创建初始种群，计算种群的适应度，通过遗传操作，如选择、交叉、变异等以满足终止条件，从而得到最佳碰撞车速；若不满足终止条件，则重复上述步骤直到吻合；步骤五、计算机仿真将通过遗传算法求解得到的最佳汽车碰撞车速作为输入参数进行计算机仿真。主要分为有限元法和多刚体法，如图6和图7所示。主要包括建立汽车、骑车人、电动自行车碰撞模型，设置对应仿真参数并进行求解。有限元法，主要包括建立汽车与电动自行车几何模型，并进行网格划分，随后对划分完成的模型进行零部件定位、材料和属性设置、连接设置、载荷设置、约束设置、计算和输出设置等，并提交相应求解器进行计算。提取计算结果并导入后处理软件，分析计算结果，若与实际吻合则完成事故再现，若不吻合，则调整参数重复上述操作；多刚体法，主要包括根据事故现场及其他途径采集到的事故信息，建立汽车与电动自行车及骑车人多刚体模型，设置相应参数，如车辆的初速度、碰撞角度等并运用PC-Crash进行仿真计算。分析计算结果，若与实际吻合则完成事故再现，若不吻合，则调整参数重复上述操作；步骤六、人体损伤情况对比分析,包括头部损伤分析、胸部损伤分析、下肢损伤分析等。步骤七、车辆损伤情况对比分析，包括汽车后视镜、引擎盖、挡风玻璃、保险杠等位置损伤情况以及电动自行车车体损伤情况。步骤八、人车最终停止位置对比分析,事故结束后，汽车、电动自行车、骑车人之间相对位置分析。步骤九、多次试验直到得到与实际事故最为吻合的仿真结果。步骤十、本文档来自技高网...

【技术保护点】
1.一种基于不确定度理论与遗传算法的机动车事故分析方法，其特征在于：包括如下步骤：(1)采集交通事故现场数据，包括骑车人抛距Lp、人体与路面间摩擦系数μ、等效质心高度Hp、碰撞抛射角度θ；(2)基于事故现场数据，建立车速预估模型，计算事故发生时的机动车速度值；(3)车速的不确定度评定，包括划分A类评定和B类评定，计算机动车发生事故的最佳碰撞车速取值区间；(4)将机动车发生事故的速度区间作为约束条件，通过遗传算法求解最佳碰撞车速；(5)根据最佳碰撞车速值进行模拟仿真，包括通过有限元法和多刚体法验证事故现场数据，得出事故原因及结论。

【技术特征摘要】
1.一种基于不确定度理论与遗传算法的机动车事故分析方法，其特征在于：包括如下步骤：(1)采集交通事故现场数据，包括骑车人抛距Lp、人体与路面间摩擦系数μ、等效质心高度Hp、碰撞抛射角度θ；(2)基于事故现场数据，建立车速预估模型，计算事故发生时的机动车速度值；(3)车速的不确定度评定，包括划分A类评定和B类评定，计算机动车发生事故的最佳碰撞车速取值区间；(4)将机动车发生事故的速度区间作为约束条件，通过遗传算法求解最佳碰撞车速；(5)根据最佳碰撞车速值进行模拟仿真，包括通过有限元法和多刚体法验证事故现场数据，得出事故原因及结论。2.根据权利要求1所述的基于不确定度理论与遗传算法的机动车事故分析方法，其特征在于：步骤(2)中通过电动自行车及其骑车人抛距的初步估算汽车碰撞速度的计算公式如下：式中，mp为骑车人质量，mc为汽车质量，me为电动自行车质量，Hp、He分别为骑车人与电动自行车等效质心高度，μ、f分别为骑车人、电动自行车与路面间的摩擦系数，θ、θe分别为骑车人、电动自行车抛出角度。3.根据权利要求1所述的基于不确定度理论与遗传算法的机动车事故分析方法，其特征在于：步骤(3)所述的不确...

【专利技术属性】
技术研发人员：夏晶晶，季苏阳，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏,32