面向痕跡采集的汽車(chē)-兩輪車(chē)碰撞事故痕跡參數(shù)敏感性分析

鄒鐵方，劉 雨，尹若愚，張愛(ài)紅，蔡 銘

（1.長(zhǎng)沙理工大學(xué) 汽車(chē)與機(jī)械工程學(xué)院，長(zhǎng)沙 410004；2.湖南省工程車(chē)輛安全性設(shè)計(jì)與可靠性技術(shù)重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)沙 410004；3.公安部交通管理科學(xué)研究所，江蘇，無(wú)錫 214151；4.中山大學(xué) 工學(xué)院 廣東省智能交通系統(tǒng)重點(diǎn)實(shí)驗(yàn)室，廣州 510275）

面向痕跡采集的汽車(chē)-兩輪車(chē)碰撞事故痕跡參數(shù)敏感性分析

鄒鐵方1,2，劉 雨1,2，尹若愚1,2，張愛(ài)紅3，蔡 銘4

（1.長(zhǎng)沙理工大學(xué) 汽車(chē)與機(jī)械工程學(xué)院，長(zhǎng)沙 410004；2.湖南省工程車(chē)輛安全性設(shè)計(jì)與可靠性技術(shù)重點(diǎn)實(shí)驗(yàn)室，長(zhǎng)沙 410004；3.公安部交通管理科學(xué)研究所，江蘇，無(wú)錫 214151；4.中山大學(xué) 工學(xué)院 廣東省智能交通系統(tǒng)重點(diǎn)實(shí)驗(yàn)室，廣州 510275）

為了快速、準(zhǔn)確地采集與汽車(chē)-兩輪車(chē)碰撞事故車(chē)速鑒定緊密相關(guān)的痕跡信息，通過(guò)經(jīng)驗(yàn)分析初步獲得車(chē)速鑒定所需及時(shí)關(guān)注的17個(gè)敏感參數(shù)。為進(jìn)一步獲得這些參數(shù)的敏感性，提出了基于隨機(jī)森林模型的參數(shù)敏感性分析方法，并確定了各個(gè)需要及時(shí)關(guān)注的參數(shù)取值范圍，再用所給方法分析了這些參數(shù)的敏感性。分析結(jié)果表明，汽車(chē)制動(dòng)距離、騎車(chē)人和行人拋距在所有參數(shù)中對(duì)碰撞速度最為敏感。

車(chē)速鑒定；痕跡參數(shù)；敏感性；痕跡采集；隨機(jī)森林

近年來(lái)，我國(guó)道路交通事故四項(xiàng)指數(shù)逐年下降，但是，涉及兩輪車(chē)的事故卻呈現(xiàn)出微幅上升趨勢(shì)。據(jù)統(tǒng)計(jì)，2013年兩輪車(chē)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(chē)駕乘人員在交通事故中死亡9 333人，受傷39 168人。其中，汽車(chē)-兩輪車(chē)碰撞事故為兩輪車(chē)事故中的主要事故形態(tài)[1-2]。車(chē)速鑒定作為汽車(chē)-兩輪車(chē)碰撞事故再現(xiàn)的核心，其高效和客觀性變得更為迫切[3]，而現(xiàn)場(chǎng)痕跡信息是道路交通事故再現(xiàn)的基礎(chǔ)，它對(duì)于車(chē)速鑒定至關(guān)重要。因此，如何快速、準(zhǔn)確地采集到事故現(xiàn)場(chǎng)痕跡則成為事故再現(xiàn)中的核心問(wèn)題之一。在我國(guó)現(xiàn)有的道路交通事故處理機(jī)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(xiàn)場(chǎng)進(jìn)行取證，這就難免造成事故現(xiàn)場(chǎng)取證中的錯(cuò)漏、不全等現(xiàn)象，為后期的事故車(chē)速鑒定帶來(lái)極大的影響[4]。通過(guò)分析相關(guān)參數(shù)的敏感性，可以獲知相應(yīng)參數(shù)的重要程度，進(jìn)而可指導(dǎo)一線民警重視相應(yīng)痕跡參數(shù)，降低出現(xiàn)錯(cuò)漏問(wèn)題的概率。

目前，為了分析事故再現(xiàn)領(lǐng)域中相關(guān)痕跡的敏感性，多名專(zhuān)家學(xué)者進(jìn)行了相關(guān)研究。鄒鐵方等[5]借助均勻試驗(yàn)設(shè)計(jì)提出了參數(shù)敏感性分析方法，因均勻設(shè)計(jì)表的局限性，當(dāng)要求樣本很多時(shí)，該方法會(huì)失效。裴劍平等[6]研究了典型事故再現(xiàn)模型，對(duì)典型的碰撞模型中碰撞前速度方向參數(shù)和碰撞中心位置參數(shù)進(jìn)行了敏感度分析，給出了其數(shù)學(xué)表達(dá)式和適用范圍。許洪國(guó)等[7]為研究事故再現(xiàn)系統(tǒng)參數(shù)對(duì)汽車(chē)碰撞事故車(chē)速計(jì)算值的影響，分析了車(chē)對(duì)車(chē)碰撞三個(gè)階段的影響因素，建立了汽車(chē)質(zhì)量及碰撞中心等參數(shù)的敏感性分析模型，并通過(guò)具體的事故案例分析了這些參數(shù)的影響規(guī)律和敏感度。王宏雁等[8]對(duì)交通事故再現(xiàn)軟件PC-Crash中的特征參數(shù)進(jìn)行分析，運(yùn)用分析法、控制變量法先提取主要的參數(shù)，再設(shè)定正交試驗(yàn)將特征參數(shù)按權(quán)重大小排序，探求各特征參數(shù)對(duì)模擬結(jié)果影響的權(quán)重及產(chǎn)生影響的類(lèi)型。陳濤等[9]提出一個(gè)綜合評(píng)判計(jì)算方法推算碰撞速度，該方法可以避免按單一方法計(jì)算時(shí)因參數(shù)選擇或計(jì)算錯(cuò)誤的影響，并可間接校驗(yàn)?zāi)承┦鹿尸F(xiàn)場(chǎng)遺留痕跡的真?zhèn)危蕹齻€(gè)別含有假象的證據(jù)。但他們的關(guān)注點(diǎn)都集中在事故再現(xiàn)中，并未考慮為了面向痕跡采集的參數(shù)敏感性問(wèn)題。

為此，首先借助經(jīng)驗(yàn)選出汽車(chē)-兩輪車(chē)碰撞事故中所需及時(shí)關(guān)注的痕跡，然后確定它們的取值范圍，進(jìn)而依據(jù)基于隨機(jī)森林模型的參數(shù)敏感性方法分析這些可測(cè)痕跡參數(shù)的敏感性。

1 汽車(chē)-兩輪車(chē)碰撞事故痕跡分析

汽車(chē)-兩輪車(chē)碰撞事故痕跡信息主要是與車(chē)、人、路相關(guān)的痕跡信息，基于這些痕跡信息的車(chē)速鑒定方法主要包括傳統(tǒng)經(jīng)驗(yàn)公式、事故再現(xiàn)方法等。結(jié)合車(chē)速鑒定方法，快速獲取與車(chē)速鑒定緊密相關(guān)的痕跡很有必要，根據(jù)經(jīng)驗(yàn)初步篩選出較敏感的參數(shù)，并分析影響車(chē)速鑒定參數(shù)的敏感原因（表1）。

表1 參數(shù)敏感分析

其中，人體損傷信息有相應(yīng)部門(mén)出具損傷鑒定報(bào)告，車(chē)輛變形信息一般可以在事故后測(cè)得，且不易丟失，這幾種都不屬于需及時(shí)關(guān)注的痕跡。通過(guò)初步篩選得到了與碰撞車(chē)速密切相關(guān)的敏感性參數(shù)：汽車(chē)附著系數(shù)Fc、碰撞角度a、汽車(chē)質(zhì)量Mc、汽車(chē)重心高度Hc、兩輪車(chē)速度Vb、兩輪車(chē)質(zhì)量Mb、兩輪車(chē)附著系數(shù)Fb、兩輪車(chē)高度Hb、騎車(chē)人摩擦因數(shù)Fr、騎車(chē)人身高Hr、騎車(chē)人體重Mr、碰撞恢復(fù)系數(shù)F、騎車(chē)人與汽車(chē)之間的摩擦因數(shù)Fcr、兩輪車(chē)與汽車(chē)間的摩擦因數(shù)Fcb。王薛超[10]給出了騎車(chē)人身高Hr、騎車(chē)人體重Mr的取值區(qū)間；《2010年國(guó)民體質(zhì)監(jiān)測(cè)公報(bào)》[11]中給出了汽車(chē)附著系數(shù)Fc、電動(dòng)自行車(chē)附著系數(shù)Fb、騎車(chē)人摩擦因數(shù)Fr的取值區(qū)間；GA/T 643—2006《典型交通事故形態(tài)車(chē)輛行駛速度技術(shù)鑒定》[12]中給出了騎車(chē)人與汽車(chē)之間的摩擦因數(shù)Fcr、電動(dòng)自行車(chē)與汽車(chē)間的摩擦因數(shù)Fcb的取值區(qū)間（表2）。

表2 各參數(shù)取值區(qū)間

2 基于隨機(jī)森林的參數(shù)敏感性分析方法

2.1 隨機(jī)森林的優(yōu)點(diǎn)

隨機(jī)森林是由Breiman提出的一種新的機(jī)器學(xué)習(xí)模型，是當(dāng)前數(shù)據(jù)挖掘領(lǐng)域的熱門(mén)工具。在隨機(jī)森林中，一個(gè)K類(lèi)的名義變量可以用一個(gè)K-1叉樹(shù)來(lái)記錄，并且只用其中一部分來(lái)建樹(shù)，這能避免由大量分類(lèi)變量造成的問(wèn)題，因此在分析具有大量分類(lèi)變量的問(wèn)題時(shí)，隨機(jī)森林能夠很好地進(jìn)行處理。隨機(jī)森林采用Bagging方法建樹(shù)，因此異常值對(duì)結(jié)果的影響將會(huì)減弱，這種方法通過(guò)比較每個(gè)解釋變量的殘差平方和的平均邊際減少，可以衡量每個(gè)變量的重要性。隨機(jī)森林還具有不易出現(xiàn)過(guò)擬合、準(zhǔn)確率高、運(yùn)算速度快等優(yōu)點(diǎn)，因此在分析痕跡參數(shù)的敏感性時(shí)，考慮采用隨機(jī)森林的方法以獲得精度更高的痕跡參數(shù)權(quán)重。

2.2 隨機(jī)森林的原理

隨機(jī)森林利用 Bootstrap重抽樣方法從原始樣本中抽取多個(gè)樣本，對(duì)每個(gè)Bootstrap樣本進(jìn)行決策樹(shù)建模，然后組合多棵決策樹(shù)的預(yù)測(cè)，算法的最終預(yù)測(cè)結(jié)果通過(guò)投票得出[13]。它的構(gòu)建過(guò)程主要分為為每棵決策樹(shù)抽樣產(chǎn)生訓(xùn)練集、構(gòu)建每棵決策樹(shù)、森林的形成及算法的執(zhí)行。釆用簡(jiǎn)單多數(shù)投票法的結(jié)果作為隨機(jī)森林的輸出表示分類(lèi)問(wèn)題；采用單棵樹(shù)輸出結(jié)果的簡(jiǎn)單平均作為隨機(jī)森林的輸出表示回歸問(wèn)題。式（1）和式（2）分別為隨機(jī)森林分類(lèi)、回歸模型的數(shù)學(xué)表達(dá)式。

隨機(jī)森林是一個(gè)優(yōu)秀的很有發(fā)展?jié)摿Φ募蓪W(xué)習(xí)算法，Breiman 在理論上論證了集成學(xué)習(xí)算法的本質(zhì)：基于分類(lèi)器的強(qiáng)度和不相關(guān)性，并在此理論基礎(chǔ)上，成功地在決策樹(shù)中注入了兩個(gè)隨機(jī)性，即訓(xùn)練樣本的隨機(jī)性和特征選取的隨機(jī)性，隨機(jī)森林也因此獲得了很大的泛化能力提升。

2.3 參數(shù)敏感性分析流程

基于隨機(jī)森林的參數(shù)敏感性分析方法主要包括以下幾個(gè)步驟：（1）利用表2中的數(shù)據(jù)在Matlab中基于拉丁超立方體抽樣（Latin Hyper Cube Sampling，LHS）生成試驗(yàn)樣本集。（2）獲得試驗(yàn)設(shè)計(jì)表后嚴(yán)格按照此表在PC-Crash中進(jìn)行試驗(yàn)，記錄17個(gè)參數(shù)的取值，為了消除各評(píng)價(jià)指標(biāo)不同量綱對(duì)評(píng)價(jià)結(jié)果的影響，歸一化處理數(shù)據(jù)。（3）在R軟件中建立隨機(jī)森林模型，生成最優(yōu)模型。（4）基于隨機(jī)森林模型分析不同變量對(duì)車(chē)速的重要性。步驟（3） 、（4）的具體程序如下：

library(randomForest) #調(diào)用隨機(jī)森林程序包；sheds＜-read.csv('C:/Users/LY/Desktop/canshuminggan1.csv', header=T) #從硬盤(pán)讀入數(shù)據(jù)；

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

Print(RF3) #模型結(jié)果，顯示殘差的平方，以及解釋變異(敏感參數(shù)對(duì)碰撞車(chē)速 V 的解釋)的百分率；

importance(RF3) #顯示變量重要性結(jié)果；

varImpPlot(RF3) #圖示自變量對(duì)的碰撞速度的重要性。

3 痕跡參數(shù)敏感性分析

3.1 仿真試驗(yàn)設(shè)計(jì)

考慮拉丁超立方試驗(yàn)設(shè)計(jì)在事故再現(xiàn)領(lǐng)域的優(yōu)越性[14]，采取拉丁超立方試驗(yàn)設(shè)計(jì)，根據(jù)表2中各參數(shù)的定義范圍獲取50組試驗(yàn)樣本（表3），試驗(yàn)設(shè)計(jì)步驟如下：

（1）在Matlab主界面中輸入Mbcmodel進(jìn)入基于模型的標(biāo)準(zhǔn)工具箱MBC主界面。

（2）在File一欄選擇New test plan，點(diǎn)擊Onestage，依據(jù)表2在Inputs中設(shè)置各參數(shù)取值范圍。

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

（4）在Design選項(xiàng)中選擇Space—Filling design進(jìn)入設(shè)計(jì)選項(xiàng)對(duì)話框，選擇LHS，得到試驗(yàn)設(shè)計(jì)表。

3.2 仿真及數(shù)據(jù)分析

3.2.1 仿真及數(shù)據(jù)記錄

嚴(yán)格按照表3中的數(shù)據(jù)在PC-Crash中修改人、車(chē)、路相關(guān)參數(shù)并進(jìn)行仿真。聶進(jìn)等[15]在仿真試驗(yàn)中選擇此類(lèi)碰撞事故，碰撞車(chē)為Audi-A6 2.0 TFSI - 4F，兩輪車(chē)與騎車(chē)人為PC-Crash中的自帶模型，每一組試驗(yàn)都逐一根據(jù)拉丁方試驗(yàn)設(shè)計(jì)獲得的數(shù)據(jù)對(duì)人、車(chē)、路中的參數(shù)進(jìn)行修改，碰撞后汽車(chē)立刻完全制動(dòng)，汽車(chē)、兩輪車(chē)重心所在平面與水平面垂直，其它參數(shù)均為PC-Crash中的默認(rèn)值。記錄、測(cè)量數(shù)據(jù)包括碰撞初步篩選的參數(shù)，以及汽車(chē)、兩輪車(chē)與騎車(chē)人起始和碰撞后的重心坐標(biāo)。然后通過(guò)重心坐標(biāo)計(jì)算并記錄汽車(chē)制動(dòng)距離Sc、騎車(chē)人拋距Sr、兩輪車(chē)拋距Sb。將所有參數(shù)記錄在Excel文件中并進(jìn)行數(shù)據(jù)歸一化處理，然后另存為后綴為.csv的文件，執(zhí)行2.3節(jié)中的步驟（3）和步驟（4），基于隨機(jī)森林對(duì)不同變量對(duì)車(chē)速的重要性進(jìn)行了敏感性分析和排序（圖1）。

圖1 隨機(jī)森林對(duì)影響碰撞車(chē)速的自變量的重要性進(jìn)行排序

3.2.2 數(shù)據(jù)分析

%incMSE及incNodePurity是衡量重要性的兩個(gè)指標(biāo)，其值的大小表征變量重要性的程度。通過(guò)對(duì)圖1中的重要性指標(biāo)%incMSE進(jìn)行分析可知，各參數(shù)對(duì)碰撞車(chē)速的敏感性排序依次為汽車(chē)制動(dòng)距離Sc、兩輪車(chē)拋距Sb、騎車(chē)人拋距Sr、兩輪車(chē)速度Vb、兩輪車(chē)質(zhì)量Mb、碰撞角度a、騎車(chē)人與汽車(chē)之間的摩擦因數(shù)Fcr、碰撞恢復(fù)系數(shù)F、兩輪車(chē)與汽車(chē)間的摩擦因數(shù)Fcb、騎車(chē)人體重Mr、汽車(chē)質(zhì)量Mc、汽車(chē)重心高度Hc、汽車(chē)附著系數(shù)Fc、兩輪車(chē)高度Hb、兩輪車(chē)附著系數(shù)Fb、騎車(chē)人身高Hr、騎車(chē)人摩擦因數(shù)Fr。

依據(jù)重要性指標(biāo)incNodePurity，各參數(shù)對(duì)碰撞車(chē)速的敏感性排序依次為汽車(chē)制動(dòng)距離Sc、兩輪車(chē)拋距Sb、騎車(chē)人拋距Sr、汽車(chē)附著系數(shù)Fc、騎車(chē)人與汽車(chē)之間的摩擦因數(shù)Fcr、兩輪車(chē)質(zhì)量Mb、碰撞角度a、兩輪車(chē)速度Vb、兩輪車(chē)與汽車(chē)間的摩擦因數(shù)Fcb、碰撞恢復(fù)系數(shù)F、騎車(chē)人體重Mr、汽車(chē)質(zhì)量Mc、兩輪車(chē)高度Hb、兩輪車(chē)附著系數(shù)Fb、騎車(chē)人摩擦因數(shù)Fr、汽車(chē)重心高度Hc、騎車(chē)人身高Hr。

汽車(chē)制動(dòng)距離Sc、騎車(chē)人拋距Sr、兩輪車(chē)拋距Sb是汽車(chē)-兩輪車(chē)碰撞事故進(jìn)行事故再現(xiàn)時(shí)的基本依據(jù)，且在事故現(xiàn)場(chǎng)屬于容易消失的痕跡，因此在進(jìn)行痕跡采集時(shí)，這3個(gè)參數(shù)需要重點(diǎn)、及時(shí)地關(guān)注。在基于隨機(jī)森林的痕跡參數(shù)敏感性分析中，汽車(chē)制動(dòng)距離Sc、騎車(chē)人拋距Sr、兩輪車(chē)拋距Sb的敏感性是非常靠前的，這與事故再現(xiàn)中的原則性判斷和痕跡現(xiàn)場(chǎng)采集的經(jīng)驗(yàn)判斷非常相符。因此，可以認(rèn)為運(yùn)用隨機(jī)森林進(jìn)行參數(shù)的敏感性分析是可行的，其分析結(jié)果可靠。

綜合隨機(jī)森林中的變量重要性指標(biāo)得到：汽車(chē)制動(dòng)距離Sc、騎車(chē)人拋距Sr、兩輪車(chē)拋距Sb在所有參數(shù)中對(duì)碰撞速度是最敏感的，因此，現(xiàn)場(chǎng)采集時(shí)應(yīng)優(yōu)先采集汽車(chē)制動(dòng)距離Sc、騎車(chē)人拋距Sr、兩輪車(chē)拋距Sb?；谶@些距離計(jì)算碰撞車(chē)速時(shí)，大多需要獲得汽車(chē)附著系數(shù)Fc、碰撞角度a、兩輪車(chē)附著系數(shù)Fb、騎車(chē)人摩擦因數(shù)Fr、兩輪車(chē)質(zhì)量Mb、騎車(chē)人體重Mr、汽車(chē)質(zhì)量Mc，在現(xiàn)場(chǎng)勘查時(shí)需重點(diǎn)關(guān)注。

4 結(jié)論

基于隨機(jī)森林模型，提出了一種面向痕跡采集的參數(shù)敏感性分析方法，篩選出與車(chē)速鑒定密切相關(guān)的痕跡參數(shù)，可以指導(dǎo)一線民警重點(diǎn)關(guān)注與車(chē)速鑒定相關(guān)的敏感性痕跡，避免過(guò)多關(guān)注非重點(diǎn)參數(shù)。

通過(guò)參數(shù)敏感性分析結(jié)果得到：在汽車(chē)-兩輪車(chē)碰撞事故中汽車(chē)制動(dòng)距離Sc、騎車(chē)人拋距Sr、兩輪車(chē)拋距Sb在所有參數(shù)中對(duì)碰撞速度是最敏感的。

面向痕跡采集的參數(shù)敏感性分析方法重點(diǎn)服務(wù)于車(chē)速鑒定，且隨著車(chē)速鑒定方法的不斷完善，相應(yīng)的采集方法也應(yīng)不斷發(fā)展。

（

）：

[1]公安部交通管理局. 中華人民共和國(guó)道路交通事故統(tǒng)計(jì)年報(bào)(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(guó)道路交通事故統(tǒng)計(jì)年報(bào)(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(chē)-人事故再現(xiàn) [J]. 振動(dòng)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(chē)速鑒定的交通事故現(xiàn)場(chǎng)取證技術(shù)研究[J]. 湖南警察學(xué)院學(xué)報(bào)，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(shè)計(jì)的事故再現(xiàn)模型參數(shù)敏感性分析[J]. 中國(guó)安全科學(xué)學(xué)報(bào)，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(wèi)東. 事故再現(xiàn)典型碰撞模型的參數(shù)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(guó)，高蔚，蘇鍵，等. 汽車(chē)交通事故碰撞速度多值問(wèn)題的研究[J].中國(guó)公路學(xué)報(bào)，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(xiàn)誤差分析[J]. 同濟(jì)大學(xué)學(xué)報(bào)，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(biāo)，等. 車(chē)對(duì)車(chē)碰撞事故再現(xiàn)系統(tǒng)的參數(shù)敏感性分析[J]. 汽車(chē)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(chē)-電動(dòng)摩托車(chē)碰撞事故分析及騎車(chē)人動(dòng)力學(xué)響應(yīng)研究 [D]. 長(zhǎng)沙：湖南大學(xué)，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(guó)家體育總局. 2010年國(guó)民體質(zhì)監(jiān)測(cè)公報(bào) [R]. 北京：國(guó)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(tài)車(chē)輛行駛速度技術(shù)鑒定 [S]. 北京： 中國(guó)標(biāo)準(zhǔn)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(jiàn)彬， 朱建平， 等. 隨機(jī)森林方法研究綜述 [J]. 統(tǒng)計(jì)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(jì)科，等. 分析事故再現(xiàn)仿真結(jié)果不確定性的一種方法 [J]. 系統(tǒng)仿真學(xué)報(bào)，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(jìn)，楊濟(jì)匡. 基于汽車(chē)-自行車(chē)碰撞事故重建的騎車(chē)人動(dòng)力學(xué)響應(yīng)和損傷研究[J]. 汽車(chē)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(chē)安全相關(guān)技術(shù)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(guó)家自然科學(xué)基金（51208065）；湖南省科技計(jì)劃項(xiàng)目（2015JC3056）；廣東省科技計(jì)劃項(xiàng)目（2015B010110005）；道路交通安全公安部重點(diǎn)實(shí)驗(yàn)室開(kāi)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(chē)-兩輪車(chē)碰撞事故痕跡參數(shù)敏感性分析[J]. 汽車(chē)工程學(xué)報(bào)，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)