視覺(jué)障礙下十字路口電動(dòng)兩輪車(chē)事故特征和典型場(chǎng)景分析

韓 勇 ，孟 昕，潘 迪 ，吳 賀，石金明，張悅蓯

（1. 廈門(mén)理工學(xué)院 機(jī)械與汽車(chē)工程學(xué)院，廈門(mén)361024，中國(guó)；2. 福建省客車(chē)先進(jìn)設(shè)計(jì)與制造重點(diǎn)實(shí)驗(yàn)室，廈門(mén)361024，中國(guó)；3. 廈門(mén)大學(xué) 航空航天學(xué)院，廈門(mén) 361024，中國(guó)）

公安部道路交通管理局統(tǒng)計(jì)數(shù)據(jù)顯示，2019年中國(guó)大陸共發(fā)生21 713 起電動(dòng)兩輪車(chē)(electric twowheeler，ETW)事故，造成8 639人死亡[1]。電動(dòng)兩輪車(chē)作為中國(guó)廣泛使用的交通工具，具有靈活、體積小、易操作等特點(diǎn)[2]，研究汽車(chē)與電動(dòng)兩輪車(chē)碰撞場(chǎng)景，對(duì)避免該類(lèi)事故發(fā)生具有重要意義。

學(xué)者們針對(duì)電動(dòng)兩輪車(chē)事故場(chǎng)景已進(jìn)行了大量研究，為測(cè)試場(chǎng)景的制定和騎車(chē)人安全防護(hù)起到一定促進(jìn)作用。CATS[3-5](Cyclist-AEB Testing System) 項(xiàng)目通過(guò)對(duì)歐洲真實(shí)碰撞數(shù)據(jù)開(kāi)展描述性統(tǒng)計(jì)分析，開(kāi)發(fā)了兩輪車(chē)自動(dòng)制動(dòng)系統(tǒng)的測(cè)試場(chǎng)景，但場(chǎng)景難以適用于中國(guó)的道路環(huán)境。范天賜等[2]通過(guò)對(duì)比歐洲兩輪車(chē)測(cè)試場(chǎng)景，提取出了適用于中國(guó)大陸的兩輪車(chē)典型場(chǎng)景。SUI Bo 等[6-7]基于中國(guó)深度事故研究數(shù)據(jù)(China Accident in-depth Study Program，CIDAS)，采用聚類(lèi)分析方法提取了典型場(chǎng)景，但由于缺乏事故視頻等關(guān)鍵信息，導(dǎo)致分析速度時(shí)僅采用限速標(biāo)志上的數(shù)據(jù)，從而得到的電動(dòng)兩輪車(chē)事故測(cè)試場(chǎng)景存在明顯不足。PAN Di 等[8]基于道路弱勢(shì)群體交通事故數(shù)據(jù)庫(kù)(VRU TRaffic Accident database with Video, VRU-TRAVi)中的630 例具有視頻信息的電動(dòng)兩輪車(chē)事故，估算了碰撞速度范圍并考慮了視覺(jué)障礙，提取了有視覺(jué)障礙的典型場(chǎng)景，豐富了電動(dòng)兩輪車(chē)的自動(dòng)緊急制動(dòng)(autonomous emergency braking，AEB) 測(cè)試場(chǎng)景，但對(duì)視覺(jué)障礙事故的詳細(xì)特征缺乏深入分析。D. Ito 等[9-10]進(jìn)一步分析了視覺(jué)障礙情況下的碰撞時(shí)間(time to collision，TTC)閾值，發(fā)現(xiàn)當(dāng)TTC ＜ 1.2 s 時(shí)，駕駛員采取避撞措施也無(wú)法避免事故的發(fā)生。金錢(qián)錢(qián)等[11]分析了有無(wú)視覺(jué)障礙場(chǎng)景下的TTC，得出了有視覺(jué)障礙事故的TTC 比無(wú)視覺(jué)障礙的TTC 減少0.15～0.25 s。上述學(xué)者對(duì)視覺(jué)障礙的研究雖有所涉及，但仍缺少對(duì)電動(dòng)兩輪車(chē)視覺(jué)障礙場(chǎng)景下事故特征的具體分析。

此外，相較于直行道路，汽車(chē)與電動(dòng)兩輪車(chē)在十字路口和交叉路口更易發(fā)生事故[12]。然而，上述研究均未考慮十字路口特定場(chǎng)景下的視覺(jué)障礙。由于在十字路口處的綠化帶、建筑物以及等待車(chē)輛較多而形成了諸多種類(lèi)的視覺(jué)盲區(qū)，導(dǎo)致在十字路口處事故占比更多[13-14]。因此。本文對(duì)道路弱勢(shì)群體交通事故(VRUTRAVi)數(shù)據(jù)庫(kù)中帶有視頻信息的510 例電動(dòng)兩輪車(chē)事故案例進(jìn)行梳理，對(duì)十字路口處的障礙物類(lèi)型、事故場(chǎng)景和車(chē)輛違規(guī)等情況進(jìn)行分析總結(jié)，得出汽車(chē)與電動(dòng)兩輪車(chē)典型碰撞場(chǎng)景，為視覺(jué)障礙場(chǎng)景下的汽車(chē)主動(dòng)安全技術(shù)研究提供理論基礎(chǔ)和參考依據(jù)。

1 研究方法

1.1 數(shù)據(jù)樣本

本文所用的案例來(lái)源于VRU-TRAVi 數(shù)據(jù)庫(kù)[8,15]。事故視頻篩選原則如下：1) 事故為交通意外，而非人為因素； 2) 視頻播放流暢，幀率正常，無(wú)倍速處理； 3) 視頻清晰，能清晰地展示直觀(guān)道路信息和視覺(jué)障礙情況。最終，從VRU-TRAVi 數(shù)據(jù)庫(kù)的1 482 例汽車(chē)與電動(dòng)兩輪車(chē)的碰撞事故中篩選了510 例在十字路口視覺(jué)障礙場(chǎng)景下的電動(dòng)兩輪車(chē)事故。

1.2 交通違規(guī)情況及場(chǎng)景統(tǒng)計(jì)

根據(jù)PAN Di 等[8,16]對(duì)VRU-TRAVi 數(shù)據(jù)庫(kù)中的汽車(chē)與電動(dòng)兩輪車(chē)典型場(chǎng)景的聚類(lèi)分析結(jié)果，將視覺(jué)障礙物類(lèi)型劃分為固定障礙物、可移動(dòng)障礙物。在本研究中，由于可移動(dòng)障礙物事故案例較多，進(jìn)一步將障礙物出現(xiàn)的位置細(xì)分為相鄰車(chē)道和非相鄰車(chē)道。同時(shí)，針對(duì)交通違規(guī)多發(fā)的情況，對(duì)汽車(chē)和電動(dòng)兩輪車(chē)的違規(guī)情況(無(wú)信號(hào)燈路口超速行駛、闖紅燈、逆行及其他)進(jìn)行了統(tǒng)計(jì)分析。

1.3 速度和距離估算方法

速度和距離的估算方法主要有傳統(tǒng)的交通事故技術(shù)分析法[17]、直接線(xiàn)性變換理論[11]和逐幀分析法[18]，傳統(tǒng)的交通事故技術(shù)分析法的計(jì)算結(jié)果誤差較大，多用于估算無(wú)視頻的事故車(chē)速信息。本文采用直接線(xiàn)性變換理論和逐幀分析法分別對(duì)汽車(chē)和電動(dòng)兩輪車(chē)之間距離和碰撞速度進(jìn)行估計(jì)[18]，其中用到的坐標(biāo)系轉(zhuǎn)換如圖1 所示。

圖1 坐標(biāo)系轉(zhuǎn)換示意圖

圖1 為某十字路口處視覺(jué)障礙場(chǎng)景下的電動(dòng)兩輪車(chē)碰撞事故案例的第127 幀時(shí)刻的位置圖，以O(shè)點(diǎn)為物方坐標(biāo)原點(diǎn)建立坐標(biāo)系。通過(guò)O、A、B、C等4 點(diǎn)的實(shí)際坐標(biāo)(X，Y)和像素坐標(biāo)(u,v)，求解出坐標(biāo)轉(zhuǎn)化系數(shù)l1，l2，…，l8，進(jìn)而得出物方坐標(biāo)與像素坐標(biāo)的轉(zhuǎn)換關(guān)系式(1)和式(2)。

1.4 TTC 估算方法

D. Ito 等[9]通過(guò)行車(chē)記錄儀采集到的車(chē)輛信息，對(duì)障礙物后面的騎車(chē)人出現(xiàn)在視線(xiàn)范圍內(nèi)的時(shí)刻和該時(shí)刻下的人-車(chē)相對(duì)距離計(jì)算碰撞時(shí)間(TTC)值。本研究參考此方法，將電動(dòng)兩輪車(chē)(ETW)首次出現(xiàn)在汽車(chē)的探測(cè)范圍定義為初始時(shí)刻，且不考慮傳感器探測(cè)范圍視場(chǎng)角(field of view，F(xiàn)OV)的影響[19]，采用直接線(xiàn)性變換理論計(jì)算該時(shí)刻下汽車(chē)速度以及汽車(chē)和ETW的相對(duì)距離，進(jìn)而計(jì)算得出TTC。

如圖2 所示，定義汽車(chē)在縱向行駛方向上到達(dá)軌跡交叉點(diǎn)的時(shí)間為T(mén)TCx，即縱向碰撞時(shí)間，ETW 在橫向行駛方向上到達(dá)軌跡交叉點(diǎn)的時(shí)間為T(mén)TCy，即橫向碰撞時(shí)間。計(jì)算式分別為：

圖2 場(chǎng)景模型

其中：vcar、vETW為汽車(chē)探測(cè)到ETW 時(shí)二者的瞬時(shí)速度，L為汽車(chē)探測(cè)到ETW 時(shí)二者的相對(duì)距離，θ為汽車(chē)與ETW 之間的方位角。

本研究中采用TTCx值作為T(mén)TC 值[20]：

2 結(jié)果及分析

2.1 交通違規(guī)及視覺(jué)障礙場(chǎng)景統(tǒng)計(jì)

根據(jù)事故視頻信息，統(tǒng)計(jì)了十字路口處由視覺(jué)障礙引發(fā)的汽車(chē)和ETW 的交通違規(guī)情況[21](見(jiàn)圖3)。510起事故案例中，有382 起事故涉及到ETW 闖紅燈，有38 起涉及汽車(chē)闖紅燈，搶/闖紅燈行為在所篩選出的事故視頻中占比合計(jì)86%；25 起事故為十字路口處無(wú)交通信號(hào)燈的超速行駛（占5%）；16 起事故涉及車(chē)輛逆行（占3%）；28 起交通事故為其他違反交通規(guī)則的情況（占6%）。由此可以得出闖紅燈是造成十字路口障礙物場(chǎng)景下事故發(fā)生的重要因素之一。

圖3 交通違規(guī)類(lèi)型

在實(shí)際交通事故中，障礙物種類(lèi)繁多，對(duì)事故產(chǎn)生較大影響[22]。通過(guò)對(duì)篩選出的事故視頻分析，得出障礙物種類(lèi)主要包括固定的環(huán)境建筑物，等待、停泊或行駛中的車(chē)輛以及自車(chē)車(chē)身的盲區(qū)。依據(jù)障礙物類(lèi)型將視覺(jué)障礙場(chǎng)景分為固定障礙物和可移動(dòng)障礙物場(chǎng)景。在可移動(dòng)障礙物場(chǎng)景中，可進(jìn)一步細(xì)分為鄰道車(chē)輛和非鄰道車(chē)輛視覺(jué)障礙場(chǎng)景，得出了如圖4 所示的5 種類(lèi)型。

圖4 視覺(jué)障礙場(chǎng)景類(lèi)型

① 視覺(jué)障礙場(chǎng)景Ⅰ(immovable obstacle scenario，IMOS)：十字路口處的固定障礙物阻礙了行駛汽車(chē)的視野，導(dǎo)致汽車(chē)與右側(cè)直行而來(lái)的ETW 發(fā)生碰撞；

② 視覺(jué)障礙場(chǎng)景Ⅱ(movable obstacle in adjacent lane scenario-1，MOALS-1)為十字路處鄰車(chē)道逆向行駛的車(chē)輛阻礙了汽車(chē)的視野，導(dǎo)致汽車(chē)與左側(cè)直行而來(lái)的ETW 發(fā)生碰撞；

③ 視覺(jué)障礙場(chǎng)景Ⅲ(movable obstacle in adjacent lane scenario-2，MOALS-2)：十字路口處同向鄰車(chē)道等待啟動(dòng)的車(chē)輛阻礙了行駛汽車(chē)的視野，導(dǎo)致汽車(chē)與右側(cè)直行而來(lái)的ETW 發(fā)生碰撞；

④ 視覺(jué)障礙場(chǎng)景Ⅳ(movable obstruction in adjacent lane Scenario-3，MOALS-3)：十字路口處同向鄰車(chē)道行駛中的車(chē)輛阻礙了汽車(chē)的視野，導(dǎo)致汽車(chē)與右側(cè)直行而來(lái)的電動(dòng)兩輪車(chē)發(fā)生碰撞；

⑤ 視覺(jué)障礙場(chǎng)景Ⅴ(movable obstacle that is not adjacent lane scenario，MONALS)：十字路口處非鄰道的車(chē)輛阻礙了行駛汽車(chē)的視野，使汽車(chē)與左側(cè)直行而來(lái)的ETW 發(fā)生碰撞。

2.2 不同場(chǎng)景下的碰撞速度分布

圖5 所示為5 種視覺(jué)障礙場(chǎng)景下汽車(chē)與ETW速度分布情況，其中MOALS 場(chǎng)景包含MOALS-1、MOALS-2、MOALS-3 共3 種場(chǎng)景。

圖5 汽車(chē)與ETW 速度分布

由圖5a 可知，由相鄰車(chē)道的車(chē)輛造成的視覺(jué)障礙場(chǎng)景(MOALS)而導(dǎo)致的事故案例較多。通過(guò)車(chē)速累積頻率分布可知，在IMOS、MONALS 與MOALS 場(chǎng)景下的汽車(chē)碰撞速度范圍主要分布在20～50 km/h, 其占比分別為68%、59%和66%(圖中兩虛線(xiàn)之間)。圖5b所示為不同視覺(jué)障礙場(chǎng)景下的ETW 速度及累積分布情況。通過(guò)累積頻率分布可知，ETW 的速度在IMOS、MONALS 與MOALS 場(chǎng)景下，主要分布在10～30 km/h，在此速度區(qū)間的占比分別為79%、81%和86%。

2.3 不同障礙物場(chǎng)景下的TTC 分布

圖6 中顯示了不同視覺(jué)障礙場(chǎng)景的95%置信區(qū)間中的TTC上限、下限及平均值分布。在IMOS 場(chǎng)景中，TTC 的均值為1.17 s。在MOALS 中的TTC 均值最小，主要由于ETW 從相鄰車(chē)道的車(chē)輛后面駛出，二者橫向相對(duì)距離較小導(dǎo)致的。另外，部分案例中的汽車(chē)與ETW 速度較快導(dǎo)致橫向的TTCy較小。在MOALS-1場(chǎng)景中，TTC 的均值為1.02 s。在MOALS-2 場(chǎng)景中，TTC 的均值為0.96 s。在MOALS-3 場(chǎng)景中，TTC 的均值為0.90 s 。在MONALS 場(chǎng)景中，TTC 的均值為1.27 s，該場(chǎng)景下TTC 均值相比于其他視覺(jué)障礙場(chǎng)景更大，主要由于道路情況較為復(fù)雜(障礙物車(chē)輛行駛方向不唯一，位置以及速度多變，視線(xiàn)遮擋范圍也存在多變性)，駕駛員駕駛汽車(chē)時(shí)警惕性更高而反應(yīng)時(shí)間短。此外，在MOALS-3 場(chǎng)景中，其TTC 的上下限范圍較大(上限1.14 s，下限0.66 s)，主要由于該場(chǎng)景為相鄰車(chē)道下的行駛中車(chē)輛造成的視覺(jué)障礙，且速度差異較大而引起的。

圖6 95%置信區(qū)間下的TTC 上限、下限及平均值分布

2.4 不同障礙物場(chǎng)景下緊急制動(dòng)效率

考參PAN Di 等[23]的研究，將汽車(chē)制動(dòng)減速度設(shè)為法規(guī)型0.9g和保守型0.5g兩種，以分析不同障礙物場(chǎng)景下TTC 和汽車(chē)速度(TTC-v)之間的分布(圖7)。在510 起有視覺(jué)障礙的汽車(chē)與ETW 事故案例中，由于自車(chē)視覺(jué)障礙和視頻角度限制無(wú)法估算速度或TTC，有92 起事故未納入制動(dòng)效率分析。在剩余的418 起事故中，當(dāng)制動(dòng)減速度為0.5g時(shí)，僅有182 例碰撞事故可避撞，事故避免率為43%。當(dāng)制動(dòng)減速度為0.9g的緊急制動(dòng)情況下，332 例可避免，86 例不可避免，避免率為79%。為了分析不可避免的原因，圖8 統(tǒng)計(jì)了保守型制動(dòng)減速度0.5g下無(wú)法避撞的236 例事故中碰前汽車(chē)與ETW 的相對(duì)位置分布情況。其中，95%的事故車(chē)輛與ETW 的橫向相對(duì)距離小于10 m，69%的事故車(chē)輛與ETW 的縱向相對(duì)距離小于10 m。因此，汽車(chē)與ETW 的縱橫向相對(duì)距離較小是導(dǎo)致事故不可避免的主要原因。

圖7 TTC-v 分布及避撞情況

圖8 AEB 無(wú)法避撞案例的電動(dòng)兩輪車(chē)位置分布

2.5 典型場(chǎng)景

結(jié)合前人[6,8]對(duì)典型場(chǎng)景的聚類(lèi)結(jié)果，將Euro-NCAP 的自行車(chē)測(cè)試場(chǎng)景[24]與本研究歸納出的5 種存在視覺(jué)障礙的電動(dòng)兩輪車(chē)碰前事故場(chǎng)景(見(jiàn)圖4)以及障礙物類(lèi)型對(duì)比分析，發(fā)現(xiàn)MOALS-3 中對(duì)自車(chē)造成視覺(jué)障礙的行駛中的鄰道車(chē)輛多為剛啟動(dòng)狀態(tài)，與MOALS-2 場(chǎng)景類(lèi)似，故MOALS-2 與MOALS-3 這2種場(chǎng)景合并重新命名為MOALS-S (movable obstacle in adjacent lane scenario-same direction，MOALS-S)，并將MOALS-1 場(chǎng)景重新命名為MOALS-R (movable obstacle in adjacent lane scenario-right-about，MOALS-R)，進(jìn)而得出了4 種不同障礙物類(lèi)型下的場(chǎng)景類(lèi)型。

結(jié)合不同場(chǎng)景下的特征參數(shù)，最終得到圖9 所示視覺(jué)障礙下十字路口處的4 種典型場(chǎng)景，全部發(fā)生在白天。圖9a 為IMOS 典型場(chǎng)景，在該典型場(chǎng)景下，ETW 從固定障礙物后面駛出，與行駛汽車(chē)發(fā)生碰撞，汽車(chē)速度和ETW 速度范圍分別為24～47 km/h 和15～27km/h；圖9b 為MOALS-R 典型場(chǎng)景，在該典型場(chǎng)景下，ETW 從鄰道車(chē)輛的左側(cè)駛來(lái)，相鄰車(chē)道與汽車(chē)行駛方向相反的車(chē)輛造成的視覺(jué)障礙，ETW 與行駛中的汽車(chē)發(fā)生碰撞，汽車(chē)速度和ETW 速度范圍分別為27～46 km/h 和15～24 km/h；圖9c 為MOALS-S典型場(chǎng)景，該典型場(chǎng)景下，ETW 從鄰道車(chē)輛的右側(cè)駛來(lái)，相鄰車(chē)道與汽車(chē)同向行駛的車(chē)輛造成的視覺(jué)障礙，ETW 與行駛中的汽車(chē)發(fā)生碰撞，汽車(chē)速度和ETW 速度范圍分別為27～46 km/h 和15～24 km/h；圖9d 為MONALS 典型場(chǎng)景，ETW 從與汽車(chē)行駛方向垂直的停車(chē)等候車(chē)輛左邊駛出，與行駛中的汽車(chē)發(fā)生碰撞，汽車(chē)速度和ETW 速度范圍分別為18～45 km/h 和16～24 km/h。

圖9 十字路口視覺(jué)障礙情況下的典型場(chǎng)景

3 討 論

本研究所采用的事故視頻均來(lái)源于VRU-TRAVi視頻數(shù)據(jù)庫(kù)，視頻涵蓋情況具有局限性，因此在篩選出的視頻中，有部分視頻無(wú)法對(duì)汽車(chē)以及ETW 的速度進(jìn)行估算，其中包含36 起自車(chē)車(chē)身(如A 柱)造成的視覺(jué)障礙。同時(shí)，視頻庫(kù)中極少包含冰雪及惡劣環(huán)境路面的情況，篩選出的視頻多為晴天和陰雨天，在圖8中采用的0.9g和0.5g的制動(dòng)減速度，未考慮冰雪等惡劣天氣下的路面情況。

根據(jù)上述典型場(chǎng)景下的汽車(chē)與ETW 速度范圍，開(kāi)發(fā)者可根據(jù)IMOS、MOALS-R 和MOALS-S 等3 種場(chǎng)景將AEB 測(cè)試中的汽車(chē)速度范圍設(shè)置在25～50 km/h，ETW速度設(shè)置在15～30 km/h。對(duì)MONALS 場(chǎng)景，汽車(chē)速度和ETW 速度分別設(shè)置在15～45 km/h 和15～25 km/h。同時(shí)，本文相較于前人的研究，增加了對(duì)碰撞速度和碰撞時(shí)間(TTC-v)的分析，在IMOS、MOALS-R、MOALS-S和MONALS 場(chǎng)景下的TTC 值范圍分別為(1.12 s，1.22 s)、(0.88 s，1.16 s)、(0.92 s，1.0 s)和(1.02 s，1.52 s)，可為視覺(jué)障礙下的汽車(chē)避撞系統(tǒng)，如AEB 的設(shè)計(jì)參數(shù)提供參考。

4 結(jié) 論

本文對(duì)十字路口處視覺(jué)障礙下的電動(dòng)兩輪車(chē)(ETW)視頻事故進(jìn)行了統(tǒng)計(jì)分析，對(duì)不同場(chǎng)景下的速度和TTC 進(jìn)行了估算，并研究了十字路口處有視覺(jué)障礙情況下的場(chǎng)景類(lèi)型，得到如下結(jié)論。

1) 通過(guò)對(duì)510 例事故視頻的分析，汽車(chē)與ETW的速度分別集中在20～50 km/h 和10～30 km/h，且95%的碰撞事故均存在交通違規(guī)情況，其中86%的違規(guī)原因?yàn)閾?闖信號(hào)燈通過(guò)十字路口。

2) 研究得到了4 類(lèi)存在視覺(jué)障礙的十字路口處典型場(chǎng)景，分別為固定障礙物場(chǎng)景(IMOS)、相鄰車(chē)道同向行駛的可移動(dòng)障礙物場(chǎng)景(MOALS-S)、相鄰車(chē)道反向行駛的可移動(dòng)障礙物場(chǎng)景(MOALS-R)、非相鄰車(chē)道的可移動(dòng)障礙物場(chǎng)景(MONALS)，可覆蓋84%的事故，具備良好的代表性。

3) 4 類(lèi)場(chǎng)景下TTC 估算均值分別為1.12、1.02、0.96、1.27 s, 汽車(chē)速度范圍分別為24～47 、27～46、27～46、18～45 km/h；電動(dòng)兩輪車(chē)速度范圍分別為15～27、15～24、16～24 km/h。