基于事故影像數據矩陣的事故前車速估算方法研究

何宇桐，趙 東

(1.上海聯合道路交通安全科學研究中心，上海 201804；2.道路交通安全公安部重點實驗室，江蘇 無錫 214151)

1 引 言

當前的交通事故研究中計算事故前車速方法很多，但都需要完整的證據如痕跡或視頻記錄作為計算基礎，在缺乏基礎時推測事故前車速非常困難。通過有視頻數據可以研究在事故前車輛運動的特點進而有針對性的進行分析，綜合多方面因素得出最大概率的事故前車速，改善和提高在缺乏客觀直接證據條件下的車速計算方法和計算精度。在當前中國城市道路視頻記錄的事故及車輛行車記錄儀記錄的事故數據增多的情況，通過基于各種視頻數據分析事故前車輛運動特征，可以解決事故前場景數據真實度代表性問題，利用科學方法構造車速預測函數已經具有可行性。

2 參數指標的確定

道路交通事故數據含視頻案例逐年增加，但是國內的道路監控的功能與事故場景研究需求有差異，大多不能用于事故中車輛精確運動過程分析。大多數道路路口監控主要用于治安，而用于交通違法監管的高清設備中，絕大多數存在“視野范圍小”“視野角度窄”等問題，加上復雜的設備型號和數據格式，能夠用來做精確定量分析的數據只占極小部分，因此必須設定篩選條件，使得視頻數據能夠滿足研究要求，而案例篩選前必須制定參數標準作為篩選條件。

2.1 數據參數確定和案例篩選

(1)事故關鍵參數預選

通過觀察交通事故視頻數據的特點參考已有的研究成果，選擇一批參數作為關鍵分析對象，將重點考慮一些通過視頻才能獲得的獨特數據作為關鍵參數。經過分析，篩選出了10個關鍵參數作為從視頻中的提取目標。這些參數為：X1.車輛通過路口信號距變紅秒數；X2.路口的尺寸；X3.照明光線；X4.路口的限速條件；X5.車輛過停車線瞬間的車速；X6.路面干濕條件；X7.車輛的類型；X8.碰撞對象的類型；X9.碰撞時車速；X10.車輛的減速度；

(2)事故數據格式確定和獲取可行性分析

由于車速是最為關鍵的特征參數，應要求所有的被選數據具有可計算車速的基本條件，為此必須定義規范的車速計算方法流程以及可接受的誤差許可范圍。參考GA/T1133-2014標準可以為每個符合要求的案例計算在某一時刻或某一位置的平均車速。由于大部分案例沒有精確的現場測繪圖，且即便有測繪圖紙的案例，其測繪關鍵位置信息精度也不足以支持計算。因此使用相對車輛幾何尺寸的差分計算方法來估算車速。需要注意的是，由于車輛在視頻中出現的時長限制，并非所有樣本都能夠得到完整的截圖。在有限的視頻長度里，希望截取更多的圖像，以增加精度；越接近碰撞，精度要求越高。計算顯示視頻拍攝與車輛運動的夾角有影響，為盡量減小偏差，只選擇夾角小于45°的視頻數據。除上述內容外，實踐中發現視頻播放必須使用海康威視官方軟件才能正確播放所有視頻資料，其它類型播放器可能存在丟幀，跳幀等錯誤。最終選用了視偵通V2.0.7.426018作為播放軟件。

(3)數據滿足條件要求

考慮研究的必要性，將事故瞬時車速和車過停車線位置車速作為兩個目標參數進行計算。經過觀察還發現一些其它條件無法滿足，如：①事故制動時間與制動位置存在不可在同一視頻同時準確觀察到的問題；②可滿足精確計算車速的案例無法同時準確地觀察到制動時刻；③制動時刻與制動位置無法同時準確觀察；因此必須將數據要求進行調整，以期達到滿足計算的基本要求。

表1 預期影響因素的字段類型整理

2.2 視頻數據矩陣的構建

通過篩選，最終得到了88組滿足大部分要求的視頻，進過對每個視頻按計算標準進行處理。車輛長度和軸距等中間過程計算資料數據不列入表中。通過按標準進行計算處理，得到了一個量化數據矩陣。

數據格式說明：因路口存在信號燈時間差異，把通過停車線瞬間至燈色變紅時間作為條件因素，因其主要影響駕駛人感官，故精度定為1 s；路口具體尺寸難以測量，故表征為汽車行駛通過路口時垂直行駛方向車道數；事故中無論貨車還是大中型客車都有著與小客車顯著的視野差異，故分為小車與大車兩類；統計路口最常見的路口限速為40和60占比為39%和35%；路面干濕程度從視頻難以判斷，故而僅分干濕兩個指標；統計碰撞對象的類型可得到，82%為VRU，18%為其他機動車，考慮到VRU在駕駛員視覺特性與機動車輛的差別故分為兩種。根據以上分析確定每個事故案例獲取的數據字段和格式列表。通過篩選，最終得到88組滿足要求的視頻，通過上文方法處理得到了88×10矩陣。

3 研究參數指標的分析

利用SPSS中的相關性分析工具對X組數據進行相關性分析，得到以下強相關性關聯：

(1)有減速行為的案例中，X1與X5～X4具有強負向相關性；分析認為當X1越小時，汽車越有從下方逼近甚至超過限速值的趨勢；X1的平均值為11.6 s。在無減速的48個案例中，X1全部小于9 s，平均值為5.7 s；符合汽車過路口的綠燈時間窗口下限影響司機對速度選擇。

(2)發現X3與X10有強相關性，X3與X5，X9均無相關性；進一步統計發現夜間事故的車輛減速度均值為5.0 m/s2是日間減速度均值4.2m/s2的1.19倍。

(3)發現X6與X10具有強相關性，濕滑路面制動減速度均值為3.4 m/s2，干燥路面制動減速度均值為4.5 m/s2，雨天平均制動減速度為晴天的0.75倍。

(4)發現X8與X9、X10具有弱相關性，與VRU事故中的速度分布中值為11.9 m/s，減速度分布中值為3.3 m/s2，而與其它機動車事故中的速度分布中值為10.8 m/s減速度分布中值為3.1 m/s2；顯示在與VRU事故中的車速更高，減速度更大。

4 車速預測模型構造

受樣本容量限制，無法就每種情況給出統計規律。對車速變化從三個角度擬合，得出：

(1)單獨按光照條件擬合

夜間車輛碰撞前車速y=5.016 7x+19.409 1 4.4

(1)

日間車輛碰撞前車速y=4.207 9x+17.206 8 4.5

(2)

(2)單獨按碰撞對象擬合

與機動車碰撞前車速y=4.801 4x+16.941 2 4.6

(3)

與兩輪車碰撞前車速y=4.275 2x+18.645 5 4.7

(4)

(3)單獨按路面濕滑程度擬合

濕滑路面 車輛碰撞前車速y=3.401 3x+16.142 5 4.8

(5)

干燥路面 車輛碰撞前車速y=4.527 0x+17.956 3 4.9

(6)

式中:時間為自變量x，單位：s，碰撞前兩秒作為時間原點；車速大小為因變量y；

經過多次獨立迭代試算，得到一個具有一定代表性的預測車速擬合函數：

f(x)=3.6[-4.218 5a1a2a33.6x/K+17.426 9b1b2b3]K/K1

(7)

對函數不變參量整理得到：

f(x)=62.737b1b2b3K/K1-54.67 2 a1a2a3x/K1

(8)

式中，距離為自變量x(m)；車速大小為因變量f(x)；

由于數據條件限制和最大程度的控制精度，函數具有以下使用限制：

(1)事故必須發生在十字路口四條斑馬線包圍的范圍內；

(2)事故從車輛進入視野至事故發生時間小于3 s；

(3)是必須為轎車直行正面碰撞其它參與方的事故；

(4)事故中研究的目標車輛必須有連續減速行為，或假設其持續減速。

5 總 結

通過對視頻數據矩陣的分析，可以得到以下結論，在具本文特征的路口事故中，影響車輛事故前車速的因素主要為光照條件、地面濕滑情況、路口限速條件以及事故碰撞對象；在已知上述情況條件下，可以將上述數據整理為與駛入路口距離的線性方程函數，計算得到預測轎車過停車線瞬間車速。通過案例測試，其計算精度可以滿足一般條件下路口事故車速估算，有一定的應用價值。