基于运动姿态采集的车辆交通事故数据分析与应用

王立颖， 李亚辉

(辽宁警察学院治安管理系， 辽宁大连 116036)

0 引言

随着社会现代化的发展，汽车已经走进千家万户。国家在道路交通基础建设中的巨额投入，使得道路特别是高速公路里程有了突飞猛进的增长。道路交通在推动我国经济发展的同时，也增加了很多安全隐患，道路交通事故就是其中重要的一项。

我国一、二线城市由于越来越复杂的交通状况，现在纷纷建立起了智能交通系统，实现多种交通数据采集、共享和应用。目前在交通事故处理和预防方面信息化手段的运用越来越多，并不断有新的研究成果出现。蔡暘等[1](2016)提出以驾驶员性别、年龄、驾龄、车辆状况、等静态特征变量为基础的事故发生可能性评分卡，能够较好地预测事故发生的概率；何明[2](2009)、杨剑红[3](2017)、杨东红[4](2017)均提出了利用数据挖掘技术分析交通事故发生的频繁因素集,发现交通事故数据中存在的关系和规则,从而为交通事故预警和管理提供数据决策支撑。在众多技术方法和手段中，运用实时、连续、动态的车辆运行数据进行交通事故处理与预测的研究很少见到，主要是数据采集较难。随着物联网技术进步和运动姿态传感器的出现，建立基于车辆运行数据的交通事故数据分析系统，用一种更加科学的方法剖析交通事故的成因和预防交通事故的发生成为可能。

1 汽车运动姿态与交通事故的关系

1.1 运动姿态与运动姿态的采集

运动姿态是运动物体在运动过程中所表现出的姿态和特征，运动姿态即运动物体的航向、俯仰、翻滚、倾斜等各种角度，运动特征即加速度、角速度等各种运动速度。运动姿态代表了运动物体运动时的瞬时空间状态，是描述物体运动特性的基本数据，这种特性可以是物体因外力作用而产生，也可以是物体内在动力而产生，或内外共同作用而产生，研究物体的运动姿态可以使人们更好地掌控物体的运动特性，为人们服务，如各种交通工具的产生。

物体的运动在人们的设计中变得有规律，为人们带来便利和能量，但物体的运动姿态如果超出设计范围或不是按既定的规律运动，就可能发生事故、危险、危害、损失，因此绝大多数的人类工具的运动姿态需要得到有效控制，这就需要运动姿态采集和分析，通常我们利用运动姿态传感器来采集物体的运动姿态和运动特征。在交通事故数据分析中通常按交通事故的数据特点选择姿态传感器的类型和精度。一般交通事故的分析和再现都会涉及到肇事车辆的加速度、角速度、各种运动角度，因此传感器需要能够同时采集这些数据，因此姿态传感器是首选；另外，根据一般交通事故的经验数据、交通工具的设计特点和事故分析和再现的精度需求，各种姿态角的精度应该控制在0.1度以内，航向角量程0～360度，横滚角量程-180～180度，俯仰角量程-90～90度，倾斜角量程0～90度，加速度精度应控制在0.01 g以内，量程应控制在±8～10 g，角速度精度应控制在100deg/s以内，量程应控制在±1 000～2 000deg/s，采样频率应控制在20～100 Hz，工作温度可以运行在-20～85 ℃之间。表1是本项目试验中所选用的运动姿态传感器采集的上传到服务端的数据格式。其中标题行分别是试验设备号、采集时间、航向角数据、俯仰角数据、横滚角数据、倾斜角数据、X轴加速度数据、Y轴加速度数据、Z轴加速度数据、X轴角速度数据、Y轴角速度数据、Z轴角速度数据，表中姿态角数据均保留小数点后4位，运动特征数据均保留小数点后6位。

表1 项目试验所选用姿态传感器的上位机数据保存格式

1.2 汽车在发生交通事故时的姿态变化

汽车是一个典型的运动物体，当车辆运动时，则Z轴的角速度变化代表了航向，Y轴角速度代表了俯仰，X轴角速度变化代表了横滚，X轴加速度变化代表了加减速，Y轴加速度变化代表了轴向冲击，Z轴加速度变化代表了振动[5]。由于地球磁场影响和角速度的积分累积误差，姿态传感器引入磁力计和加速度计与角速度计共同组成姿态航向参考系统，以正北方向磁场和三轴加速度作为姿态角的参考矩阵，以得到更加准确的姿态数据。图1为三轴运动姿态的图解，通过姿态传感器可分别测得X、Y、Z轴的加速度、角速度值和四种姿态角值。

图1 三轴姿态图解

汽车在道路上正常行驶，运动姿态和运动特征将波动在一个可控制的范围内，当汽车运动姿态突然发生改变，就可能导致交通事故的发生。如汽车急转弯，角速度突然增加，有可能在离心力的作用下而发生侧翻事故；再如汽车在冰雪路面上行驶，轮胎附着力减小，Y轴加速度增加，有可能在横向冲击力的作用下发生侧滑事故。在一起交通事故中，汽车的航向角、俯仰角、横滚角、倾斜角、加速度、角速度在方向上、数值上可能都会发生变化。

1.3 车辆运动姿态数据的处理与分析方法

(1)运动姿态数据的处理过程。运动姿态传感器通常安装于车辆轴线并靠近重心的位置，以利于更准确的采集数据。传感器采集到的数据一般按生产厂家设计的数据格式进行排列，通过车内有线网络传输到车载计算机或通信终端(下称车机)进行存贮，车机将存贮的数据按与上位计算机(一般是监控中心的服务器)约定好的通信协议通过移动互联网向其发送数据，此时数据一般为16进制。上位计算机接收到姿态数据并进行10进制转换，按一定的规律和顺序进行存贮，如表1中所列数据格式。

(2)运动姿态数据的分析方法

①图表分析法。这是一种计算机自动分析的方法，通常我们在监控系统中会预先设定监控车辆正常运行的运动姿态数据域值，所采集的实时数据会绘制成波形，波动在这个域内。当车辆发生事故时，实时数据会发生显著变化，从而突破域值，计算机则进行自动标识和警示。

②模型分析法。这是一种人工和计算机模型共同作用的分析方法。当发生交通事故后，分析人员除通过现场痕迹和物证进行判断外，将采集到的事故发生前和发生时及发生后的姿态数据代入事先设定的数据分析模型，进行肇事车辆的运动过程分析，以获得该车辆的运动轨迹、驾驶员所采取的紧急措施和车辆姿态变化的客观结果，经与现成痕迹和物证的综合比对，进行事故责任认定。

③动态分析法。这也是一种计算机自动分析的方法。当发生交通事故后，分析人员将采集到的事故发生前和发生时及发生后的姿态数据和现场测量数据导入事先准备好的交通事故再现仿真软件系统，在数据驱动下，仿真软件对肇事车辆交通事故的发生过程进行动态模拟，以此再现事故发生的情景，对事故成因和事故责任进行认定。

2 运动姿态数据在交通事故分析和预防中的应用

道路交通事故的发生主要是由两方面引起。一方面是机动车驾驶人自身的原因：如交通违法、危险驾驶或不专心驾驶；另一方面是由于道路的不良环境引起事故的发生。建立运动姿态大数据分析系统就是根据交通事故的特点、车辆的运动姿态、驾驶人的驾驶状态等，研究和预防交通事故的发生。

2.1 交通事故发生前和发生时的姿态数据在交通事故成因和责任认定中的应用

目前的交通事故分析主要依靠物证、人证、现场痕迹、测量和检验数据等进行分析，对事故原因进行推测和责任认定。这种方法已经比较成熟，但也有缺陷，如人证可能说谎、作伪证，物证可能缺失或被伪造，现场痕迹可能被破坏或被更改，测量的人为误差，等等。如果能够引入姿态传感器数据采集、数据存贮和传输，作为一种客观数据，便于保存，误差小，不容易被更改；作为一种连续数据，可追溯。这对于交通事故原因分析和责任认定来说是一种极为有效的手段。表2总结了2种典型交通事故的成因与姿态数据的关系。

表2 典型交通事故成因与姿态数据的关系

表中aX表示X轴加速度，即加速；-aX表示X轴反向加速度，即减速；aY表示Y轴加速度，即侧滑；ωZ表示Z轴角速度，即转向。

如在一次碰撞事故中，肇事车辆被监测到的运动姿态数据在事故发生前一段时间内出现显著异常，表现为X轴出现超出正常范围的巨大反向加速度(车辆正常运动最大刹车加速度为-0.8g，最大加速加速度为0.3g，剧烈碰撞时加速度可超过-5g)，且时间极短，以ms计，在此之前，Y轴加速度呈现单向增加趋势，航向角数据呈现一个方向的增大或减小。通过上述数据表现可以描述出车辆的特征是出现了跑偏，且在碰撞发生前没有刹车动作，根据这种车辆特征可推断出事故的成因是因为驾驶员存在疲劳驾驶或酒驾、毒驾可能，再结合驾驶员讯问和检测，确定是哪一种或多种，事故责任由驾驶员负全责。

以上应用尤其在缺少人证、物证，现场被破坏的情况下，可以准确的描述事故发生前和发生时的车辆状态，科学推断事故成因，正确认定责任。

2.2 交通事故发生前和发生时的姿态数据在事故再现中的应用

事故再现不仅对于事故原因的分析和责任的认定有很大的帮助，而且有利于发现环境、道路、法规、管理方面存在的问题，进而促进交通基础设施建设、交通法规完善和交通管理落实。传统事故再现分析的关键在于发现事故现场上遗留的各种痕迹和物证，如事故现场车辆的位置，事故中受伤害人员情况，事故发生地点的位置，制动印迹，路面情况，事故车辆的损伤部位及损伤情况等。在这些痕迹和物证的基础上，应用有关运动学、动力学的知识和相关的数学计算方法，利用计算机技术，使事故现场一步一步地再现出来。

运动姿态传感器可以采集到车辆发生事故前和发生事故时的车辆运动姿态数据，数据不仅客观，而且在时间上连续。这种连续动态数据相比图片、痕迹、车损等静态数据对车辆的运动轨迹和状态描述更准确细致，相比目击者语言更加客观全面，对于事故再现参数的选取和输入具有更高的准确性，可以帮助事故分析人员更真实地反馈事故发生时和事故发生前的全景状态。图2运用车辆姿态数据模拟了一次两车相撞的事故再现情景。

其中图2(a)是利用两车相撞前、相撞时和相撞后的车速、加速度、航向角、角速度、运动距离和车辆相对位置进行碰撞轨迹模拟计算；

图2(b)是计算过程的动态描述，可以看到两车碰撞瞬间的行驶方向、相遇地点、撞击位置、车辆位移过程。

图2 运动姿态数据在事故再现中的应用

2.3 驾驶行为数据在交通事故预防中的应用

交通事故的发生不仅是道路、天气、交通流等外部因素作用的结果，更多的交通事故是驾驶员不正常驾驶行为或危险驾驶行为引发的，比如超速、急加速、急刹车、急转弯、连续变道、强行超车、疲劳驾驶、注意力分散等等。经过国内外多年的探索，驾驶行为与车辆姿态之间存在有规律的必然联系，不正常的驾驶行为必然导致特异性的车辆姿态变化，因此利用姿态传感器进行车辆运动姿态和特征采集是一种比较可靠且准确的数据来源。监控管理人员可以按事故再现的理论和方法，设计驾驶行为表示模型，根据采集到的车辆姿态数据反馈出驾驶行为的特征，从而评估驾驶行为的安全指数，预防事故发生。

图3是本项目一次真实驾驶行为的记录。计算机利用EXCEL对车辆模拟危险驾驶行为运动姿态数据进行分析形成了波形图，图中4条曲线从上至下分别描述了试验车辆的速度、航向、X轴加速度、Y轴加速度，横坐标代表时间，纵坐标代表数值。图中数据共描述了4个特异性驾驶行为标段。

标段①，通过姿态数据判读可以看出，车速存在先减速后加速的变化，航向角出现单方向连续增大，X轴加速度单方向连续增加，Y轴加速度出现较大波动，可以分析出车辆正在加速变道，结合持续时间，可以得出结论，驾驶员在执行连续变道操作，属于危险驾驶行为。

标段②，通过姿态数据判读可以看出，车速下降为零，航向角保持不变，X轴加速度下降为零，Y轴加速度保持不变，可以分析出车辆处于停止状态，结合持续时间，可以得出结论，驾驶员在执行停车操作，属于正常驾驶行为。

标段③，通过姿态数据判读可以看出，车速存在短时增加变化，航向角出现单方向连续陡变，X轴加速度单方向缓慢连续减小，Y轴加速度出现短时波动，可以分析出车辆正在加速转向，结合持续时间，可以得出结论，驾驶员在执行急转弯操作，属于危险驾驶行为。

标段④，通过姿态数据判读可以看出，车速存在突然为零的变化，航向角出现单方向小角度突然增大，X轴加速度突然单向大幅减小，Y轴加速度没有显著变化，可以分析出车辆出现实然停止，结合车速和X轴加速度数值变化，可以得出结论，驾驶员在执行低速紧急刹车操作，并出现方向跑偏，属于危险驾驶行为。

通过以上车辆姿态数据图表分析得出驾驶员驾驶行为，可以对一个驾驶员进行安全指数评估，加强安全管理和教育，规避可能存在的安全隐患，预防交通事故。

图3 驾驶行为姿态数据分析

3 结语

本文从汽车运动姿态与交通事故的关系入手，分析了汽车发生交通事故时的姿态变化、汽车运动姿态的采集方法和数据处理分析过程；重点论述了以运动姿态数据为核心的交通管理应用，比如在交通事故处理与责任认定、交通事故再现、驾驶行为分析的应用场景，以提高事故处理与责任认定的准确性和全面性，监测与预防交通事故具有较高价值。在本文的研究中，运动姿态数据只是作为交通事故处理的众多数据的一种有效补充，运用数据的手段和方法还停留在传统的统计、仿真和人工判断的模式上，没有给出基于海量数据和新型算法分析的更加智能化的模式。今后需要围绕对运动姿态数据的挖掘、事故处理算法进行更加深入的研究，提出基于动态数据的新的解决方案，运用运动姿态大数据分析为交通事故的预测和安全评估提供理论依据，为处理交通事故提供数据依托。