道路交通事故信息采集技术及应用

赵俊玮，华 珺，刘永涛，魏 朗，徐 鑫

(长安大学 汽车学院， 西安 710064)

由于汽车保有量增加以及驾驶人驾驶行为的差异，道路交通事故总是以一定的随机概率发生。发生道路交通事故之后的处理又是一个复杂的过程，涉及信息采集、事故鉴定、责任判定、现场重建等各个方面。据道路交通事故年报统计，2016年需采集信息的道路交通事故达21.3万起[1]。同时，我国也发起了中国交通事故深入研究CIADS(China in-depth accident study)项目，事故信息种类多达3 027项。由此，快速准确的信息采集变得至关重要：一方面要确保交通流的正常恢复，避免发生二次事故；另一方面要为事故鉴定和现场重建提供最完整、详实的信息资料，保证事故处理结果的公正性和科学性。因此，深入研究不同信息采集技术有着十分重要的意义。

目前，国内学者已开始研究事故信息采集技术及应用。王雪松等[2]对比了中国与美国的事故信息采集标准和采集项目。冯浩等[3]总结概述了交通事故技术鉴定的发展。国内外许多研究人员在事故理论的基础上相继研究了不同的交通事故信息采集技术，如摄影测量技术、视频解算及分析技术以及电子智能技术等，然而对这些采集技术的应用研究相对较少。各类信息采集技术优势明显，各具特色，事故采集正朝着智能信息化、快速准确化的方向发展。为了更好地研究采集技术，提取准确的事故信息数据以规范采集标准和改善道路交通安全，本文首先归纳总结了不同道路交通事故信息采集技术，其次分类阐述了每种信息采集技术的技术特点，随后分析了信息采集技术的应用，最后总结展望了道路交通事故信息采集技术发展趋势。

1 事故信息采集技术分类

道路交通事故信息采集包括现场手工勘查、监控视频提取、汽车事故数据记录器提取等多种信息采集方式。提取内容主要有碰撞位置、运动轨迹、碰撞车速等用于事故分析重建的关键信息。目前，我国规定的《道路交通事故信息采集项目表》包含56项内容，仅凭单种采集方式并不能涵盖所有采集信息[4]。同时，不同采集方式获取的目标信息也不同。事故信息采集的质量决定事故分析重建的可靠性，因此根据采集技术原理的不同，将事故信息采集技术进行分类。不同采集技术分类及特点见表1。

表1 道路交通事故信息采集技术分类及特点

2 基于摄影测量的技术

交通事故现场摄影是现场勘查的重要组成部分，摄影测量可迅速真实地将事故现场的实际状况记录下来，可为分析事故过程和事故原因提供直观可靠的依据。摄影图像提取信息的方法有二维方法和三维方法两类，其中二维图像分析原理如图1所示。本文主要介绍三维方法。三维重建目前分为近景摄影测量与无人机摄影测量两种技术，主要采集事故现场各元素之间的位置、痕迹尺寸及散落物轮廓距离特征等基本信息。

图1 二维图像分析原理示意

2.1 近景摄影测量技术

近景摄影测量技术分为单目式摄影测量和双目式摄影测量两种方式[5]。TUMBAS等[6]提出事故现场单目式摄影测量方法，利用现场拍摄的照片，找到现场拍照时的视点和方位，实现对事故现场的三维重建，但需在现场布置标定物。为了实现无需标定即可进行事故重建，鲁光泉等[7]通过基础矩阵计算和本质矩阵分解，实现了事故图像自标定的三维重建。目前单目式摄影测量技术发展相对成熟，包括标定方式、精度保证、现场图绘制以及计算机软件处理等方面，特别是在三维重建方面取得了明显的进步。OSMAN等[8]将近景摄影测量的事故现场图导入iWitness软件中进行三维重建，与全站仪三维测量坐标对比，前者可达厘米级的三维重建精度。单目式摄影测量能有效拍摄事故细节，如现场痕迹、车辆变形等。LUHMANN等[9]使用近景摄影测量方法估计交通事故后车辆所遭受的变形，结合计算机视觉分析可保证测量的准确性和可靠性。MORALES等[10]通过近景摄影测量车辆点云的几何特征，评估分析车辆在事故中的变形及能量转换，确定汽车撞击固定物的碰撞速度。技术的进步为事故分析提供具体线索，极大地缩短了事故分析时间，但所提取的道路交通事故证据有限。

双目式摄影测量根据现场空间点在其中两张照片上的位置推算出事故现场在实际空间中的三维坐标位置，实现现场的三维重构，具体示意图如图2所示[6]。刘文超等[11]依据双目测距原理完成道路交通事故现场勘测，通过搭建车载式摄影测量勘查系统完成信息采集[11]。但立体相机集成严格，现场勘测布置工作繁琐，勘查过程并不十分灵活，因此近几年在事故现场信息采集中双目式摄影测量技术并未取得实质性应用。

图2 双目摄影图像重建现场空间点

近景摄影测量作为最直接、最简单的方式，可挖掘更多事故信息，包括对车辆变形的勘测、能量转换、速度计算以及计算机视觉分析等方面，从而获得最基本的事故现场信息。但目前事故信息采集的种类与要求越来越多，单纯的近景摄影测量已经满足不了对事故场景信息的提取。

2.2 无人机摄影测量技术

随着无人机航拍技术的发展，道路交通事故航拍图像能有效解决传统测量中无法拍摄事故全景图像、测量时间过长等问题，同时航拍图像能有效勘测道路线形参数，实现事故场景重建，使勘测人员能从全局细致地分析道路交通事故发生全过程。无人机航拍交通事故现场如图3所示。

图3 无人机航拍交通事故现场

在国外，无人机摄影图像已广泛应用于不同场景的三维重建，不仅仅局限于交通事故现场，其相关重建技术较完善，主要有iWitness、PhotoModeler等事故重建软件[12]。国内利用无人机采集事故信息已走在了世界前列。SU等[13]依据正投影原理开发了道路交通事故现场图绘制系统，通过实际事故与传统事故的勘测对比，进行了有效性验证。无人机航拍可获取事故现场全景图，相比传统手工绘制事故现场图，航拍图像作为事故现场图底图，并附以精确的测量结果，是未来事故现场图绘制的一种趋势。STANA等[14]对比了常规勘测和无人机勘测事故现场的方法，表明无人机在现场勘查时间、测量精确度等方面有着效率方面的绝对优势。郑渊茂[15]基于无人机拍摄的高分辨率正射影像，在ArcGIS等软件中快速绘制了交通事故现场记录图，缩短了勘查时间。但无人机航拍还存在航拍高程与分辨率关系、树木遮挡及恶劣天气无法适用等问题。无人机应用于事故现场才刚刚起步，可在事故现场信息采集方面探索更多应用，如恢复道路线型数据、为交通事故现场道路安全评价提供依据等。

3 基于视频解算及分析技术

视频对事故现场的记录有着非常重要的还原作用，也是事故信息采集最关注的证据来源。目前主要分为视频检测器解算及分析、行车记录仪解算及分析两种技术，主要采集事故现场车辆运动轨迹、车辆速度、事故持续时间等事故过程信息，具体流程如图4所示。

图4 视频解算分析流程

3.1 视频检测器解算及分析技术

固定在道路中的视频检测器主要是以俯视视角记录事故现场，可有效还原事故车辆的行驶状态，通过解算视频图像，可重建车辆运动状态参数。ABDEL等[16]通过建立像点坐标系和物方坐标系之间的关系，实现车辆行驶状态重建。对于交通事故中逃逸车辆，事故发生现场采集无法获取有效信息，也可以通过道路所设置的固定视频检测器采集信息并预测运动状态。视频图像的解算及分析关键在于解算可靠性与精度控制，包括帧图像的处理、参照物的选取以及车速最优化计算。

近年来有学者利用视频检测器图像观察驾驶人驾驶行为及弱势参与者运动行为，重建事故参与方运动学状态，对驾驶人及道路弱势参与方行为进行数据挖掘。韩勇等[17]通过分析汽车碰撞骑车人交通事故视频信息，分析骑车人碰撞前后运动学响应，研究骑车人应急姿态，针对性地提出安全对策。

3.2 行车记录仪解算及分析技术

自车行车记录仪主要以驾驶人视角记录事故现场。行车记录仪有时可直接还原事故发生经过，是最有力、最准确的事故现场信息采集方式。陈伟等[18]通过处理自车行车记录仪中的视频图像，计算出车辆在事故场景中的车速。此外对于事故发生现场车辆逃逸、视频检测器无法获取有效信息的情况，可以通过寻求事故发生前后方车辆的行车记录仪提取分析视频图像，采集交通事故现场信息。

视频记录着事故发生时的动态过程，通过解算分析事故视频，提取出的车速、运动轨迹等事故信息会使参与方更加信服。

4 基于电子智能的技术

电子智能技术主要通过快速扫描、提取汽车电子记录信息以及卫星定位等方式采集事故信息，真实准确，具有一定可靠性。主要采集车辆变形、道路环境以及汽车运动状态等关键信息。

4.1 三维激光扫描技术

三维激光扫描仪是结合激光测距和相位差的原理对被测物体快速扫描测量，生成的点云数据可传送至计算机分析处理，具体流程如图5所示。VASSILIOS等[19]研究了三维激光扫描仪在不同分辨率、不同光线条件、不同路面条件下扫描交通事故现场的测量时间以及数据清晰度。林小风[20]设计出道路交通事故车辆车身变形的提取及等效化系统，实现了车辆和事故车辆变形勘测。此外，通过三维激光扫描仪勘查事故现场，可获得事故现场元素点云数据，实现场景三维模型的还原，还可获取事故现场的整体布局、制动痕迹、事故车辆数据，构建事故现场重建图以还原事故发生时的情况。ELISEEV等[21]通过对道路基础设施的三维激光扫描，分析道路交通事故环境信息，以改善交通设施安全。

图5 三维激光扫描信息采集流程

三维激光扫描获取的模型虽然能够量化评判各因素对事故发生的影响，但同时存在勘测操作复杂、数据处理繁琐等问题，因此现场勘测实用性并不强。但车辆变形信息作为易保存信息，并不一定要求在事故现场立即提取，因此三维激光扫描技术在提取车辆变形信息中起着关键性作用。

4.2 汽车事故数据记录器技术

汽车事故数据记录器(event data recorders，EDRs)可有效记录碰撞发生前、碰撞中及碰撞后动态时间序列数据，有效提供了车辆车速以及运动状态等重要信息。EDR数据需通过主机厂或者经过授权的第三方软件才可读取，目前比较普及的解析系统是博世(crash data retrieval，CDR)系统。CDR允许直接连接气囊模块或车载诊断系统标准接口(on-board diagnostic-II,OBD-II)读取碰撞事故数据，具体原理如图6所示。美国国家公路交通安全管理局(NHTSA)定义了EDR强制标准，规定配置中必须记录车辆行驶速度、纵向速度变化等15种基本数据信息以及横向/纵向/法向加速度等30种可自愿配置的车辆参数数据，同时规定了数据存储格式、存储规则以及读取标准[22]。此外，EDR数据还可用于预测乘员的损伤风险以及重建交通事故过程。KUSANO等[23]探索乘员伤害风险预测模型，利用EDR记录数据评判乘员伤情，并及时传输碰撞信息以做出适当的医疗响应。ITO等[24]利用EDR数据对车碰撞自行车的事故原因进行了定量分析。EDR是目前最有效记录车辆运动状态数据的方式，可直接提取分析数据，但由于记录时间较短，数据提取尚无统一标准，在我国还未大规模推广应用。关于EDR的技术规范及实施标准有待我国根据汽车车型组成、交通状况等开展深入研究。

图6 EDR数据读取过程示意图

4.3 GPS技术

在交通事故信息采集中，差分GPS利用已知精确三维坐标的差分GPS基准台求得伪距或位置修正量以修正测量数据，多用于定位事故发生地点[25]，同时测量点位坐标精度高，能满足大部分事故现场测量，还能对交通事故现场进行环境建模，但存在当道路交通事故现场环境有建筑物遮挡时使用效果并不精确的问题。王刚刚等[26]提出利用高精度差分GPS设备替代皮尺作为测距工具，从精度、速度及便携性等方面验证了事故现场快速勘查的可行性和有效性。AYUSO等[27]研究了一家保险公司收集的事故车辆的GPS数据，将驾驶人驾驶模式与保险费用进行相关分析，以确保收支平衡。此外，可补充构建事故信息采集数据库，评判事故黑点，为道路设计改进提供数据支撑。

4.4 智能网联技术

自动驾驶及智能网联车辆的发展，以及各种先进传感器、控制器等电子设备的安装能更加准确地记录车辆运动状态的变化，事故信息采集也会变得更加智能、简单，保障了交通事故救援的有效性和及时性，具体流程示意如图7所示。宝马公司所研发的车载紧急救援系统，乘客可一键报警，服务中心通过智能网联平台确定事故发生位置、事故车型等基本信息，在获取详细信息之后提供精准救援服务。滴滴上线了车内录音服务功能，录音信息将传送至滴滴云平台服务器中，能够采集事故发生前车内语音信息。乔千雄等[28]提出基于云平台和大数据对联网车辆的违法位置信息、驾驶人行为信息进行采集。随着自动驾驶汽车等级的不断提升，事故动态变化过程获取方式将越来越智能，分析事故发生的原因也越来越具体，可从根源上阻止事故的发生，实现零伤亡愿景将不再是口号。

图7 智能网联交通信息采集流程

5 应用分析

事故采集之后信息可应用的场景多样，如构建交通事故信息数据库、重建交通事故发生过程、评价道路交通安全状况以及为自动驾驶汽车提供可能发生的事故场景等来进行测试，从而提升整体道路交通安全水平。事故信息应用场景如图8所示。

图8 事故信息应用场景

5.1 交通事故信息数据库

上述3类采集技术所采集的信息可充分构建交通事故信息数据库。目前信息数据库多停留在简单的信息统计，未来可将事故图片、事故视频、电子数据信息全部存入交通事故信息数据库之中，并且设计专业的事故信息处理系统进行统计分析，通过探究事故发生规律，为预防交通事故发生和改善交通安全提供数据支持。

美国NHTSA(national highway traffic safety administration)主要设立了国家防撞性能数据抽样系统和碰撞事故后果数据评估系统等8个事故信息统计系统，充分发挥了交通事故大数据的作用[29]。我国目前主要通过人工方式将事故信息录入公安部交管局开发的“道路交通事故处理信息系统”中，对事故数据的分析正在从宏观统计层面向微观层面转变[30]，从研究共性问题向个性问题转变。除CIDAS事故数据库之外，国家车辆事故深度调查体系NAIS(national automobile accident in-depth investigation system)也在进行事故信息数据库的构建，主要面向缺陷汽车产品的召回及原因剖析。同时，吉利、长城等多家汽车企业也在构建自己车型的事故信息数据库，以促进汽车主被动安全系统的设计及改进优化。因此，完善的数据库对事故数据的统计和分析有着十分重要的意义，基于数据库系统可以探究事故特征、事故原因以及事故因素的关联程度，也可为自动驾驶汽车开发设计、主被动安全系统优化提供重要的数据支撑。

5.2 交通事故过程分析重建

这3类采集技术的直接目的是为了重建交通事故过程。对于交通事故过程重建专家来说，由于不能及时出现在事故现场，因此道路交通事故的信息采集是供重建专家采用的唯一的现场证据。道路事故过程分析重建主要是对车速、车辆运动状态的鉴定，目前车速鉴定方式主要有计算机辅助软件测算、视频图像解算以及车载记录设备信息提取等几种方式[31]。奥地利HERMANN等开发出PC-Crash系统，通过确定碰撞过程参数，如制动痕迹、车体变形量等可测数据来逆向计算事故过程并实现正向事故重建[32]。WEI等[33]开发了涵盖公安部定义的主要道路交通事故形态的计算分析与模拟重建CrashView系统，通过地面痕迹检测数据和事故车辆参数，如车体质量、车型尺寸等，反算出事故发生前车辆正常行驶速度和碰撞速度，以实现事故重建。

交通事故过程重建的目的在于从空间和时间上确定交通事故每个阶段的过程，并对其分析和评价。随着模拟仿真技术的发展，现代道路交通事故将以三维重建场景以及虚拟现实的形式呈现。准确的事故分析直接影响事故鉴定的公正性，事故重建有助于让事故发生方科学认识事故发生的过程，有利于执法人员科学认定交通事故责任[34-37]。

5.3 道路交通安全状况的改善

这3类采集技术的最终目的是为了改善道路交通安全状况，如：优化道路设计，合理布置道路交通安全设施；提升交通管理水平，对事故多发点进行精准管理；驾驶人行为干预，杜绝危险驾驶行为；进行自动驾驶车辆事故场景仿真测试，促进车辆正向开发等。道路交通事故是由于不同因素耦合发生的，有内在因素，如驾驶人行为、车辆组成结构等；也有外在因素，如自然地理环境、交通状况等。不同因素导致事故严重程度也各不相同，因此对交通事故过程的分析是研究不同事故因素的组合，包含因素组合之后再现的结果，这样才能做到多角度地改善道路交通安全状况。

此外，我国推行的《智能网联汽车道路测试管理规范(试行)》中明确要求，智能网联车辆的测试必须具备车辆状态记录、存储以及在线监控功能，以实现事故还原重建，为智能网联车辆安全系统设计提供改进意见。

6 结束语

上述研究分析表明：摄影测量技术更适合应用于事故第一现场信息采集，可以获取准确的静态信息，可以对事故分析提供初步条件，未来交通事故摄影测量将以近景摄影图像和无人机摄影图像相互结合，以细节与概览相互印证，全方位多角度地摄影图像也是事故场景三维重建的最佳选择。随着我国监控设备的不断布置，使用视频解算进行事故信息采集会更加普遍，同时也是还原事故真相最有力的证据。电子智能技术中汽车事故数据记录器技术与智能网联技术将是目前采集事故数据的新方式，也是目前事故信息采集技术的发展趋势，事故信息的采集也将朝着智能化、准确化方向发展。视频解算及分析技术与电子智能技术更适合转移现场后应用，可以获取动态及事故深度研究所需信息，为事故分析提供了深入条件，如测算速度、位置以及驾驶人驾驶状态。不同技术侧重的采集信息不同，但对于事故现场采集需做到多源信息融合，才能够相互结合、相互补充，完整地表达出事故现场的原始状态，从而完成事故重建。

目前事故现场所采集的信息多用于事故处理和责任认定，对于在研究车辆主/被动安全系统设计、道路基础设施的改进以及驾驶人行为的干预等方面的基础信息还比较欠缺，针对性的采集信息技术有待细化研究。同时，对于事故信息的应用挖掘还存在不足，可探索事故信息在政策制定、保险精算以及安全教育等方面的应用。

在交通事故信息采集技术方面，应积极研究事故人员的伤情采集技术，研究驾驶人及交通弱势者损伤机制，从生物力学角度出发，深入探究影响弱势群体受伤严重度关联因素等，探索如何从根源上减轻对交通弱势的交通伤害，这些问题仍是有现实意义的研究课题，也是研究道路交通安全的重要方向和突破难点。

现有事故信息采集技术虽能采集大部分事故信息，可大致解释事故发生原因，但实际事故分析重建中仍存在信息缺失、勘查误差等问题。未来随着车载传感设备的增多，会及时存储车内外环境数据、车辆运动状态数据、驾驶人行为数据等基本信息，通过多源数据融合可提高事故分析和事故重建效率，以获得更加准确、科学的事故分析和重建结果，相关技术及提取数据有待深入探索和实践。

道路交通事故信息采集对交通事故过程分析及重建起着十分重要的作用。今后不仅要结合具体道路环境与严重程度确定采集方式、规范交通事故信息采集标准，还应提取分析事故数据，为自动驾驶车辆安全系统设计、驾驶人及交通弱势行为干预、道路设计与管理提供一定参考。