基于事故重建的行人与骑车人头部损伤的差异性

徐洪震，王 方，胡 林，王 振，李 凡

（1. 厦门理工学院 机械与汽车工程学院，厦门，361024，中国；2. 长沙理工大学 汽车与机械工程学院，长沙，410114，中国；3. 汽车车身先进设计制造国家重点实验室，湖南大学，长沙，410082，中国）

据世卫组织 (World Health Organization, WHO)2018年报道[1]: 全球每年约有135万人死于道路交通事故，一半以上是易受伤害道路使用者（vulnerable road user, VRU），行人死亡率23%，两轮车骑车人死亡率更是高达30%。中国国家统计局数据显示[2]: 2015—2019年，摩托车、电动车、自行车的事故数量和伤亡人数均有上升，见图1。因此，对两轮车事故开展深入研究，对改善交通安全具有重要意义。

行人作为最易受伤的弱势道路使用者[1]，受到广泛关注。为了提高车辆的行人防护性能，已有学者做了努力[3-4]，并通过深入的事故数据调查、尸体实验、假人实验以及仿真分析等方法研究了交通事故中行人的头部损伤来源、生物力学响应及损伤机理[5-7]。2003年欧洲新车评估程序（European New Car Assessment Program，Euro-NCAP）发布行人保护测试评价规程，其中针对最易导致行人严重伤害和死亡的头部，规程中采用简化的头部冲击器撞击车辆前部特定区域，以评估车辆对行人头部损伤防护性能。

研究人员关注两轮车骑车人的损伤防护，考虑建立相应的测试评价规程以评估车辆对其是否友好[8]。人们尝试理清行人与两轮车骑车人头部在与车辆发生碰撞时，碰撞边界条件和损伤响应上的差异，以评估冲击器实验方式是否适用于骑两轮车人的头部保护。

Maki等[9]通过对日本交通事故研究与数据分析研究所(Institute for Traffic Accident Research and Data Analysis, ITARDA)提供的VRU事故数据进行深入分析，并开展数学模拟，发现骑车人的头部碰撞位置和碰撞角度与行人相比有很大差异性。

彭勇等[10]从“德国深入交通事故研究(German indepth accident study, GIDAS)” 数据库中选取22例行人和18例自行车事故，进行事故重建，其研究表明：自行车事故中车辆碰撞速度低于行人事故中的车辆碰撞速度，且骑车人头部AIS2+和AIS3+损伤风险也都低于行人。其中： AIS（abbreviated injury scale）为简明损伤评级标准，从无损伤到死亡，分为6级[11]，是全球通用的用于对损伤严重程度进行评级的方法。

聂进等[12]统计分析了长沙深入交通事故调查数 据 库（in-depth investigation of vehicle accident in Changsha, IVAC）中的338例事故，选取12例行人事故和12例自行车事故进行事故重建，其研究结果表明行人与汽车的头部相对碰撞速度大于骑车人头部相对碰撞速度。

现有文献研究尚存在局限之处。多数研究均只用多刚体动力学来阐述行人和骑车人头部运动学响应差异，很少关注脑组织损伤响应，而实际上在VRU头部损伤中，脑组织变形所致伤害已被证明是创伤性脑损伤的关键诱因[13]。另外，文献中多采用多刚体动力学获得事故边界条件，并将其加载至简易的头部有限元模型，与车辆前部结构碰撞，获得脑损伤响应数据[14-15]。该方法的主要局限在于其忽略了身体躯干对头部响应的影响，并导致低估事故中人体的颅脑损伤风险[16-19]。

针对以上问题，本文基于一系列真实的VRU与汽车碰撞事故，利用多刚体方法进行事故重建，以获取事故中碰撞边界条件，并采用研究团队在前期研究中所构建的有限元-多刚体耦合人体模型对事故中的人体头部/颅脑损伤进行数值再现[20]，该模型可考虑身体躯干对头部/颅脑损伤的影响，且相对于有限元人体模型，在模型的缩放、姿态调整和仿真计算方面具有显著的时间效率优势。基于以上仿真结果，从头部运动学和颅脑损伤响应两方面对两轮车骑车人和行人事故进行更加全面和深入的对比研究。

1 方法与材料

1.1 事故信息

有关车辆、行人、两轮车骑车人和道路环境的详细信息部分来源于长沙深入交通事故调查数据库(IVAC)，共计选取14例两轮车事故和17例行人事故。事故选择依据如下原则：1） 所选事故能明确碰撞位置，能进行事故重建；2） 行人和两轮车骑车人都有头部损伤；3） 两轮车骑车人不戴头盔。

1.2 事故重建

已广泛应用于人体损伤生物力学研究中的事故重建的流程如图2所示[21]。

通常需要根据事故现场草图、事故中人员损伤相关信息、车辆相关信息、目击者信息等，利用多体动力学分析软件（如Madymo软件，mathematical dynamic model)进行事故重建。在重建过程中，通过将仿真结果与事故中车辆和VRU运动学响应、碰撞位置和最终落地位置等进行比较，评估重建结果的有效性。本文所有事故的重建过程均在本团队的前期研究中完成[22]。

1.3 数值模型

1.3.1 多刚体人体模型

行人与骑车人模型采用Madymo软件包中自带的TNO人体模型，TNO为荷兰应用科学研究组织（The Netherlands Organization For Applied Scientific Research），TNO行人模型已经过尸体实验[23]、物理假人实验[24]和基于真实事故的仿真研究[25-27]进行验证，且在行人事故重建和行人损伤研究中得到广泛应用。本文以TNO 的50th百分位成年男性模型和5th百分位成年女性模型作为基础模型，如图3所示。

在事故重建过程中，基于事故中的详细人体参数（包括身高体重等），采用Madymo软件中的人体缩放程序Gebod（generator of body data）对TNO标准模型进行缩放，得到每个事故中VRU的个性化多体模型。

1.3.2 有限元-多刚体耦合人体模型

本文采用研究团队在前期研究中所构建的有限元-多刚体耦合人体模型来获取事故中的颅脑损伤响应参数，该模型可考虑身体躯干对头部/颅脑损伤的影响，且已在前期研究中采用文献中的尸体实验和真实的行人碰撞事故进行了有效性验证[20,28]，该模型的构成通过采用成熟的有限元头颈模型结合多体躯干/下肢模型来实现，如图4所示。

1.3.3 车辆模型

事故中的两轮车模型均采用Madymo软件，用椭球形多刚体建立，建模所需的质心位置、转动惯量依据相关文献资料[29]确定，其他主要参数如外廓尺寸、轴距、质量则参照事故中两轮车的实际参数进行设置。

采用与上述类似的方法，事故中的汽车模型亦是根据实际车辆的具体结构和几何尺寸在Madymo中用椭球模拟建立，汽车前部结构的刚度特性参数均参考文献[3,30]或Euro-NCAP中类似车型的试验结果[31]进行定义。本文构建的典型两轮车模型和乘用车模型如图5所示。

1.4 头部运动学参数和颅脑损伤参数

在完成前期事故建模和运动学重建和颅脑损伤再现后，本文分别从头部一次碰撞（即与车辆前部结构的碰撞，如挡风玻璃、发动机罩等）边界条件、运动学响应和颅脑损伤响应等方面，对行人和两轮车骑车人的碰撞响应进行差异性分析研究。在头部一次碰撞边界条件中，本文主要关注车辆碰撞速度、与现行行人保护规程相关的头部与车辆相对碰撞速度和碰撞角度；选取了常用的头部损伤准则(head injury criterion, HIC)和头部旋转损伤准则(rotational injury criterion, RIC)来表征头部整体损伤响应。

颅脑损伤分为2类：局灶性脑损伤和弥漫性脑损伤[32]。弥漫性脑损伤容易导致严重的损伤风险，其中最常见为弥漫性轴索损伤(diffuse axonal injury, DAI)， DAI与脑组织变形有直接关系。本文选取累计应变损伤测量准则(cumulative strain damage measure, CSDM)[33-34]和最大主应变[32-33](maximum principal strain, MPS)来进行差异性分析。

2 结 果

2.1 边界条件对比

2.1.1 碰撞车速

行人与骑车人碰撞事故中，碰撞时的车辆运行速度（或车辆碰撞速度）各区间的案例数量分布对比情况，如图6所示。由图6可见：两轮车事故中的车辆碰撞速度普遍低于行人事故。

2.1.2 头部相对碰撞速度和角度

行人/骑车人头部与车辆前部结构（如发动机罩、挡风玻璃等）发生碰撞时刻相对车辆的运动边界条件，与头部所受到冲击载荷的严重程度有直接关系，并决定头部损伤响应；同时，在现行的主流行人安全测试评价规程[35]中成人头部损伤评价亦是通过对标准的头部冲击器定义一定的初始碰撞速度和角度来进行冲击试验来实现。

图7 出了骑车人/行人在与车辆碰撞时刻的相对速度（vre）与骑车人头部碰撞角度(α)对比情况。

如图7所示：行人头部相对碰撞速度的波动范围要比骑车人头部更大，且整体区间要高于骑车人头部。两者均明显高于主流测试评价规程中的40 km/h[35]。行人头部碰撞角度分布范围总体较骑车人头部更高，行人头部碰撞角度的均值和中位数值均比骑车人大，且两者均低于目前行人事故中头部保护测试规程中的65°[35]。

2.2 头部整体损伤响应对比

头部损伤准则HIC是车辆安全标准/程序中用于评估头部损伤严重程度的常用损伤准则, 头部旋转损伤准则RIC准则与HIC相似，不同之处是它使用的是旋转加速度非线性加速度。图8展示了行人与骑车人HIC15（累计计算时间为15 ms）和RIC数值对比情况。

由图8可见：两轮车事故所致骑车人HIC15点值分布中，两个统计离散点数值异常高，大大拉高了骑车人HIC15平均值，使得其均值比行人大，而如果关注中位数，可见行人的HIC15中位数值比骑车人大，且行人HIC15值的整体分布范围整体较骑车人更高。这与2.1.2中人体与车辆相对碰撞速度的分布规律吻合得较好，意味着头部相对碰撞速度会在一定程度上影响其头部损伤响应。

图8 中，RIC的分布规律除了个别离散点外，与HIC的分布类似，同时，行人RIC不论是中位数还是平均值，均略大于骑车人，虽然两者并未存在本质上的差异。

2.3 颅脑损伤响应对比

累计应变损伤测量准则CSDM是指最大主应变超过某一预设阈值的颅脑组织占整个脑组织的体积百分比，一般阈值为0.15或0.25，标记为CSDM0.15和CSDM0.25。

图9 为行人和骑车人CSDM损伤值的对比情况，可见，骑车人的CSDM0.15、CSDM0.25损伤值波动范围较行人更大，但行人的CSDM0.15、CSDM0.25平均值比骑车人大，尤其是CSDM0.15差异显著。

最大主应变MPS是指脑组织在碰撞过程中所受最大主应变。为尽可能消除因网格质量引起的应变计算误差，本文选取98百分位的MPS0.98进行分析。

图10 为行人和骑车人头部MPS0.98的对比情况。从图10可知：行人较骑车人其头部MPS0.98损伤值的分布更集中，且平均值和中位数值均较低。

3 讨 论

3.1 碰撞边界条件

从行人与两轮车骑车人事故中的车辆碰撞速度分布（图2）可见：两轮车事故多发生于较中低速的碰撞环境下，造成该现象的一个可能原因在于，相较于行人，骑车人有两个更突出的特征：目标更大和运动可预见性更强，因此汽车驾驶员更容易发现两轮车骑车人，并提前采取相应的措施以避免潜在碰撞事故发生；而行人灵活性更强，在面临交通冲突时，其运动轨迹和状态的突变更难以预测，因此给车辆驾驶员的预判带来较大难度。

图7 表明：行人与两轮车骑车人在其头部与车辆的碰撞状态上存在显著的差异：首先，行人头部碰撞角度较骑车人头部更大。PENG Yong等[10]在2012年基于事故重建得出行人和骑车人的头部碰撞角度分别为46.7°和38.4°，本研究所得到的行人和骑车人头部碰撞角度（分别为50.23°和42.57°）结果与其结论基本一致。另外，行人和骑车人头部相对车辆的碰撞速度差异也较大，行人头部相对碰撞速度大大高于骑车人头部相对碰撞速度，且值得注意的是，两者所展示出来的头部碰撞速度均明显高于目前行人保护实验规程中所用的40 km/h。

3.2 头部损伤风险

本研究通过采用团队在前期针对VRU事故中颅脑损伤研究所构建和验证的有限元-多刚体耦合人体数值模型，对本文所选取事故中的人体头部/颅脑损伤响应进行了数值再现。从结果中可知，在基于运动学响应的HIC15和RIC对比分析中，行人的头部损伤风险要比骑车人高，这与文献中的研究结论基本一致[9-10,12]（见图8）；行人的颅脑累积应变测量准则CSDM分布较集中（见图9），其CSDM0.15和CSDM0.25平均值分别为0.963和0.768，而骑车人的CSDM值均较低，CSDM0.15和CSDM0.25平均值分别为0.886和0.656，结合文献中的颅脑损伤风险曲线[37]可预见，行人在碰撞事故中相对于骑车人会遭受更大的弥漫性轴索损伤风险；而从另外一种颅脑损伤评价准则MPS0.98的分析所得到的趋势正好相反（见图10），骑车人的MPS0.98总体预测值比行人略高（分别为0.303和0.285），意味着骑车人的颅脑损伤风险略大。

4 结 论

本文通过对一系列真实易受伤害道路使用者（VRU）（包括行人和两轮车骑车人）与汽车碰撞事故进行虚拟重建和头部/颅脑损伤再现，从头部碰撞边界条件、运动学响应和颅脑损伤响应3方面对行人和两轮车骑车人的碰撞响应进行差异性分析，并得到了以下结论：

骑车人碰撞事故中的汽车碰撞速度比行人事故中更低；骑车人头部与车辆前部结构（发动机罩和挡风玻璃等）碰撞角度的平均值和中位数值均小于行人，且两者均低于目前行人头部保护测试规程中碰撞角度（65°）；行人头部与车辆前部结构的相对碰撞速度明显大于骑车人事故，且两者均高于目前行人头部保护测试规程中的碰撞速度（40 km/h）。

基于头部运动学响应的头部损伤准则HIC15和头部旋转损伤准则RIC的对比表明：行人的头部损伤风险整体略高于骑车人；根据累计应变损伤测量准则(CSDM)损伤准则，行人的损伤值比骑车人更高，尤其是CSDM0.15，这说明：行人在事故中可能更易遭受严重的颅脑弥漫性轴索损伤风险；而根据最大主应变MPS0.98准则，对比的结果相反，这可能意味着这两种损伤评价准则对于人体颅脑损伤评价的有效性存在一定差异。

本文中的研究结果是对现有VRU头部损伤研究的有益补充，并为行人头部保护测试评价规程的优化提供参考。