考虑乘员体征和姿态的碰撞损伤预测

我们利用参数化的人体有限元模型分析并建立交通事故中关键参数与乘员伤亡结果的映射关系，意在使用智能交通下感知到的大量信息来提高乘员的安全性。论文新近发表于 International Journal of Crashworthiness，论文第一作者为杨赛超博士，通讯作者为清华大学周青教授。该研究依托清华大学与丰田汽车的合作项目。

参数选择、仿真矩阵设计及参数化模型的建立

模型的参数化主要体现在三个方面：车辆模型、乘员模型以及碰撞波形。为了得到正面碰撞的乘员损伤风险预测模型，首先需要明确预测模型的自变量。影响乘员伤害结果的因素有很多，在一次研究中不可能全部考虑，故基于对现有文献的整理，选取了一些有代表性且对损伤有明显影响的参数，包括了对乘员特征、约束系统强度，以及碰撞强度的描述。具体为六个参数：碰撞速度、乘员身高、乘员身高体重指数BMI、座椅位置、乘员躯干角度和安全带限力水平。

依据中国人体测量数据库中的参数范围确定本研究中身高和BMI的范围分别为1500-1800mm和20-30。此外，乘员坐姿的范围包括在车辆标准坐姿基础上进行躯干角度±10°以及座椅前后位置±100mm的变化，座椅前后位置和椅背角度影响人体上身躯干角度和下肢伸展程度。安全带限力水平参数设置范围为2-5kN，碰撞速度为30-70km/h。在该碰撞速度范围内的碰撞事故所导致的MAIS 2+和MAIS 3+的伤害概率分别为17%至87%和4%至55%，覆盖从轻伤到重伤的范围。

考虑到有限元计算成本较大，为了控制算例个数，仿真矩阵按照序贯抽样（Sequential sampling）设计，共两步，分别为正交试验设计（Orthogonal experimental design）和中心复合设计（Central composite design）。首先采用正交试验设计生成了27个仿真算例，主要研究参数对损伤结果影响的主效应和参数之间的一些交互效应；然后基于这一步的结果分析，使用中心复合设计生成36个补充算例，重点关注具有显著交互效应的参数。

损伤预测函数的拟合与参数影响分析

使用序贯抽样方法，回归过程分两步完成。在完成步骤1中正交试验设计的仿真后，可以对其生成的损伤结果进行回归，得到“损伤预测函数I”，即用碰撞车速、身高、BMI、座椅位置、躯干角度、安全带限力水平来回归HIC、BrIC、Nij、Dmax/胸部厚度和股骨截面力。在回归中比较了三种常见函数形式的拟合效果，分别为二次函数、双曲函数和对数函数。使用逐步回归（Stepwise regression）的方法，每一步将当前得到的回归函数中与损伤结果相关性低（p值>0.05）的参数去除，保留相关性高（p值≤0.05）的参数，进行回归迭代，直至回归函数中所有项的p值均不大于0.05。计算三种回归函数的归一化均方根误差（Normalized Root Mean Squared Deviation，NRMSD）以表示回归的精度。在三种函数形式中，二次函数的拟合效果最好，NRMSD最低，为16±5%。

通过参数分析可了解事故参数对人体各关键部位产生损伤的相关程度。碰撞车速对颅骨损伤有显著影响。当碰撞车速从30km/h变为50km/h时，平均HIC值从50变为400，AIS 2+损伤风险从0.2%增加到25.8%。碰撞车速为30km/h时，大部分算例中乘员的HIC均低于200，所对应的AIS 2+的损伤风险低于7.5%，这表明在此车速下，即使乘员的体型与坐姿存在差异，但其颅骨的受伤风险均较低。下图显示了碰撞速度为30km/h、50km/h和70km/h的情况下头部加速度曲线的比较，计算了不同速度下加速度曲线的平均值和标准差并以曲线与阴影域的形式进行了展示。50km/h碰撞车速下头部加速度曲线的平均峰值约为50g，而碰撞速度为30km/h时仅为20g。通过仿真过程的图示可以看出，30km/h碰撞速度的仿真中，头部与气囊的接触较弱，短暂接触后，头部因安全带的拉拽而回弹。相比之下， 50km/h碰撞速度的仿真中，头部与气囊的接触较强，并在与气囊的接触过程中发生了明显的扭转。

在损伤预测中，BrIC是常见的用于表征脑损伤的指标。结果表明，所有算例中约有25%的乘员受到较高的脑损伤，AIS 2+脑损伤风险概率大于86.6%且AIS 3+脑损伤风险概率大于56.2%。颈部受伤风险相对较低，AIS 2+损伤风险在12.6%至22.8%之间。随着BMI从20增加到30，平均的Dmax/胸部厚度从8.2%变为10.7%，胸部AIS 2+损伤风险从26.5%增加到31.8%。大多数仿真中股骨受力均小于5kN，代表股骨断裂的概率小于3.9%，这与多数车辆碰撞试验中的结果一致。

研究意义

随着智能车辆中搭载了日益增多的传感系统，车辆能够实时探测车内人员的体征姿态信息，碰撞来临时也能在一定程度上估计碰撞形式和碰撞强度。通过本研究建立的方法和模型给出乘员、约束系统、以及事故类型等参数对损伤结果的影响，有助于车辆安全系统在事故前的临撞状态下调配约束系统构型、在事故中施加约束载荷以及在事故后为救援提供伤情信息，形成针对车内人员状态和预判碰撞强度的最佳保护策略和手段，这也是车辆主被动一体化安全系统的重要组成部分。本团队在此方向上进行了多年研究，开发了配套算法和智能约束系统装置样机，并建立了不同身材和坐姿且具有中国人群体征的有限元人体模型库。我们期待与汽车企业合作将该技术应用到智慧座舱产品上。

参考文献

Saichao Yang, Qing Zhou, Bingbing Nie, Jisi Tang, Yasuo Yamamae & Tadasuke Katsuhara. A human body model based method for injury risk prediction considering occupant stature and posture. International Journal of Crashworthiness, 2022.