我們利用參數(shù)化的人體有限元模型分析并建立交通事故中關鍵參數(shù)與乘員傷亡結果的映射關系，意在使用智能交通下感知到的大量信息來提高乘員的安全性。論文新近發(fā)表于 International Journal of Crashworthiness，論文第一作者為楊賽超博士，通訊作者為清華大學周青教授。該研究依托清華大學與豐田汽車的合作項目。

參數(shù)選擇、仿真矩陣設計及參數(shù)化模型的建立

模型的參數(shù)化主要體現(xiàn)在三個方面：車輛模型、乘員模型以及碰撞波形。為了得到正面碰撞的乘員損傷風險預測模型，首先需要明確預測模型的自變量。影響乘員傷害結果的因素有很多，在一次研究中不可能全部考慮，故基于對現(xiàn)有文獻的整理，選取了一些有代表性且對損傷有明顯影響的參數(shù)，包括了對乘員特征、約束系統(tǒng)強度，以及碰撞強度的描述。具體為六個參數(shù)：碰撞速度、乘員身高、乘員身高體重指數(shù)BMI、座椅位置、乘員軀干角度和安全帶限力水平。

依據(jù)中國人體測量數(shù)據(jù)庫中的參數(shù)范圍確定本研究中身高和BMI的范圍分別為1500-1800mm和20-30。此外，乘員坐姿的范圍包括在車輛標準坐姿基礎上進行軀干角度±10°以及座椅前后位置±100mm的變化，座椅前后位置和椅背角度影響人體上身軀干角度和下肢伸展程度。安全帶限力水平參數(shù)設置范圍為2-5kN，碰撞速度為30-70km/h。在該碰撞速度范圍內的碰撞事故所導致的MAIS 2+和MAIS 3+的傷害概率分別為17%至87%和4%至55%，覆蓋從輕傷到重傷的范圍。

考慮到有限元計算成本較大，為了控制算例個數(shù)，仿真矩陣按照序貫抽樣（Sequential sampling）設計，共兩步，分別為正交試驗設計（Orthogonal experimental design）和中心復合設計（Central composite design）。首先采用正交試驗設計生成了27個仿真算例，主要研究參數(shù)對損傷結果影響的主效應和參數(shù)之間的一些交互效應；然后基于這一步的結果分析，使用中心復合設計生成36個補充算例，重點關注具有顯著交互效應的參數(shù)。

損傷預測函數(shù)的擬合與參數(shù)影響分析

使用序貫抽樣方法，回歸過程分兩步完成。在完成步驟1中正交試驗設計的仿真后，可以對其生成的損傷結果進行回歸，得到“損傷預測函數(shù)I”，即用碰撞車速、身高、BMI、座椅位置、軀干角度、安全帶限力水平來回歸HIC、BrIC、Nij、Dmax/胸部厚度和股骨截面力。在回歸中比較了三種常見函數(shù)形式的擬合效果，分別為二次函數(shù)、雙曲函數(shù)和對數(shù)函數(shù)。使用逐步回歸（Stepwise regression）的方法，每一步將當前得到的回歸函數(shù)中與損傷結果相關性低（p值>0.05）的參數(shù)去除，保留相關性高（p值≤0.05）的參數(shù)，進行回歸迭代，直至回歸函數(shù)中所有項的p值均不大于0.05。計算三種回歸函數(shù)的歸一化均方根誤差（Normalized Root Mean Squared Deviation，NRMSD）以表示回歸的精度。在三種函數(shù)形式中，二次函數(shù)的擬合效果最好，NRMSD最低，為16±5%。

通過參數(shù)分析可了解事故參數(shù)對人體各關鍵部位產生損傷的相關程度。碰撞車速對顱骨損傷有顯著影響。當碰撞車速從30km/h變?yōu)?0km/h時，平均HIC值從50變?yōu)?00，AIS 2+損傷風險從0.2%增加到25.8%。碰撞車速為30km/h時，大部分算例中乘員的HIC均低于200，所對應的AIS 2+的損傷風險低于7.5%，這表明在此車速下，即使乘員的體型與坐姿存在差異，但其顱骨的受傷風險均較低。下圖顯示了碰撞速度為30km/h、50km/h和70km/h的情況下頭部加速度曲線的比較，計算了不同速度下加速度曲線的平均值和標準差并以曲線與陰影域的形式進行了展示。50km/h碰撞車速下頭部加速度曲線的平均峰值約為50g，而碰撞速度為30km/h時僅為20g。通過仿真過程的圖示可以看出，30km/h碰撞速度的仿真中，頭部與氣囊的接觸較弱，短暫接觸后，頭部因安全帶的拉拽而回彈。相比之下， 50km/h碰撞速度的仿真中，頭部與氣囊的接觸較強，并在與氣囊的接觸過程中發(fā)生了明顯的扭轉。

在損傷預測中，BrIC是常見的用于表征腦損傷的指標。結果表明，所有算例中約有25%的乘員受到較高的腦損傷，AIS 2+腦損傷風險概率大于86.6%且AIS 3+腦損傷風險概率大于56.2%。頸部受傷風險相對較低，AIS 2+損傷風險在12.6%至22.8%之間。隨著BMI從20增加到30，平均的Dmax/胸部厚度從8.2%變?yōu)?0.7%，胸部AIS 2+損傷風險從26.5%增加到31.8%。大多數(shù)仿真中股骨受力均小于5kN，代表股骨斷裂的概率小于3.9%，這與多數(shù)車輛碰撞試驗中的結果一致。

研究意義

隨著智能車輛中搭載了日益增多的傳感系統(tǒng)，車輛能夠實時探測車內人員的體征姿態(tài)信息，碰撞來臨時也能在一定程度上估計碰撞形式和碰撞強度。通過本研究建立的方法和模型給出乘員、約束系統(tǒng)、以及事故類型等參數(shù)對損傷結果的影響，有助于車輛安全系統(tǒng)在事故前的臨撞狀態(tài)下調配約束系統(tǒng)構型、在事故中施加約束載荷以及在事故后為救援提供傷情信息，形成針對車內人員狀態(tài)和預判碰撞強度的最佳保護策略和手段，這也是車輛主被動一體化安全系統(tǒng)的重要組成部分。本團隊在此方向上進行了多年研究，開發(fā)了配套算法和智能約束系統(tǒng)裝置樣機，并建立了不同身材和坐姿且具有中國人群體征的有限元人體模型庫。我們期待與汽車企業(yè)合作將該技術應用到智慧座艙產品上。

參考文獻

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.