汽车工程进展
开放获取

抽象的

土耳其一起交通事故分析

Yilmaz AC、Cigdem AC 和 Aydin K

自 1983 年以来，第 2918 号《土耳其公路交通法》一直是土耳其交通事故的参考立法。尽管该法案包含多种解释和定义，但它仍然存在缺陷，特别是在对交通事故分析至关重要的故障率定义方面。由于事故发生时对故障率的定量说明不够，事故专家大多根据自己的主观能动性来确定故障率，没有对事故进行科学分析。事故涉及的速度分析在事故调查中发挥着重要作用。可以定义更全面的参数“能量当量速度”来解释变形能量的耗散和严重性以及车辆上形成的挤压量，这也给出了故障率的提示。在这项研究中，从事故现场样本（警方报告、刹车痕迹、变形情况、挤压深度等）中收集了可访问的数据，并将其用作名为“vCrash”的事故重建软件的输入，该软件能够以 2D 和 3D 方式模拟事故场景。使用 784 个参数实现能量当量速度计算，但存在预测误差。基于使用这些参数作为模型的教学数据，利用多层前馈神经网络和广义回归神经网络模型来估计能量等效速度（碰撞前的速度，即没有防滑痕迹的情况）。其目的是，通过受益于这些神经网络方法，可以避免使用昂贵的模拟软件来处理未来可能发生的事故。为了观察神经网络模型的性能，还使用数据集上的 5 倍交叉验证来分析估计的标准误差（均方误差）和多重相关系数。据观察，一般来说，多层前馈神经网络模型在能量等效速度和故障率分析方面都能产生更好的结果。基于模拟结果（能量当量速度和变形）和故障率规模的假设，通过假设特定参与的能量当量速度的每个预定增量与同一故障率的特定增量的对应关系，在预测模型上估计故障率。参与提出科学、系统的方法并弥补该法案的缺陷。还使用数据集上的 5 倍交叉验证来分析估计的标准误差（均方误差）和多重相关系数。据观察，一般来说，多层前馈神经网络模型在能量等效速度和故障率分析方面都能产生更好的结果。基于模拟结果（能量当量速度和变形）和故障率规模的假设，通过假设特定参与的能量当量速度的每个预定增量与同一故障率的特定增量的对应关系，在预测模型上估计故障率。参与提出科学、系统的方法并弥补该法案的缺陷。还使用数据集上的 5 倍交叉验证来分析估计的标准误差（均方误差）和多重相关系数。据观察，一般来说，多层前馈神经网络模型在能量等效速度和故障率分析方面都能产生更好的结果。基于模拟结果（能量当量速度和变形）和故障率规模的假设，通过假设特定参与的能量当量速度的每个预定增量与同一故障率的特定增量的对应关系，在预测模型上估计故障率。参与提出科学、系统的方法并弥补该法案的缺陷。据观察，一般来说，多层前馈神经网络模型在能量等效速度和故障率分析方面都能产生更好的结果。基于模拟结果（能量当量速度和变形）和故障率规模的假设，通过假设特定参与的能量当量速度的每个预定增量与同一故障率的特定增量的对应关系，在预测模型上估计故障率。参与提出科学、系统的方法并弥补该法案的缺陷。据观察，一般来说，多层前馈神经网络模型在能量等效速度和故障率分析方面都能产生更好的结果。基于模拟结果（能量当量速度和变形）和故障率规模的假设，通过假设特定参与的能量当量速度的每个预定增量与同一故障率的特定增量的对应关系，在预测模型上估计故障率。参与提出科学、系统的方法并弥补该法案的缺陷。