轻型卡车与轿车碰撞兼容性：速度变化下的乘员损伤

研究了真实世界事故中、侧面冲击载荷作用下轻型卡车与轿车驾乘人员的损伤位置分布。采用了美国国家汽车取样系统／耐撞性数据库（NASS／CDS）近136万个碰撞兼容性案例，将所有驾乘人员损伤等级分为MAIS0—7和MAIS3＋两种情况，在不同速度下，以涉案撞击车和被撞击车在碰撞前后的速度变化值为变量，分析了乘员不同损伤部位（...     

中型客车驾驶室正碰结构安全性仿真研究

建立半承载式中型客车的正面碰撞有限元模型,采用LS-DYNA软件进行仿真分析。结果表明,该车驾驶室变形较大、完整性较差,需对客车前部吸能结构进行优化设计。     

典型汽车碰撞事故场景中行人运动轨迹预测方法

为提高未来自动驾驶车辆对弱势道路使用群体的感知和决策融合的可靠性，本文提出一种基于目标检测算法（YOLOv5）、多目标跟踪算法（Deep-Sort）和社交长短时记忆神经网络（social-long short-term memory,Social-LSTM）的行人未来运动轨迹预测方法。结合YOLOv5检测和Deep-Sort跟踪算法，有效解决行人检测跟踪过程中目标丢失问题。提取特定行人目标历史轨迹作为预测框架的输入边界条件，并采用Social-LSTM预测行人未来运动轨迹。并对未来运动轨迹进行透视变换和直接线性变换，转换为世界坐标系中的位置信息，预测车辆与行人的可能未来碰撞位置。结果显示目标检测精度达到93.889%，平均精度均值达96.753%，基于高精度的检测模型最终轨迹预测算法结果显示，预测损失随着训练步长的增加呈递减趋势，最终损失值均小于1%，其中平均位移误差降低了18.30%，最终位移误差降低了51.90%，本研究可为智能车辆避撞策略开发提供理论依据和参考。