XXXVII CONGRESSO AIAS

AIAS – ASSOCIAZIONE ITALIANA PER L’ANALISI DELLE SOLLECITAZIONI
45° CONVEGNO NAZIONALE, 7-10 SETTEMBRE 2016 – UNIVERSITÀ DEGLI STUDI DI TRIESTE
AIAS 2016 - 674
ANALISI DEGLI INCIDENTI REALI PER LA VALUTAZIONE DELLA
SICUREZZA PASSIVA DEI VEICOLI
D. Vangia, S. Ranfagnia
a
Università degli Studi di Firenze – Dipartimento di Ingegneria Industriale,
Via di Santa Marta 3, 50139 Firenze,
e-mail: [email protected]
e-mail: [email protected]
Sommario
Viene presentato un metodo di analisi del comportamento dei veicoli in incidenti stradali che correla la
severità con la lesività d’impatto utilizzando il piano CMI – Vr, dove il Crash Momentum Index (CMI)
[17] esprime la variazione di velocità per unità di velocità relativa Vr dei veicoli. Su tale piano i luoghi
a pari rischio di lesione sono rappresentati da iperboli equilatere con centro nell'origine e ogni impatto
si traduce, per i veicoli, in due punti distinti a cui corrisponde generalmente un diverso rischio di lesione.
L'analisi del database iGLAD [18], sul piano, evidenzia due regioni nelle quali: I) gli incidenti risultano
intrinsecamente sicuri (massimo MAIS 2 [19]), indipendentemente dalla Vr, II) si riscontrano tutti i
gradi di lesione, ed i vari modelli di veicolo mostrano differenti comportamenti in termini di sicurezza
passiva. Il metodo mostra interessanti potenzialità per la valutazione delle prestazioni dei veicoli e non
richiede, in linea di principio, un campione numeroso di casi relativi allo stesso modello di veicolo.
Abstract
In this paper an evaluation method for vehicles’ behaviour in road accidents is proposed, aimed to
correlate severity and injury of impact using the CMI – Vr plane, where the Crash Momentum Index
(CMI) [17] represents the speed change per unit relative speed Vr. On that plane, the points at equal
injury risk are represented by equilateral hyperbolas with centre in the origin and every impact is
represented by two different points (one for each vehicle) characterized, generally, by different injury
risk. The iGLAD database’s analysis [18], on that plane, highlights two different areas where: I)
accidents prove to be intrinsically safe (maximum MAIS equal to 2 [19]), independently from Vr, II)
every MAIS is observed and the various vehicles models show different behaviour in terms of passive
safety. The proposed method shows interesting potentiality for the evaluation of vehicles performance
and could not require a numerous sample related to the same vehicle model.
Parole chiave: severità di un incidente; urti tra autoveicoli; incidente stradale; rischio di lesione;
sicurezza dei veicoli.
1. INTRODUZIONE
La Commissione Europea si è posta, nel Road Safety Program [1] l'obiettivo di dimezzare il numero di
incidenti mortali nel decennio 2011 – 2020. Tra i punti strategici del programma vi è quello di stabilire
una raccolta dei dati degli incidenti stradali in tutto il territorio europeo, quale strumento per
comprenderne le cause e proporre miglioramenti. Sono stati istituiti, negli ultimi anni, molteplici
programmi mirati a creare database aggregati contenenti dati relativi sia alla tipologia di incidente
stradale, sia sul tipo/entità della lesione degli occupanti (tra cui GIDAS, iGLAD, LIVE, RASIF, ecc.)
45° CONVEGNO NAZIONALE – TRIESTE, 7-10 SETTEMBRE 2016
[2]. Le informazioni contenute nei database permettono di effettuare numerose analisi rivolte al veicolo,
agli occupanti o all’infrastruttura, ed i loro risultati possono fornire input fondamentali per gli operatori
del settore al fine di incrementare la sicurezza stradale. Dal punto di vista delle infrastrutture, l'analisi
dei dati incidentologici permette di evidenziare i contesti stradali più pericolosi, il comportamento dei
sistemi di ritenuta e di sicurezza stradale, mentre dal punto di vista del veicolo e del suo occupante,
consente di evidenziare le situazioni e gli scenari ricorrenti degli incidenti, i comportamenti tipici dei
guidatori e dei pedoni e le prestazioni dei veicoli e dei sistemi di sicurezza attiva e passiva. Per quanto
riguarda la performance dei veicoli, dal punto di vista della sicurezza passiva, è fondamentale
individuare le correlazioni tra la severità dell'impatto e le lesioni subite dagli occupanti. Tali correlazioni
risultano particolarmente utili anche per poter definire e valutare le configurazioni reali di impatto più
pericolose e poter confrontare tali situazioni con le prove standardizzate, sia di omologazione dei veicoli
sia quelle svolte nell'ambito di programmi di assessment per i consumatori (ad esempio le prove
EuroNCAP [3]). Da un'analisi di letteratura emergono la complessità e l'importanza della definizione di
severità di un incidente. Dagli anni '70 ad oggi sono stati sviluppati diversi approcci e diversi indici di
severità o di lesività che possono essere suddivisi schematicamente in due tipi: quelli basati su analisi
statistiche, che definiscono la severità di un incidente in base alla sua probabilità di accadimento o alla
probabilità di lesione, e quelli che definiscono la severità dell'incidente in base a parametri fisici e
parametri legati ai soggetti coinvolti. Dalle principali correlazioni tra severità e lesività di un urto e
emerge che la variazione di velocità ΔV subita da un veicolo prima e dopo l'urto è il parametro più
rappresentativo per predire la probabilità che un incidente risulti lesivo o fatale per i suoi partecipanti [4
– 10]. La figura 1 mostra, ad esempio, la correlazione tra le curve che esprimono il rischio di lesione
(injury risk IR) ricavate dal database GIDAS [10] e il V, considerando gli incidenti distinti per tipo
d’impatto (frontale e laterale con coinvolgimento o meno dell’abitacolo).
Probability
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Side impact - near side
compartment not involved
Side impact - near side
compartment involved
Front impact
0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
V [kph]
Figura 1. Analisi dati GIDAS, MAIS 3+: Injury risk in funzione del tipo d’impatto [10].
Ulteriori modelli valutano la severità d’impatto attraverso la probabilità di accadimento dell’incidente
ed i parametri più rappresentativi, in accordo con [11], sono il Time to Collision (TTC), il Post
Encroachment Time (PET) e il Deceleration Rate (DR). Al diminuire di TTC e PET la probabilità di
accadimento di un incidente aumenta, mentre diminuisce al crescere del DR. In alternativa, in [12], la
probabilità di accadimento di un incidente è modellabile come una funzione di potenza del Time to
Collision. In [13, 14] la correlazione tiene conto della risposta strutturale del veicolo, della cinematica
dell'impatto, e del rischio di lesioni o di mortalità dell'occupante, considerando parametri spesso difficili
da conoscere o stimare quali: velocità d'impatto, rapporto delle masse, energia cinetica del veicolo
colpito, tipo d'impatto, genere, età e posizione dell'occupante, injury severity (fatale o non fatale),
presenza di cinture di sicurezza, airbag e altre variabili indipendenti. Gli approcci statistici, quali il
Folksam method ed il progetto europeo SARAC II [15, 16], valutato la sicurezza passiva dei veicoli in
un incidente effettuando un confronto in termini di ‘crashworhiness rating’ dei differenti modelli di
veicoli, in base alla probabilità di lesione, considerando simultaneamente la resistenza all’urto
(crashworthiness) e l’aggressività dell’impatto. I sopra citati metodi e modelli, necessitando di campioni
di incidenti molto numerosi per ciascun modello di veicolo o di molteplici variabili o dati in-depth spesso
45° CONVEGNO NAZIONALE – TRIESTE, 7-10 SETTEMBRE 2016
non disponibili, mal si prestano ad effettuare un ranking dei veicoli nel caso in cui non si disponga di un
database incidentologico sufficientemente ampio, comprendente anche i veicoli più recenti, ad esempio.
Lo scopo di questo studio è sorpassare tali limiti e presentare un metodo di valutazione della correlazione
tra severità dell'urto e lesività, basato su parametri cinematici senza introdurre variabili soggettive legate
agli occupanti e che sia applicabile per la valutazione della performance di un singolo modello di veicolo
senza dovere effettuare analisi statistiche su campioni molto ampi. Il metodo proposto si basa
sull'utilizzo e sulle potenzialità di un indice sintetico, il Crash Momentum Index (CMI) [17], espresso
come variazione di velocità per unità di velocità relativa, per esprimere la severità potenziale d'impatto.
Il metodo viene illustrato utilizzando il database iGLAD, contenente incidenti avvenuti tra il 2007 e il
2014. Oggetto di questa analisi sono gli incidenti relativi ad urti tra due autoveicoli, con differenti
rapporti delle masse e diverse configurazioni d'impatto (urti frontali, urti laterali e tamponamenti).
2. DATABASE INCIDENTOLOGICO iGLAD
Lo studio proposto è basato sull'analisi di incidenti reali raccolti nel database iGLAD [18]. iGLAD è un
progetto avviato nel 2010 da case automobilistiche europee per armonizzare dati relativi a incidenti
stradali al fine di migliorare la sicurezza stradale e dei veicoli. Ad oggi il database raccoglie informazioni
su circa 2400 incidenti avvenuti nel periodo 2007 – 2014, verificatisi nei paesi aderenti all'iniziativa.
Ciascun incidente viene descritto per mezzo di 93 variabili suddivise in 4 macro – categorie contenenti
informazioni sull’incidente (Accident), sui veicoli coinvolti, i parametri cinematici, etc. (Partecipant),
sulle caratteristiche e lesioni degli occupanti (Occupant) e sui dispositivi di sicurezza installati sui veicoli
e sulla loro attivazione o meno al momento della collisione (Safety System). Nel database le lesioni sono
codificate per mezzo dell'indice MAIS [19], il quale prevede una scala crescente da un valore minimo
di zero, quando non si riportano lesioni, fino ad un massimo di 6, in caso di lesione fatale. Dal database
iGLAD sono stati individuati i casi idonei ai fini della presente analisi considerando:





urti tra due autoveicoli;
occupanti feriti, MAIS >1;
tutte le configurazioni d’impatto;
massa, V e EES dei veicoli, MAIS noti;
massa dei veicoli compresa tra 750 – 2500 kg.
Sono stati eliminati i casi che presentano anomalie, quali morte a causa di malore del conducente prima
dell’urto, incongruenze nei dati cinematici, casi con ribaltamento del veicolo o impatti con oggetti fissi.
I dati a disposizione interessano circa 140 veicoli in cui risultano coinvolti occupanti che abbiano
riportato un grado di lesione MAIS almeno pari a 1. Sono state individuate tre categorie di impatto: a)
urto frontale, che ai fini di questo studio è definito come un danno alla parte anteriore del veicolo e
direzione principale della forza (PDOF) identificata con codifica CDC (Collision Deformation
Classification) [20] le cui risultanti delle forze sono dirette secondo le 11, le 12 e le 13, b) urto laterale,
con codifica CDC 2, 3, 4 per il lato del passeggero e 8, 9, 10 per il lato del conducente, c) tamponamento
rispettivamente con codifica CDC 5, 6, 7. Il campione analizzato risulta composto da 102 auto con danni
nella zona frontale, 24 auto con danni nella zona laterale e 14 auto con danni nella zona posteriore. I
modelli di auto prodotti successivamente all'anno 2000 risultano essere il 74%. Inoltre, in figura 2 sono
riportate le curve che esprimono la probabilità di riportare un determinato grado di lesione MAIS + in
funzione del V, calcolate applicando il modello logistico, i cui coefficienti sono quantificati secondo
il metodo della massima verosimiglianza, tramite la funzione logit. Considerando un livello di
significatività alpha del test pari a 0.05, i risultati di tutte le curve di probabilità mostrano un livello di
significatività p-value <0.0001, a conferma che la relazione tra V e injury risk è statisticamente
significativa.
45° CONVEGNO NAZIONALE – TRIESTE, 7-10 SETTEMBRE 2016
100%
80%
P
60%
40%
MAIS 2+
MAIS 3+
MAIS 4+
MAIS 5-6
20%
0%
0
20
40
60
V [km/h]
80
100
120
Figura 2. Curve di probabilità di lesione in funzione della variazione di velocità V.
Il campione iGLAD utilizzato nel presente lavoro, nonostante la limitata dimensione, risulta
rappresentativo, fornendo risultati 'in linea' con i risultati di altri studi riportati in letteratura [21]. Nel
campione si osserva che, per ciascun valore di CMI i valori di velocità relativa tratta dal database iGLAD
appaiono distribuiti in modo sostanzialmente uniforme all’interno di un intervallo orientativamente
compreso tra i 10 km/h e i 50 km/h. Ciò indica che negli incidenti reali la velocità d’impatto non si
concentra attorno a determinati valori ma copre tutto il range in maniera uniforme.
3. METODOLOGIA E DISCUSSIONE
3.1. Piano CMI - Vr
Il Crash Momentum Index (CMI) [17] è esprimibile ‘a priori’, ovvero sulla base della sola
configurazione presumibile di impatto tra i veicoli, tenendo conto dei fattori di riduzione delle masse γ1
e γ2 [17, 22], del coefficiente di restituzione εi e del rapporto delle masse dei mezzi coinvolti Rm, come:
CMI 
 1 2 (1   i )
( 2   1 Rm )
(1)
‘A posteriori’ può essere valutato attraverso parametri cinematici determinabili a incidente avvenuto, e
generalmente presenti tra i dati contenuti nei database incidentologici, come variazione di velocità per
unità di velocità relativa Vr, considerando la componente della velocità relativa all’impatto lungo la
direzione del ΔV [23]:
CMI 
V
Vr  pdof
(2)
Tale parametro fornisce implicitamente molteplici indicazioni sul tipo di urto, senza la necessità di dover
ricorrere ad alcuna normalizzazione delle masse dei veicoli, come emerso da analisi in letteratura [5],
né tantomeno dover conoscere molteplici variabili legate all'incidente. In base a quest’ultima
definizione, il CMI assume il significato di ‘severità potenziale’ di un urto, infatti a valori più alti di
questo parametro corrispondono valori di V maggiori per unità di velocità relativa d’impatto. In figura
3 sono riportati, nel piano CMI – Vr, i casi analizzati tratti dal database iGLAD, suddivisi per tipologia
d’impatto: frontale, laterale e tamponamento. In un urto, per ogni dato veicolo si ottiene un punto nel
diagramma, caratterizzato da un determinato valore di CMI e di Vr. Per ogni tipo di configurazione
d’impatto si osservano intervalli di CMI caratteristici, indipendentemente dal valore della velocità
relativa: il tamponamento mostra bassi valori del CMI, entro 0.25 circa, l'impatto laterale entro CMI
0.40 e l'impatto frontale entro CMI 0.80.
45° CONVEGNO NAZIONALE – TRIESTE, 7-10 SETTEMBRE 2016
100
Frontal impact
Lateral impact
Rear impact
Vr [km/h]
80
60
40
20
0
0.0
0.2
0.4
CMI
0.6
0.8
1.0
Figura 3. Andamento della configurazione d'impatto, in funzione del CMI e della velocità relativa Vr.
In figura 4, dove i casi sono classificati in base al valore di MAIS, si individua una regione del piano
CMI – Vr nella quale, a prescindere dal veicolo e dal tipo di configurazione di impatto, il grado di
lesione è molto basso, tale da poter considerare intrinsecamente sicura quest'area a bassa lesività.
100
MAIS 1 - 2
MAIS 3 - 4
MAIS 5 - 6
iso Delta-V 8 km/h
iso Delta V 12 km/h
Vr [km/h]
80
60
40
20
0
0.0
0.2
0.4
0.6
0.8
1.0
CMI
Figura 4. Piano CMI – Vr: Curve iso – V pari a 8 km/h e 12 km/h.
I punti corrispondenti a condizioni in cui un veicolo subisce un valore di variazione di velocità V
costante determinano curve iso V che, nel piano CMI – Vr, sono rappresentate da iperboli equilatere
con centro nell’origine. La curva iso V con V pari a 8 km/h, di fatto segna il confine tra la zona
intrinsecamente sicura sopra descritta, con grado di lesione massimo riscontrato MAIS = 2, e la zona a
lesività più elevata, dove il grado di lesione varia da MAIS 1 fino all'esito fatale dell'incidente in seguito
a impatto frontale – frontale o frontale – laterale. Tale risultato è in accordo con i valori di soglia del V
riportati da studi in letteratura [24 – 26], al di sotto dei quali si riscontrano solo lesioni nulle o leggere.
Nelle zone ad elevata severità potenziale, cioè in corrispondenza di elevati valori del CMI, le curve iso
lesività risultano più ravvicinate tra loro e per ottenere una medesima riduzione percentuale di lesività è
sufficiente una limitata diminuzione della Vr. Ogni curva iso – V rappresenta quindi anche una curva
di IR legata a una specifica tipologia d’impatto o di MAIS +, come indicato in figura 1 e 2. Poiché il
CMI tiene conto intrinsecamente della configurazione di impatto, è possibile utilizzare tale indice in
forma continua, anziché una classificazione discreta, sulla base di una descrizione del tipo di impatto.
In figura 5, sono riportate ad esempio le curve di probabilità di subire un grado di lesione serio (MAIS
3+) al variare della severità potenziale CMI, considerando tre diverse fasce di CMI: 0.20 – 0.40, 0.401
– 0.60, 0.601 – 0.8; sono esclusi valori di CMI inferiori a 0.2 poiché al di sotto di tale soglia non si
rilevano valori di MAIS > 3. Come lecito aspettarsi, si osserva una tendenza ad aumentare della
probabilità di lesione con l’aumento della severità d’impatto, ovvero del CMI. A parità di V è possibile
valutare la probabilità di rischio associata a ciascuna curva iso – CMI.
45° CONVEGNO NAZIONALE – TRIESTE, 7-10 SETTEMBRE 2016
100%
80%
60%
P
CMI
40%
CMI 0.201-0.40
CMI 0.401-0.60
CMI 0.601-0.80
20%
0%
0
20
40
60
V [km/h]
80
100
Figura 5. Probabilità di subire lesioni gravi (MAIS 3+) per determinati V al variare del CMI.
A parità di probabilità di lesione, a ciascuna curva iso – CMI è associato un diverso valore di V:
l’intersezione, sul piano CMI – Vr, tra un valore fissato di CMI e la corrispondente curva iso – V
determina l’andamento delle curve iso – probabilità di lesione IR, riportate in figura 6. La figura 6,
mostra le curve iso – IR pari al 30%, 40%, 50% e 80% di subire lesioni serie (MAIS 3+) al variare del
CMI, considerando, nel piano CMI – Vr, un’area compresa tra CMI 0.2 e 0.8 ed una velocità relativa
minima pari a 20 km/h, dal momento che al di sotto di tali soglie non si rilevano lesioni serie. Tale
grafico fornisce quindi una prima indicazione sulle performance dei veicoli, in termini di sicurezza
passiva, tenendo conto contemporaneamente della geometria dell’impatto e dei veicoli, per mezzo del
CMI e dell’entità di Vr necessaria per ottenere un determinato grado di lesione all’aumentare della
severità d’impatto. Ad esempio, la curva iso – IR 30%, mostra per bassi valori del CMI, una velocità
relativa di circa 100 km/h con un decremento di circa 60 km/h per CMI via via crescenti, per ottenere la
stessa probabilità di subire un determinato grado di lesione.
160
30%
50%
Vr [km/h]
140
40%
80%
120
100
80
60
iso - IR
40
20
0.2
0.3
0.4
0.5
CMI
0.6
0.7
0.8
Figura 6. Curve iso – IR (MAIS 3+) al variare del CMI e della Vr.
Valutando, oltre la geometria dell’impatto e le masse, la risposta strutturale dei veicoli, la figura 7, mette
in correlazione la severità potenziale con la deformazione della struttura del veicolo, espressa attraverso
l'Energy Equivalent Speed (EES) [27]. I casi con alta severità potenziale presentano anche una alta
deformazione potenziale EES/Vr del veicolo. Poiché la lesività di un impatto è correlabile anche
all'entità delle intrusioni nell'abitacolo, impatti con alti valori di CMI possono risultare molto lesivi
anche per bassi valori di Vr.
45° CONVEGNO NAZIONALE – TRIESTE, 7-10 SETTEMBRE 2016
0.7
MAIS 1 - 2
0.6
MAIS 3 - 4
EES/Vr
0.5
MAIS 5 - 6
0.4
0.3
0.2
0.1
0.0
0.0
0.2
0.4
CMI
0.6
0.8
1.0
Figura 7. Correlazione tra deformazione potenziale del veicolo EES/Vr e severità potenziale dell’urto.
3.2. Valutazione delle performance dei veicoli in termini di sicurezza passiva
La performance dei veicoli in termini di sicurezza passiva può essere valutata osservando gli incidenti
che ricadono nella zona ad alta lesività, ad esempio al di sopra della curva iso – IR per MAIS 2+ o 3+,
poiché la zona a bassa lesività non permette di fare distinzioni tra veicoli, in quanto intrinsecamente
sicura. In tale zona è possibile effettuare: un confronto diretto tra diversi modelli di veicolo in singoli
incidenti diversi, o una valutazione più generale che tenga conto di risultati statistici ricavati su molti
casi di incidente. Considerata una determinata severità potenziale d’impatto, ovvero un determinato
CMI, un confronto diretto tra i veicoli può essere effettuato valutando l’entità della velocità relativa. A
parità di CMI, un veicolo che mostra una velocità relativa maggiore risulta più sicuro rispetto ad un altro
che mostra lo stesso valore di MAIS con una velocità relativa inferiore. Viceversa, considerando a parità
di CMI un valore di Vr costante, un veicolo che ottiene MAIS più elevati risulterà meno sicuro di altri
che ottengono MAIS inferiori. Questo tipo di analisi permette di effettuare un confronto tra veicoli
diversi, basandosi sulle risultanze di incidenti diversi, purché ricadano nella medesima fascia di CMI.
In figura 8, a titolo di esempio, sono riportati tre casi relativi a due veicoli Volkswagen Passat di diversi
anni di produzione e ad una Fiat Grande Punto.
100
VW Passat '07
VW Passat '94
Fiat Grande Punto '05
Vr [km/h]
80
60
40
20
0
0.0
0.2
0.4
CMI
0.6
0.8
1.0
Figura 8. Modelli di veicolo confrontati, a parità di CMI, per tutte le tipologie di configurazioni d'urto.
I dati ricadono in un intervallo di CMI attorno a 0.4 e velocità relative attorno a 35 km/h, ma mostrano
diversi valori di MAIS. Effettuando il confronto tra i due differenti modelli di VW Passat, uno relativo
sesta serie, anno '07 (modello in produzione dall'anno 2005 all'anno 2015) e l'altro relativo alla quarta
serie, anno '94 (prodotta dall'anno 1994 all’anno 1997), si osservano due differenti esiti lesivi: nel primo
caso la lesione risulta lieve (MAIS 1), nel secondo caso l'esito dell'incidente è fatale (MAIS 5). Nel caso
della VW Passat è evidente il miglioramento nel progresso tecnologico dei veicoli, e come la sicurezza
offerta dal veicolo in caso di incidente, a parità di severità, appaia effettivamente aumentata. Effettuando
il confronto con la Fiat Grande Punto, anno '05, che presenta MAIS 5, è possibile dire che la Passat sesta
serie appare più sicura, mentre la Passat quarta serie mostra un grado di sicurezza analogo alla Grande
Punto. I risultati sono basati sulle osservazioni di singoli casi, ovvero di singoli esiti di incidenti diversi.
Per una corretta valutazione delle prestazioni dei veicoli si deve tuttavia tenere conto della dispersione
esistente nei risultati, derivante da numerosi altri fattori che hanno influenza sugli esiti lesivi
45° CONVEGNO NAZIONALE – TRIESTE, 7-10 SETTEMBRE 2016
dell'incidente, ad esempio i parametri soggettivi (età, genere, predisposizione degli occupanti) e i
parametri oggettivi (posizione all'interno dei veicoli, sistemi di sicurezza, etc.). Per un corretto confronto
tra diversi veicoli, quindi, sarebbe necessario disporre di più coppie di punti relativi ai veicoli, distribuite
in più fasce di CMI. Un confronto più generale delle prestazioni di un singolo modello di veicolo, sul
piano CMI – Vr, che consente di minimizzare in parte gli effetti delle suddette cause di variabilità del
singolo dato, può essere effettuato anche facendo riferimento alla procedura mostrata nel paragrafo 3.1,
relativamente alle curve iso – IR per un valore fissato di MAIS. Considerando diverse curve iso – IR
relative ad un fissato grado di lesione MAIS, è possibile valutare quanto un singolo veicolo si discosti
dalle curve a maggiore probabilità di rischio. Ad esempio un veicolo, il cui occupante subisce un grado
di lesione MAIS 3, come riportato in figura 9, che si colloca in prossimità della curva iso – IR pari al
30% risulta poco sicuro, considerata la bassa probabilità subire quel tipo di lesione. Quindi, un veicolo
che, a parità di lesione, tende a collocarsi nell’intorno di curve iso – IR cui è associato un alto valore di
probabilità di rischio risulterà più sicuro rispetto ad un veicolo che si trova nell’intorno di una curva iso
– IR a cui è associata una bassa probabilità di rischio.
160
30%
50%
80%
Vr [km/h]
140
120
100
80
60
40
iso - IR
20
0.2
0.3
0.4
0.5
CMI
0.6
0.7
0.8
Figura 9. Piano CMI – Vr: iso – IR 30%, 50% e 80% (MAIS 3).
4. CONCLUSIONI
Nell’articolo viene presentato un approccio che consente correlare la severità dell’impatto con la lesività
degli incidenti tra autoveicoli. Il metodo è basato sull'utilizzo dell'indice sintetico Crash Momentum
Index (CMI), espresso come variazione di velocità per unità di velocità relativa, che permette di tenere
conto implicitamente sia della combinazione di veicoli coinvolti (rapporto delle masse) che della
configurazione d’urto tra i veicoli, ovvero se l’urto è centrato o eccentrico. La valutazione della
performance dei veicoli ed il loro confronto e ranking, possono essere fatti analizzando i dati
incidentologici a parità di CMI, valutando l'entità della velocità relativa Vr al momento dell'urto ed il
MAIS, e valutando differenti casi a parità di curva iso – V, corrispondente ad una determinata curva
iso – IR. Il metodo è stato applicato basandosi sullo studio di incidenti reali catalogati nel database
iGLAD e contenente incidenti avvenuti tra il 2007 e il 2014, nei paesi aderenti all'iniziativa. L'analisi
effettuata su un piano Vr – CMI evidenzia due diverse regioni, a cui corrispondono due diverse classi
di incidenti: la prima relativa a condizioni cinematiche dell'urto in cui gli incidenti risultano
intrinsecamente sicuri, per la quale il grado di lesione massimo riscontrato è MAIS 2, indipendentemente
dalla velocità relativa di impatto, la seconda zona, in cui invece si riscontrano tutti i gradi di lesione, da
quella leggera fino all'esito fatale. L'analisi degli incidenti in questa seconda zona consente di valutare
le performance dei singoli modelli di veicolo, per confronto rispetto agli altri, a partire da dati raccolti
su incidenti diversi. Pur partendo da un campione di dati limitato, l'analisi proposta ha mostrato
interessanti potenzialità per effettuare la valutazione delle prestazioni dei veicoli in termini di sicurezza
passiva nell'incidente e per poter effettuare un confronto con il ranking di altre metodologie. La
particolarità del metodo proposto è che si basa unicamente su dati cinematici dell'urto, velocità relativa
all'impatto e V e sul grado di lesione MAIS e per confrontare la prestazione di un veicolo rispetto ad
un altro non richiede, in linea di principio, un elevato numero di casi, al limite anche uno solo, a
differenza di molti altri approcci statistici [15, 16] che invece necessitano di un campione numeroso di
45° CONVEGNO NAZIONALE – TRIESTE, 7-10 SETTEMBRE 2016
casi relativi ad uno stesso modello di veicolo. In questo senso, il metodo si presta ad essere utilizzato
anche con data base incidentologici non necessariamente di tipo "in depth" e anche di limitate
dimensioni numeriche.
BIBLIOGRAFIA
[1] http://europa.eu/rapid/press-release_MEMO-10-343_en.htm
[2] http://ec.europa.eu/transport/road_safety/specialist/projects
[3] www.euroncap.com
[4] H. C. Joksch, “Velocity change and fatality risk in a crash a rule of thumb”, Accident Analysis and
Prevention, 25(1):103-4 (1993).
[5] L. Evans, “Driver injury and fatality risk in two car crashes versus mass ratio inferred using newtonian
mechanics”, Accident Analysis and Prevention, vol. 26, No. 5, pp. 609-616 (1994).
[6] D.J. Gabauer, H. Gabler, “Comparison of delta-v and occupant impact velocity crash severity metrics
using event data recorders”, Annual Proceedings/Association for the Advancement of Automotive Medicine,
2006; 50: pp. 57–71 (2006).
[7] M. Hours, M. Bernard, et al., “Functional outcome after road-crash injury: description of the ESPARR
victims’ cohort and 6-month follow-up results”, Accident Analysis and Prevention 42 (2), 412–421, (2010).
[8] R. Robertson, W. Vanlaar, “Elderly drivers: future challenges?” Accident Analysis and Prevention 40 (6),
1982–1986, (2008).
[9] M.A. Schiff, A.F. Tencer, C.D. Mack, “Risk factors for pelvic fractures in lateral impact motor vehicle
crashes”, Accident Analysis and Prevention 40 (1), 387–391, (2008).
[10] http://ko-fas.de/files/abschluss/ko-fas_c2_3_standardized_crash_computation.pdf
[11] D. Gettman, L. Head. “Surrogate Safety Measures from Traffic Simulation Models”, TRB 2003 Annual
Meeting CD-ROM, (2003).
[12] N. Saunier, T. Sayed, “Large Scale Automated Analysis of Vehicle Interactions and Collisions”,
Transportation Research Record Journal of the Transportation Research Board, vol. 2147, pp.42-50, (2010).
[13] M. Be´dard, G.H. Guyatt, M.J. Stones, J.P. Hirdes, “The independent contribution of driver, crash, and
vehicle characteristics to driver fatalities”, Accident Analysis and Prevention 34(6), pp. 717-727 (2002).
[14] A. Sobhani, W. Young, D. Logan, S. Bahrololoom, “A kinetic energy model of two-vehicle crash injury
severity”, Accident Analysis and Prevention, vol. 43, pp. 741–754 (2011).
[15] M. Krafft, A. Kullgreen, A. Lie, A. Nigren, C. and Tingvall, “Car model safety rating based on real life
accidents”, Proceedings, International Conference on the biomechanics of impacts, (1991).
[16] S. Newstead, et al., “Study of the relationship between injury outcomes in police reported crash data and
crash barrier test results in Europe and Australia”, Monash University Accident Research Centre, (2006).
[17] D. Vangi, “Impact Severity Assessment in vehicle accidents”, International Journal of Crashworthiness,
vol.19, Issue 6, pp. 576-587 (2014).
[18] http://iglad.net/
[19] “The Abbreviated Injury Scale 1990 revision – Update 98”, Association for the Advancement of
Automotive Medicine, (1998).
[20] V. Rivano, “Ricostruzione della dinamica degli incidenti stradali - Le indagini”, Firenze University
Press, (2009).
[21] H. Stigson, A. Kullgren, E. Rosén, “Injury Risk Functions in Frontal Impacts Using Data from Crash
Pulse Recorders”, 56th AAAM Annual Conference Annals of Advances in Automotive Medicine, (2012).
[22] R. Brach, “Vehicle accident and reconstruction methods, SAE International”, ISBN 0-7680-0776-3,
Warrendale, PA, USA (2005).
[23] I. Han, "Impulse - Momentum based analysis of vehicle collision accident using Monte Carlo simulation
methods", International Journal of Automotive Technology, Vol. 16, No. 2, pp. 253−270, (2015).
[24] W.H.M. Castro, M. Schilgen, S. Meyer, M. Weber, C. Peuker, K. Wörtler, “Do "whiplash injuries" occur
in low-speed rear impacts?”, Eur Spine Journal 6, 366-375 (1997).
[25] Krafft, M., Kullgren, A., Malm, S., Ydenius, A. Influence of crash sevrity on various whiplash injury
symptoms: a study based on real-life rear-end crashes with recorded crash pulses, 2005.
[26] Schmidt G. “Zur Biomechanik des Schleudertraumas der Halswirbelsäule”, Versicherungsmedizin,
Heft, S. 121-125, (1989).
[27] D. Vangi “Ricostruzione della dinamica degli incidenti stradali – Principi e Applicazioni”, Firenze
University Press, (2008).