Analyse glättebedingter Unfälle von Güterkraftfahrzeugen mit mehr als 12 t zulässigem Gesamtgewicht
(2022)
Die Überschreitung des möglichen Reibwertpotenzials zwischen Fahrbahn und Reifen stellt nach wie vor ein großes Sicherheitsrisiko dar. Während sich mittlerweile Systeme in der Entwicklung befinden, die das aktuelle Reibwertpotenzial recht verlässlich schätzen können, stellt sich die Frage, auf welche Weise diese Information am besten dem Fahrer* zu übermitteln ist. Diese und weitere Fragen bezüglich des Nutzens einer Reibwertwarnung werden in diesem Projekt beantwortet. Im Laufe dieses Projektes wurde untersucht, welcher Nutzen eine Reibwertwarnung für Güterkraftfahrzeuge darstellt. Mittels einer Probandenstudie im Fahrsimulator der technischen Universität Berlin ließen sich Fahrverhalten feststellen, welche positive Auswirkungen im Falle eines glättebedingten Unfalles hätten. Die Grundlage bildete zunächst die Literaturrecherche, die sowohl Erkenntnisse über den Stand der Technik von Fahrerassistenzsystemen sowie auch Einblicke in die Forschung zur Gestaltung von Warnungen aufzeigte. Zahlreiche Details über das Sicherheitspotenzial, das Angebot der verschiedenen Hersteller, die Gesetzgebung und weiteres hinsichtlich der Fahrerassistenzsysteme wurden ergründet, während zur Gestaltung von Warnungen kognitive Modelle und die Auswirkungen von Warnungen auf einen Probanden untersucht wurden. Folglich war es möglich, zusammen mit einer Expertenrunde und Vorstudien zur Gestaltung der unterschiedlichen Glätte-Icons, eine wissenschaftlich fundierte Warnstrategie herauszuarbeiten, die aus akustischen Signalen, Sprachangaben und grafischen Anzeigen auf einem Head-Up-Display besteht. Parallel dazu wurde mittels einer Analyse von Unfällen von schweren Lkw mit vermindertem Kraftschluss ein Überblick über die Unfallsituation von N3-Lkw verschafft. Dazu wurden die Daten der GIDAS-Unfalldatenbank untersucht und eine repräsentative Zufallsstichprobe der Unfälle, bei denen Kraftschlussminderung eine Rolle gespielt haben könnte, erstellt. Zwei Szenarien wurden hierbei betrachtet: Auffahrunfälle, bei denen der Lkw auf ein weiteres Fahrzeug auffährt, sowie Fahrunfälle, bei denen der Lkw-Fahrer die Kontrolle über sein Fahrzeug verliert. Diese Unfallanalyse bildete dann die Basis für die Szenariengestaltung der Probandenstudie im Fahrsimulator. Kritische Fahrszenarien, unübersichtliche Kurven- und Bergfahrten und ein Stauende hinter einer Kuppe, jeweils gepaart mit Regen, Starkregen oder Nebel und den dazu variierenden Reibwert der Straße, wurden samt der Warnstrategie im Fahrsimulator dargestellt. In der Probandenstudie durchfuhren Kraftfahrzeugfahrer die präparierten Simulationen, wobei die Experimentalgruppe die Glättewarnung erhielt und die Kontrollgruppe die gleiche Simulation ohne Warnung durchfuhr. Die Hauptfragestellungen, die sich stellten, waren, ob die Fahrer mit Warnsystem ihr Verhalten (insbesondere ihre Geschwindigkeit) an den Zustand der Fahrbahn anpassten und ob die Fahrer mit Warnsystem eine bessere Fahrleistung in Gefahrensituationen im Vergleich zu Fahrern ohne Warnsystem zeigen. Außerdem wurde untersucht, wie die Fahrer die Kritikalität der Fahrsituationen einschätzen und wie die Fahrerbewertung bezüglich der Warnstrategie ausfallen. Zusammenfassend zeigte die Studie, dass die Probanden mit Warnung ihr Fahrverhalten besser an die Glättesituation anpassten als Probanden ohne Warnung. Erstere reduzierten ihre Geschwindigkeit deutlich früher und stärker. Die entwickelte Warnstrategie wurde als positiv und hilfreich bewertet und wurde mit einer hohen Akzeptanz von den Probanden angenommen. Durch die Corona-Pandemie fiel die Stichprobengröße der Probanden geringer aus als ursprünglich geplant, was für die Ergebnisse miteinzuberechnen ist. Im Schlussteil dieses Projektes wurde der konkrete Nutzen von Glättewarnsystem bei Lkw in Bezug auf das Unfallgeschehen analysiert. Mit der Kenntnis der Auswirkung eines Glättewarnsystems auf das Fahrverhalten der Lkw-Fahrer konnten die Lkw-Unfälle aus der GIDAS-Datenbank durch eine Vorwärtsrekonstruktion neu simuliert werden, um zu ermitteln, welchen Einfluss das Glättewarnsystem auf den Unfall gehabt hätte. Die Analyse zeigte unter anderem, dass eine Glättewarnung für Lkw bei 12 % aller Unfälle zum Einsatz kommen könnte. Bei einer angenommenen mittleren Reduktion der Fahrgeschwindigkeit der Lkw-Fahrer um 9,6 km/h bei Tempo 80 aufgrund der Glättewarnung wären nahezu 30 % der Kollisionen bei Alleinunfällen oder Unfällen mit Beteiligung eines anderen Fahrzeugs sowohl bei den Lkw als auch bei den Kollisionsgegnern vermieden worden. Ferner hätten mehr als die Hälfte der Lkw und der Kollisionsgegner geringere Kollisionsschweren gehabt. Mittels Verletzungsrisikokurven konnte gezeigt werden, dass durch die geringeren Kollisionsschweren das Risiko, ernsthafte oder schwerere Verletzungen zu erleiden, deutlich gesunken ist. Bei den Lkw-Unfällen mit Fußgängern wären von neun analysierten Unfällen zwei vermieden worden und sieben Unfälle hätten aufgrund der geringeren Kollisionsgeschwindigkeit des Lkws das Potenzial die Verletzungsschwere der Fußgänger zu verringern. * Gender Disclaimer: In diesem Bericht wird aus Gründen der besseren Lesbarkeit das generische Maskulinum verwendet. Dabei werden weibliche und anderweitige Geschlechteridentitäten ausdrücklich mitgemeint, soweit es für die Aussage erforderlich ist.
The Intersection 2020 project was initiated to develop a test procedure for Automatic Emergency Braking systems in intersection car-to-car scenarios to be transferred to Euro NCAP. The project aims to address current road traffic accidents on European roads and therefore sets a priority of the identification of the most important car-to-car accidents and Use Cases. Taking into account technological and practical limitations, Test Scenarios are derived from the Use Cases in a later stage of the project. This paper presents parts of a larger study and provides an overview of common car-to-vehicle(at least four wheels) collision types at junctions in Europe and specifies seven Accident Scenarios from which the three scenarios “Straight Crossing Paths (SCP)”, “Left Turn Across Path – Opposite Direction Conflict (LTAP/OD)” and “Left Turn Across Path – Lateral Direction (LTAP/LD)” are most important due to their high relevance regarding severe car-to-car accidents. Technical details about crash parameters such as collision and initial speeds are delivered. The analysis work performed is input for the definition and selection of the Use Cases as well as for the project’s benefit estimation. The numbers of accidents and fatalities in accidents at intersections involving a passenger car were shown per intersection type. In both statistics, it was found that accidents at crossroads and T- or staggered junctions are of highest relevance, followed by roundabouts. Focusing on accidents at intersections between one passenger car and another road user shows that around one-third of all accidents and related fatalities could have been assigned to car-to-PTW accidents and one-fifth of all accidents and fatalities to car-to-car accidents. Regarding car-to-car accidents with at least serious injury outcome 38% out of 34,489 car-to-car accidents happened at intersections. These figures correspond to 18% of the fatalities (4,236 fatalities in total). Considering all intersection types, around half of all related accidents happened in urban environments whereas this number decreased to one-third of all fatalities. Further, the proportion of road fatalities per country occurring at intersections varies widely across the EU. Also, there are proportionately more fatalities in daylight or twilight conditions at junctions. Use Cases are supposed to be derived from Accident Scenarios and by adding detailed information for example about the road layout, right-of-way and the vehicle trajectories prior to the collision. Instead of applying cluster algorithms to the accident data, a pragmatic approach was finally preferred to create them. Note: Use Cases serve as an intermediate step between the Accident Scenarios and the Test Scenarios which describe the actual testing conditions. Finally, 74 Use Cases were identified. This large number indicates the complexity of intersection crashes due to the combination of several parameters.
In the paper it is investigated to what extend one can extrapolate the detailed accident database GIDAS (German In-Depth Accident Study), with survey area Hanover and Dresden region, to accident behavior in other regions and countries within Europe and how such an extrapolation can be implemented and evaluated. Moreover, it is explored what extent of accident data for the target country is necessary for such an extrapolation and what can be done in situations with sparse and low accident information in a target region. It will be shown that a direct transfer of GIDAS injury outcomes to other regions does not lead to satisfactory results. But based on GIDAS and using statistical decision tree methods, an extrapolation methodology will be presented which allows for an adequate prediction of the distribution of injury severity in severe traffic accidents for European countries. The method consists essentially of a separation of accidents into well-described subgroups of accidents within which the accident severity distribution does not vary much over different regions. In contrast the distribution over the various subgroups of accidents typically is rather different between GIDAS and the target. For the separation into the subgroups meaningful accident parameters (like accident type, traffic environment, type of road etc.) have been selected. The developed methodology is applied to GIDAS data for the years 1999-2012 and is evaluated with police accident data for Sweden (2002 to 2012) and the United Kingdom (2004 to 2010). It is obtained that the extrapolation proposal has good to very good predictive power in the category of severe traffic accidents. Moreover, it is shown that iterative proportional fitting enables the developed extrapolation method to lead to a satisfactory extrapolation of accident outcomes even to target regions with sparse accident information. As an important potential application of the developed methodology the a priori extrapolation of effects of (future) safety systems, the operation of which can only be well assessed on the basis of very detailed GIDAS accident data, is presented. Based on the evaluation of the presented extrapolation method it will be shown that GIDAS very well represents severe accidents, i.e. accidents with at least one severely or fatally injured person involved, for other countries in Europe. The developed extrapolation method reaches its limits in cases for which only very little accident information is available for the target region.