Die vorliegende Arbeit leistet einen Beitrag zur Identifizierung von Einflussgrößen und Fehlerursachen auf Verkehrsunfälle. Diese können als Grundlage für Hinweise für den Einsatz und die Gestaltung von Fahrerassistenzsystemen genutzt werden. Dafür wurden insgesamt 506 Unfälle umfassend (in depth) untersucht. Zur Analyse der Pre-Crash-Phase der Unfälle wurden die Ergebnisse einer psychologischen Befragung mit Angaben aus der polizeilichen Verkehrsunfallanzeige, Informationen zur Unfallstelle, medizinischen Berichten sowie Informationen aus der technischen Rekonstruktion integriert. Anschließend wurde eine Fehleranalyse unter Betrachtung der Teilsysteme Fahrer, Umwelt und Fahrzeug durchgeführt. Um den bestmöglichen Befragungszeitpunkt herauszufinden, wurden in einer Vorstudie jeweils 15 Interviews am Unfallort sowie telefonische Interviews ein bis 14 Tage bzw. 15 bis 90 Tage nach dem Unfall bezüglich der Anzahl ihrer Genauigkeits- und Glaubhaftigkeitsmerkmale, der Motivation zur Interviewteilnahme sowie möglicher Vergessenseffekte verglichen. Im Ergebnis konnten keine Nachteile nachträglicher telefonischer Befragungen im Vergleich zu Befragungen an der Unfallstelle gefunden werden. Zur Fehleranalyse wurde ein verkehrspsychologisches Fehlerklassifikationsschema auf der Basis der verhütungsbezogenen Klassifikation von Fehlhandlungsursachen (Hacker, 1998) erstellt. Mit dessen Hilfe wurden insgesamt 696 Unfalleinflussfaktoren für die Unfallverursacher (n=343) ermittelt. Im Ergebnis wurde so bei allen Unfalltypengruppen ein hoher Anteil von Fehlern infolge von Ablenkung sowie Aktivierungsmängeln festgestellt (jeweils zwischen 28 % und 47%). Des Weiteren gab es bei Kreuzungsunfällen zahlreiche Fehler infolge von Sichtverdeckungen (40%), Fokusfehlern (30%), Reizmaskierungen (26%) und Verstößen gen die Verkehrsregeln (11%). Unfälle durch Abkommen von der Fahrbahn traten zudem häufig infolge von Erwartungsfehlern (35%), Reizmaskierungen (26%), Verstößen gegen die Verkehrsregeln (24%) sowie Zielsetzungs- bzw. Handlungsfehler (23%) auf. Unfälle im Längsverkehr passierten des Weiteren durch Erwartungsfehler (36%), Zielsetzungs- und Handlungsfehler (36%) sowie durch Setzen eines falschen Aufmerksamkeitsfokus (24%) auf. Anhand dieser Studienergebnisse ist das Sicherheitspotential für Fahrerassistenzsysteme, welche den Fahrer bei der Informationsaufnahme unterstützen und ihm helfen Ablenkungen und Aktivierungsdefizite zu vermeiden, als hoch einzuschätzen. So könnten insgesamt über zwei Drittel der erfassten Fehlhandlungen vermieden werden. Darüber hinaus münden die Studienergebnisse in ein Klassifikationsschema zur Erfassung von Unfalleinflussfaktoren, welches im Rahmen der Unfallforschung dauerhaft eingesetzt werden sollte.

Die vorliegende Arbeit leistet einen Beitrag zur Identifizierung von Einflussgrößen und Fehlerursachen auf Verkehrsunfälle. Diese können als Grundlage für Hinweise für den Einsatz und die Gestaltung von Fahrerassistenzsystemen genutzt werden. Dafür wurden insgesamt 506 Unfälle umfassend (in depth) untersucht. Zur Analyse der Pre-Crash-Phase der Unfälle wurden die Ergebnisse einer psychologischen Befragung mit Angaben aus der polizeilichen Verkehrsunfallanzeige, Informationen zur Unfallstelle, medizinischen Berichten sowie Informationen aus der technischen Rekonstruktion integriert. Anschließend wurde eine Fehleranalyse unter Betrachtung der Teilsysteme Fahrer, Umwelt und Fahrzeug durchgeführt. Um den bestmöglichen Befragungszeitpunkt herauszufinden, wurden in einer Vorstudie jeweils 15 Interviews am Unfallort sowie telefonische Interviews ein bis 14 Tage bzw. 15 bis 90 Tage nach dem Unfall bezüglich der Anzahl ihrer Genauigkeits- und Glaubhaftigkeitsmerkmale, der Motivation zur Interviewteilnahme sowie möglicher Vergessenseffekte verglichen. Im Ergebnis konnten keine Nachteile nachträglicher telefonischer Befragungen im Vergleich zu Befragungen an der Unfallstelle gefunden werden. Zur Fehleranalyse wurde ein verkehrspsychologisches Fehlerklassifikationsschema auf der Basis der verhütungsbezogenen Klassifikation von Fehlhandlungsursachen (Hacker, 1998) erstellt. Mit dessen Hilfe wurden insgesamt 696 Unfalleinflussfaktoren für die Unfallverursacher (n=343) ermittelt. Im Ergebnis wurde so bei allen Unfalltypengruppen ein hoher Anteil von Fehlern infolge von Ablenkung sowie Aktivierungsmängeln festgestellt (jeweils zwischen 28 % und 47%). Des Weiteren gab es bei Kreuzungsunfällen zahlreiche Fehler infolge von Sichtverdeckungen (40%), Fokusfehlern (30%), Reizmaskierungen (26%) und Verstößen gen die Verkehrsregeln (11%). Unfälle durch Abkommen von der Fahrbahn traten zudem häufig infolge von Erwartungsfehlern (35%), Reizmaskierungen (26%), Verstößen gegen die Verkehrsregeln (24%) sowie Zielsetzungs- bzw. Handlungsfehler (23%) auf. Unfälle im Längsverkehr passierten des Weiteren durch Erwartungsfehler (36%), Zielsetzungs- und Handlungsfehler (36%) sowie durch Setzen eines falschen Aufmerksamkeitsfokus (24%) auf. Anhand dieser Studienergebnisse ist das Sicherheitspotential für Fahrerassistenzsysteme, welche den Fahrer bei der Informationsaufnahme unterstützen und ihm helfen Ablenkungen und Aktivierungsdefizite zu vermeiden, als hoch einzuschätzen. So könnten insgesamt über zwei Drittel der erfassten Fehlhandlungen vermieden werden. Darüber hinaus münden die Studienergebnisse in ein Klassifikationsschema zur Erfassung von Unfalleinflussfaktoren, welches im Rahmen der Unfallforschung dauerhaft eingesetzt werden sollte.

Tragically, traffic accidents involving drivers, motorcyclists and pedestrians result in thousands of fatalities worldwide each year. For this reason, making improvements to road safety and saving people's lives is an international priority. In recent years, this aim has been supported by Intelligent Transport Systems, offering safety systems and providing an intelligent driving environment. The development of wireless communications and mobile ad hoc networks has led to improvements in intelligent transportation systems heightening these systems' safety. Vehicular ad hoc Networks comprise an important technology; included within intelligent transportation systems, they use dedicated short-range communications to assist vehicles to communicate with one another, or with those roadside units in range. This form of communication can reduce road accidents and provide a safer driving environment. A major challenge has been to design an ideal system to filter relevant contextual information from the surrounding environment, taking into consideration the contributory factors necessary to predict the likelihood of a crash with different levels of severity. Designing an accurate and effective pre-crash system to avoid front and back crashes or mitigate their severity is the most important goal of intelligent transportation systems, as it can save people's lives. Furthermore, in order to improve crash prediction, context-aware systems can be used to collect and analyse contextual information regarding contributory factors. The crash likelihood in this study is considered to operate within an uncertain context, and is defined according to the dynamic interaction between the driver, the vehicle and the environment, meaning it is affected by contributory factors and develops over time. As a crash likelihood is considered to be an uncertain context and develops over time, any usable technology must overcome this uncertainty in order to accurately predict crashes. This thesis presents a context-aware pre-crash collision prediction system, which captures information from the surrounding environment, the driver and other vehicles on the road. It utilises a Dynamic Bayesian Network as a reasoning model to predict crash likelihood and severity level, whether any crash will be fatal, serious, or slight. This is achieved by combining the above mentioned information and performing probabilistic reasoning over time. The thesis introduces novel context aware on-board unit architecture for crash prediction. The architecture is divided into three phases: the physical, the thinking and the application phase; these which represent the three main subsystems of a context-aware system: sensing, reasoning and acting. In the thinking phase, a novel Dynamic Bayesian Network framework is introduced to predict crash likelihood. The framework is able to perform probabilistic reasoning to predict uncertainty, in order to accurately predict a crash. It divides crash severity levels according to the UK department for transport, into fatal, serious and slight. GeNIe version 2.0 software was used to implement and verify the Dynamic Bayesian Network model. This model has been verified using both syntactical and real data provided by the UK department for transport in order to demonstrate the prediction accuracy of the proposed model and to demonstrate the importance of including a large amount of contextual information in the prediction process. The evaluation of the proposed system delivered high-fidelity results, when predicting crashes and their severity. This was judged by inputting different sensor readings and performing several experiments. The findings of this study has helped to predict the probability of a crash at different severity levels, accounting for factors that may be involved in causing a crash, thereby representing a valuable step towards creating a safer traffic network.

Collision avoidance systems have become an integrated part of modern vehicles and aim to avoid accidents or mitigate the crash severity for the occupant. For example, the autonomous emergency braking system influences the pre-crash state of the occupant in sitting posture, stress state, or velocity. The occupant might try to retain its posture by activating muscles, which induce muscle bracing and could counteract the movement of the occupant in the pre-crash phase.  Therefore, it is essential to study the influence of active musculature on occupant response in pre-crash and crash events. A finite element human body model (HBM) with and without closed-loop muscle activation control was used to simulate the occupant response during those events. Comparing the HBM responses & head kinematics reveal an influence of muscle bracing in the evasive braking manoeuvre. Simulating the pre-crash and in-crash phase in two stages can provide multiple benefits. However, the correlation between a single-stage simulation (baseline) and a two-stage simulation needs to be investigated. The baseline simulation uses an active HBM to model an occupant during an evasive braking manoeuvre and the muscles are deactivated when entering the frontal impact phase. The parameters of the final pre-crash state, which are needed to mimic the baseline’s response when transitioning from the pre-crash to the in-crash event are investigated in this study. For that reason, sitting position, stress state and velocity are transferred respectively to the initial passive in-crash HBM state. The simulations enabled the comparison of occupant response and calculation of cross-correlation. Each retainment strategy gave a good cross-correlation with the baseline simulation. / Kollisionsundvikande system har blivit en viktig del i moderna fordon där syftet är att undvika olyckor samt att minska allvarhetsgraden av olyckor för de åkande. Ett exempel är nödbromssystem som kan påverka den åkandes initiala tillstånd direkt före en krock som, till exempel, sittposition, spänningstillstånd, eller initial hastighet inför krock. Den åkande kan försöka att bibehålla sin hållning genom att aktivera sina muskler vilket påverkar rörelsen av dess kropp under för-krocks fasen. Det är därför viktigt att studera hur aktiva muskler påverkar rörelsen av kroppen hos den åkande under både före krocksfasen och själva krockfasen. En finit element humanmodell (HBM) med och utan reglerad muskelaktivitet används för att prediktera responsen hos den åkande i båda faserna. En jämförelse mellan simuleringarna visar att aktiva muskler kan påverka åkandekinematiken under bromsningsförloppet. Att simulera fasen före krock och fasen under krock i två steg kan medföra flera fördelar. Korrelationen mellan en enkelstegssimulering (originalsimulering) och en tvåstegssimulering måste dock studeras. Som originalsimulering används en aktiv HBM för att modellera den åkande under för-krocksfasen där den reglerade muskelaktiviteten inaktiveras under krockfasen. I denna studie undersöks den åkandes initiala tillstånd före krocken som behövs för att efterlikna originalsimulerings respons vid övergången från för-krocksfasen till krockfasen. Av den anledningen mappas det passiva HBM-tillståndet till det slutliga tillståndet av före krocksfasen för sittposition, spänningstillstånd respektive hastighet. Simuleringarna möjliggjorde en jämförelse av åkande respons och beräkning av korskorrelation. Varje mappningsstrategi gav en bra korskorrelation med originalsimuleringen.

Thesis deals with comparison of influence of chosen solution method on pre crash movement of vehicles in one simulation program and on differences between calculations for one method in different programs. Compared solution methods are kinematics and dynamics solutions of pre crash movement, compared programs are Virtual CRASH and PC-Crash.

Les constructeurs automobiles sont tenus de respecter des minima sécuritaires vérifiés lors de crash-tests normalisés, d'où un nombre de scénarios de tests limité ne tenant pas compte des particularités individuelles. Ce mémoire propose d'évaluer le comportement humain réel en phase de pré-crash sur simulateur de conduite. L'expérimentation, intégrant un scénario d'accident difficilement évitable, a permis d'étudier le comportement de 76 conducteurs dont 40 sur simulateur dynamique. Pour ce groupe, 43 voies de mesures centrées sur le conducteur ont été intégrées au protocole. Parmi les résultats obtenus, on retiendra la possible détection précoce de l'accident, pour la moitié des conducteurs, sur la base de leur interaction avec le véhicule. Les manœuvres d’évitement amènent 25% des sujets à positionner l'avant-bras devant le volant au moment de l’impact. Cette situation peut compromettre l'efficacité des airbags, ce qui est vérifié sur banc statique, par le déploiement d'airbags face à un mannequin de type Hybrid III-50%. La projection du bras entraine un impact de 120g à la tête. De plus, l'intégration de membres supérieurs issus de SHPM montre que la situation provoque des fractures de l'avant-bras. Un modèle numérique a été conçu pour estimer les effets de la position atypique lors d'un crash frontal à 50km/h. L'accélération de la tête atteint 270g, synonyme de risques lésionnels élevés. Enfin, une modification technologique des airbags est proposée, basée sur l'hypothèse que la détection à distance peut permettre un déclenchement anticipé et plus lent des airbags. Testée expérimentalement et numériquement, cette évolution permet de respecter les critères lésionnels. / Automakers are lawfully required to achieve a minimum level of security which is checked during standardized crash tests. This results in a limited number of scenarios, which do not take individual specificities into account. This dissertation evaluates real human behaviour during the pre-crash phase, by means of a driving simulator. The experiment, integrating an unavoidable accident, studied the behaviour of 76 drivers, of which 40 drivers on a dynamic simulator. Concerning this group, 43 acquisition channels dedicated to drivers were added. From the results, one can retain that the crash can be predicted for half of the drivers through the observation of their behaviour and their interaction with the car. Due to swerving manoeuvres, 25% of the drivers have their forearm just in front of the steering wheel at the time of crash. This situation may compromise the efficiency of the airbags, that is verified experimentally on a static bench, by the deployment of airbags in front of a Hybrid III-50% dummy. The throwing of the arm causes an impact of 120 g to the head. In a second stage, the integration of left upper limbs from PMHS reveals that the situation is likely to generate fractures in the forearm. A numerical model has been designed to estimate the consequences of the atypical position during a frontal crash at 50km/h. The head acceleration reaches 270 g, synonymous with high lesion risks. Finally, a technological modification of the airbags is proposed to reduce this risk. The assumption is made that the use of remote sensors technologies can allow an early detection of the crash and therefore slower triggering of airbags. Tested experimentally and then numerically, this technical evolution reduces the violence of the impact to respect the injury criteria.