Die Studie zielt auf die Entwicklung einer objektiven und statistisch angemessenen Methode zur Klassifizierung von Fahrzeug-Frontstrukturen ab. Daher wurden in der GIDAS-Datenbank erfasste Fahrzeuge analysiert, die in Frontalunfaelle mit Fussgaengern verwickelt waren. Nach der geometrischen Messung von 189 CAD-Modellen wurden sie mithilfe einer Cluster-Analyse in fuenf Gruppen unterteilt. Anschliessend wurden die berechneten Gruppen statistisch beschrieben und verglichen. Es ergab sich, dass die Bildung von logischen und gleichzeitig statistisch nachvollziehbaren Gruppen moeglich ist. Die Klassifizierung kann mit mehr oder weniger Modellen jederzeit wiederholt werden. Der entscheidende Vorteil dieser Methode ist, dass keine visuell-basierten Algorithmen fuer die Klassifizierung verwendet werden und keine subjektive Einschaetzung erforderlich ist, wie es bei frueheren Klassifizierungen der Fall war. Die Nutzung der Cluster-Analyse waere ausserdem fuer weitere geometrisch-basierte Analysen moeglich (Sichtbarkeitsbeziehungen, Fahrzeugklassifizierung, etc.). Darueber hinaus waere eine dreidimensionale Auswertung der Fahrzeug-Frontstrukturen moeglich. Ausserdem koennen Analysen hinsichtlich des Einflusses der Fahrzeugform auf die tatsaechliche Verletzungsschwere des Fussgaengers bei einem realen Unfall durchgefuehrt werden. ABSTRACT IN ENGISH: The study aimed at developing an objective and statistically proper method for the classification of vehicle front-end shapes. Therefore, vehicles involved in frontal pedestrian accidents in the GIDAS database were analyzed. After the geometrical measurement of 189 CAD models, they were classified into five groups using a cluster analysis. After that, the calculated clusters were statistically described and compared, leading to the result that the formation of logical and at the same time statistically comprehensible groups is possible. The classification can be repeated with more or less models at any time. The crucial advantage of this method is the fact that there are no visually based algorithms used for the classification and that there is no subjective evaluation involved as it has been in former classifications. The use of the cluster analysis would also be possible for further geometrically based analyses (visibility relations, vehicle classifications etc.). In addition, a three-dimensional evaluation of front-end shapes would be possible. Furthermore, analyses can be done concerning the influence of the vehicle shape on the actual injury severity of the pedestrian in the real-world accident. (A) Siehe auch Gesamtaufnahme des Kongresses, ITRD-Nummer D365801.
Abstract