Die Moeglichkeit durch automatische Unfallbenachrichtigungssysteme Leben zu retten

The life-saving opportunity for automatic crash notification systems

Die Entwicklung von Automatischen Unfallbenachrichtigungssystemen (ACN) bietet die Moeglichkeit, Unfaelle sofort zu lokalisieren und die Unfallmerkmale durch Analyse der vom Fahrzeug uebertragenen Daten sofort festzulegen. Dies stellt eine Herausforderung fuer EMS-Entscheidungstraeger dar, die Unfaelle mit schweren Verletzungen feststellen und die entsprechenden Rettungs- und Behandlungseinrichtungen aktivieren. Ziel dieser Untersuchung ist die Festlegung der Aufprallmerkmale, die das Risiko schwerer Verletzungen erhoehen. In dieser Studie werden Regressionsmodelle vorgestellt, die Fahrzeuginsassen, Fahrzeug und Aufprallmerkmale mit der Wahrscheinlichkeit schwerer Verletzungen abgleichen und dabei den Maximum Abbreviated Injury Scale Level (MAIS) heranziehen. Die Genauigkeit der vorgeschlagenen Modelle wurde anhand des National Automotive Sampling System/Crashworthiness Data System (NASS/CDS) und mit Hilfe der Falldaten der Crash Injury Research and Engineering Network (CIREN) bewertet. Kumulativ lag die positive Prognoserate von Modellen, die die Wahrscheinlichkeit von MAIS3 und schwereren Verletzungen feststellte, bei 74,2 Prozent. Die Art des Aufpralls hat einen deutlichen Einfluss auf das Verletzungsrisiko. Bei Aufprall mit 30 mph DeltaV liegt das Risiko fuer eine MAIS3+ Verletzung fuer jede Art bei 38,9 Prozent, 83,8 Prozent, 47,8 Prozent und 19,9 Prozent bei Unfaellen mit Frontal-, Frontseiten, Heckseiten und Heckaufprall respektive. Zusaetzlich wurden zu Delta V eine Reihe von Aufprallvariablen ermittelt, die bei der genauen Vorhersage der Wahrscheinlichkeit einer MAIS3+-Verletzung helfen. Diese Variablen beinhalteten das Alter des Fahrzeuginsassen, teilweises Herausschleudern, Verwendung des Sicherheitsgurtes, Intrusion in der Naehe des Fahrzeuginsassen und Aufprall auf ein schmales Objekt. Bei Frontalaufprall beinhalteten die zusaetzlichen Variablen das Ansprechen des Airbags, Lenkradverformung und Unfaelle mit Mehrfachaufprall. Das quantitative Verhaeltnis zwischen jeder dieser Crash-Variablen und dem Verletzungsrisiko wurde ermittelt und durch Regressionsanalyse auf der Basis von NASS/CDS- und CIREN-Daten validiert. ABSTRACT IN ENGLISH: The advent of Automatic Crash Notification Systems (ACN) offers the possibility of immediately locating crashes and of determining the crash characteristics by analyzing the data transmitted from the vehicle. A challenge to EMS decision makers is to identify those crashes with serious injuries and deploy the appropriate rescue and treatment capabilities. The objective of this paper is to determine the crash characteristics that increase the risk of serious injury. Within this paper, regression models are presented which relate occupant, vehicle and impact characteristics to the probability of serious injury using the Maximum Abbreviated Injury Scale Level (MAIS). The accuracy of proposed models were evaluated using National Automotive Sampling System/ Crashworthiness Data System (NASS/CDS) and Crash Injury Research and Engineering Network (CIREN) case data. Cumulatively, the positive prediction rate of models identifying the likelihood of MAIS3 and higher injuries was 74.2 percent. Crash mode has a significant influence of injury risk. For crashes with 30 mph deltaV, the risk of MAIS3+ injury for each mode is 38.9 percent, 83.8 percent, 47.8 percent and 19.9 percent for frontal, near side, far side and rear impact crashes, respectively. In addition to deltaV, a number of crash variables were identified that assist in the accurate prediction of the probability of MAIS 3+ injury. These variables include occupant age, partial ejection, safety belt usage, intrusion near the occupant, and crashes with a narrow object. For frontal crashes, added crash variables include air bag deployment, steering wheel deformation, and multiple impact crashes. The quantitative relationship between each of these crash variables and injury risk has been determined and validated by regression analysis based on NASS/CDS and CIREN data. (A) Beitrag zum Themenbereich "Pre-/Post Crash II" der Tagung "Innovativer Kfz-Insassen- und Partnerschutz - Fahrzeugsicherheit 2010 -" der VDI-Gesellschaft Fahrzeug- und Verkehrstechnik, Berlin, 20. und 21. November 2003. Siehe auch Gesamtaufnahme der Tagung, ITRD-Nummer D352586.

  • Availability:
  • Authors:
    • AUGENSTEIN, J
    • PERDECK, E
    • STRATTON, J
    • CHIMENTO, S
    • LEHMANN, W
    • DIGGES, K
    • BAHOUTH, G
  • Publication Date: 2003

Language

  • English

Media Info

  • Pagination: 319-37
  • Monograph Title: Innovativer Kfz-Insassen- und Partnerschutz - Fahrzeugsicherheit 2010 -. Tagung der VDI-Gesellschaft Fahrzeug- und Verkehrstechnik, Berlin, 20. und 21. November 2003
  • Serial:
    • VDI-Berichte
    • Issue Number: 1794
    • Publisher: VDI Verlag GmbH
    • ISSN: 0083-5560

Subject/Index Terms

Filing Info

  • Accession Number: 01204258
  • Record Type: Publication
  • Source Agency: Bundesanstalt für Straßenwesen (BASt)
  • Files: ITRD
  • Created Date: Oct 7 2010 7:56PM