마디모를 이용한 차 대 보행자 사고 재구성에 관한 연구

1. 서 론

국내 교통사고 통계지표에 따르면 차 대 보행자 사고는 2013부터 2017년까지 총 245,642건이 발생하였다. 차 대 보행자 사고 유형은 횡단중, 차도통행중, 길거리가장자리구역통행중, 보도통행중 그리고 기타로 분류되는데, 횡단중에 발생한 사고는 109,826건으로 전체 사고의 44.7 %를 차지한다. 가장 높은 비율을 차지하는 횡단중 발생한 사고에 의한 피해자는 171,556명으로 조사되었으며 이중 사망자수는 약 3 %이고, 나머지 약 97 %는 중상자 및 부상자로 분류된다.¹⁾ 이처럼 보행자 사고의 경우 보행자를 보호하는 안전장치가 대부분 존재하지 않기 때문에 사고가 발생하면 거의 모든 피해자가 상해를 입거나 심각한 경우에는 사망에 이르게 된다.

일반적인 보행자 사고에서 차량의 충돌 속도 및 충격지점은 중요한 쟁점으로 다뤄지며, 이를 추정하기 위해 현장유류물, 보행자 전도위치, 차량 파손상태, 보행자의 상해부위 등을 종합적으로 고려하여 사고분석을 수행한다. 하지만 방범용 CCTV와 차량용 블랙박스가 보편화되면서 사고 발생 시 충돌 속도, 충격지점 그리고 충격 후 보행자의 거동을 확인할 수 있기 때문에 보다 객관적인 분석이 가능하다.

보행자 사고에 대한 국내외 연구사례들을 살펴보면, 보행자 사고에서 중요한 쟁점으로 다뤄지는 차량의 충돌 속도를 추정하기 위해 Evans와 Smith²⁾는 전도거리를 이용하여 속도를 추정하는 연구를 진행하였다. Ravani 등³⁾은 보행자의 충돌 유형을 Wrap Trajectory, Forward Projection, Fender Vault, Roof Vault, Somer Vault와 같이 총 5가지로 정의하였으며, Wood 등⁴⁾은 보행자 충돌 유형 중 가장 높은 비율을 차지하는 Wrap/forward 충돌 유형⁵⁾에 국한하여 속도를 추정하는 연구를 진행하였다. 이러한 충돌 속도를 추정하는 수학적 모델에 관한 연구들이 진행되었지만, Simms 등⁶⁾은 속도를 추정하는 기존 수학적 모델에서 고려하지 않은 요인들에 대한 불확실성을 제시하며 속도 추정의 신뢰성 한계에 관한 연구를 진행하기도 하였다. 또한, 한인환과 Brach^7,8)은 사고사례를 바탕으로 통계적 분석방법인 Monte carlo를 이용하여 보행자 사고모델을 구축하였으며, 평지가 아닌 경사길 보행자 충돌사고 해석 모델을 구축하고 해석 모델의 불확실성에 대한 평가 방안을 제시하였다.

이처럼 수학적 모델을 이용하여 보행자 사고에 대한 연구가 진행되었지만, 다양한 사고 유형에 적용하기 힘들다는 한계점과 결과에 대한 불확실성 때문에 인체거동해석 프로그램인 마디모(MADYMO; MAthematical DYnamical Models)를 이용한 연구가 진행되었다. 여기서 마디모는 TNO(Netherlands Organisation for Applied Science Research)에서 개발한 프로그램이며, 사용자의 입력 조건에 따라 다수의 바디(Body)와 운동관절(Kinematic joint)로 구성된 멀티바디(Multi-Body System)가 프로그램에 적용된 수치적 알고리즘(e.g., modified Euler or Runge-Kutta)에 의해 각 바디에 가해지는 힘을 계산하고 멀티바디의 움직임을 예측하여 보행자의 충돌 후 거동 분석 및 상해 평가를 가능하게 해주는 프로그램이다.

이러한 마디모 프로그램을 바탕으로 최지훈 등⁹⁾은 전면유리에 보행자의 머리가 충돌하는 상황을 실험하여 프로그램 상에서 재현하고 이를 통해 차량의 속도를 추정하는 해석적 방법에 관한 연구를 진행하였으며, Grocetta 등¹⁰⁾은 다양한 차종의 전면 형태에 따른 보행자의 충돌 후 거동에 관한 연구를 진행하였다. 또한, Untaroiu등¹¹⁾은 보행자의 보행 거동(Gait cycle)을 바탕으로 차량의 파손 상태와 충격 부위를 최적화하여 충돌 상황을 재구성하는 연구를 진행하였다. 일부 연구자들은 보행자의 상해정도에 집중하여 연구를 진행하였다. 지성호 등¹²⁾은 실제 사고에서 보행자의 자세 및 거동을 고려한 보행자의 상해평가에 관한 연구를 수행하였고, Han 등¹³⁾은 차량의 속도, 다양한 차종의 전면 형태 및 보행자의 신체 크기까지 고려하여 보행자의 상해정도를 평가하는 연구를 수행하였다.

이처럼 보행자 사고에 대한 다양한 연구가 진행되었지만, 보행자 사고의 충돌 전, 충격 시점 그리고 충돌 후 상황을 전체적으로 분석할 수 있는 방법을 제안하거나, 시뮬레이션 결과에 대한 신뢰성을 평가한 연구는 미비한 상황이다.

본 연구에서는 마디모 프로그램의 신뢰성 평가를 수행하기 위해 사고 상황이 기록된 사례를 바탕으로 사고 재구성을 수행하였다. 사고 현장과 차량은 실제 모델을 기준으로 LS-PrePost 프로그램을 이용하여 3D 모델링을 하였으며, 사고 영상 및 차량의 파손부분을 바탕으로 최초 충돌 지점 및 충돌 자세를 설정하였다. 충돌 속도의 경우 사고영상을 통한 속도 계산 및 전도거리를 바탕으로 속도를 추정하는 공식을 이용하였다. 총 4가지(Appel, Barzeley, Video Analysis, Limpert)속도에 대해 각각 마디모 시뮬레이션을 수행하였으며, 이를 바탕으로 마디모를 이용한 차 대 보행자 사고 시뮬레이션의 활용성과 신뢰성을 검증해보고자 한다.

2. 사고내용

2.2 사고현장 및 물리적 자료

사고 영상에서 확인되는 충격 전･후 상황은 Fig. 1과 같다. 사고는 늦은 새벽에 발생하였으며 도로상에는 운전자의 시야를 방해할만한 다른 차량이나 노면에 놓인 장애물은 없었고 노면은 건조한 상태이었다. 현장에서 측정된 보행자의 전도거리는 충격지점으로부터 약 18 m이며, 보행자의 모자와 신발은 안전지대에 떨어져 있었다. 이를 바탕으로 사고 영상에서 확인된 충격지점, 보행자 낙하지점, 유류물의 위치 그리고 차량의 정지지점을 도로상에 표시하면 Fig. 2와 같다.

Fig. 1

Scene of a traffic accident

Fig. 2

Accident situation map

차량은 보행자를 안전지대(노란색 빗금)에서 충격하였으며, 충격 후 노면상의 마름모 표식에서 최종 정지하였다. 사고 영상에서 차량과 보행자의 최종 위치를 확대한 모습은 Fig. 3과 같다. 보행자의 몸통은 중앙선에 걸친 채로 전도되어 있었고, 머리 방향은 도로상에 새겨진 “노인 보호구역”의 “보”자 부분을 향한 상태이다.

Fig. 3

Pedestrian drop position

2.3 보행자 및 사고차량 정보

보행자는 60대 남성이며, 신장은 168 cm이고 몸무게는 75 kg이다. 차량은 현대자동차에서 출시된 LF쏘나타 모델이다. Fig. 4는 차량의 전면부 파손 사진으로, 전면 범퍼 및 엔진 후드가 변형되었고 전면 유리의 좌측 하단부분이 파손된 것으로 확인된다.

Fig. 4

Damaged of the vehicle

3. 충돌 속도

차 대 보행자 사고는 사고 영상이 없을 경우, 차량의 파손 부분 및 보행자의 상해부위를 고려하여 충돌 유형을 분석하고 속도를 추정하는 공식에 보행자의 전도거리를 적용하여 충돌 속도를 계산한다. 하지만 사고 영상이 있는 경우에는 영상의 프레임 분석을 통해 차량의 속도 계산이 가능하다.

3.1 전도거리를 이용한 속도 추정

사고영상에서 차량은 충격 후 감속을 하고 보행자는 차량의 지붕위로 넘어가 차량의 후방부에 최종적으로 위치하였으므로 총 5가지의 충돌 유형 중, Roof Vault 충돌 유형에 해당된다. 측정된 보행자의 전도거리를 이용하여 Roof Vault 충돌 유형에 적용 가능한 식 (1) : Appel 공식, 식 (2) : Barzeley 공식 그리고 식 (3) : Limpert 공식을 이용하여 각각 보행자 충돌 속도를 계산하였다. 계산된 속도는 Table 1과 같다.

$\[ \bullet \begin{array}{l}Appel:\upsilon =\sqrt{121.34\times d}\\ \mathrm{w}\mathrm{h}\mathrm{e}\mathrm{r}\mathrm{e}, \upsilon : \mathrm{v}\mathrm{e}\mathrm{h}\mathrm{i}\mathrm{c}\mathrm{l}\mathrm{e}\mathrm{ }\mathrm{s}\mathrm{p}\mathrm{e}\mathrm{e}\mathrm{d}\mathrm{ }\left(\mathrm{k}\mathrm{m}/\mathrm{h}\right)\\ d:\mathrm{t}\mathrm{h}\mathrm{r}\mathrm{o}\mathrm{w}\mathrm{ }\mathrm{d}\mathrm{i}\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{n}\mathrm{c}\mathrm{e}\mathrm{ }\left(\mathrm{m}\right)\end{array} \]$

(1)

$\[ \bullet \begin{array}{l}Barzely:\upsilon =\sqrt{150+\left(204\times d\right)}-12.2\\ \mathrm{w}\mathrm{h}\mathrm{e}\mathrm{r}\mathrm{e}, \upsilon : \mathrm{v}\mathrm{e}\mathrm{h}\mathrm{i}\mathrm{c}\mathrm{l}\mathrm{e}\mathrm{ }\mathrm{s}\mathrm{p}\mathrm{e}\mathrm{e}\mathrm{d}\mathrm{ }\left(\mathrm{k}\mathrm{m}/\mathrm{h}\right)\\ d:\mathrm{t}\mathrm{h}\mathrm{r}\mathrm{o}\mathrm{w}\mathrm{ }\mathrm{d}\mathrm{i}\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{n}\mathrm{c}\mathrm{e}\mathrm{ }\left(\mathrm{m}\right)\end{array} \]$

(2)

$\[ \bullet \begin{array}{l}Limpert:\upsilon =10.62\sqrt{8.4{\mu }^4+3.3\mu d}-32.2{\mu }^2\\ \mathrm{w}\mathrm{h}\mathrm{e}\mathrm{r}\mathrm{e}, \upsilon : \mathrm{v}\mathrm{e}\mathrm{h}\mathrm{i}\mathrm{c}\mathrm{l}\mathrm{e}\mathrm{ }\mathrm{s}\mathrm{p}\mathrm{e}\mathrm{e}\mathrm{d}\mathrm{ }\left(\mathrm{k}\mathrm{m}/\mathrm{h}\right)\\ d:\mathrm{t}\mathrm{h}\mathrm{r}\mathrm{o}\mathrm{w}\mathrm{ }\mathrm{d}\mathrm{i}\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{n}\mathrm{c}\mathrm{e}\mathrm{ }\left(\mathrm{m}\right)\\ \mu :\mathrm{c}\mathrm{o}\mathrm{e}\mathrm{f}\mathrm{f}\mathrm{i}\mathrm{c}\mathrm{i}\mathrm{e}\mathrm{n}\mathrm{t}\mathrm{ }\mathrm{o}\mathrm{f}\mathrm{ }\mathrm{f}\mathrm{r}\mathrm{i}\mathrm{c}\mathrm{t}\mathrm{i}\mathrm{o}\mathrm{n}\left(\mathrm{\mu }:0.8\right)\end{array} \]$

(3)

Table 1

Calculated speed (Presumption equation)

3.2 영상자료를 이용한 속도 추정

사고 영상은 프레임 레이트가 30 FPS로 1초에 30 프레임을 고정적으로 갖는 영상이다. 속도 계산을 위한 기준구간은 Fig. 5와 같이 횡단보도의 폭으로 설정하였으며, 현장에서 측정된 폭의 길이는 약 5.9 m이다. 기준시간은 차량이 횡단보도에 진입한 시점부터 통과한 시점(12프레임, 약 0.4초)까지로 설정하였다. 차량의 속도를 계산하는 공식은 식 (4)와 같이 표현할 수 있으며, 차량의 추정 속도는 53.1 km/h로 계산된다.

Fig. 5

Frame analysis in video

$\[ \bullet \begin{array}{l}Video Analysis:\upsilon =S\times \frac{FPS}{\left(F_2-F_1\right)}\times 3.6\\ \mathrm{w}\mathrm{h}\mathrm{e}\mathrm{r}\mathrm{e}, \upsilon : \mathrm{v}\mathrm{e}\mathrm{h}\mathrm{i}\mathrm{c}\mathrm{l}\mathrm{e}\mathrm{ }\mathrm{s}\mathrm{p}\mathrm{e}\mathrm{e}\mathrm{d}\mathrm{ }\left(\mathrm{k}\mathrm{m}/\mathrm{h}\right)\\ S:\mathrm{s}\mathrm{e}\mathrm{c}\mathrm{t}\mathrm{i}\mathrm{o}\mathrm{n}\mathrm{ }\mathrm{d}\mathrm{i}\mathrm{s}\mathrm{t}\mathrm{a}\mathrm{n}\mathrm{c}\mathrm{e}\mathrm{ }\left(\mathrm{m}\right)\\ FPS:\mathrm{f}\mathrm{r}\mathrm{a}\mathrm{m}\mathrm{e}\mathrm{ }\mathrm{r}\mathrm{a}\mathrm{t}\mathrm{e}\mathrm{ }\left(\mathrm{f}\mathrm{r}\mathrm{a}\mathrm{m}\mathrm{e}\mathrm{ }\mathrm{p}\mathrm{e}\mathrm{r}\mathrm{ }\mathrm{s}\mathrm{e}\mathrm{c}\mathrm{o}\mathrm{n}\mathrm{d}\right)\\ F_1,F_2:\mathrm{f}\mathrm{r}\mathrm{a}\mathrm{m}\mathrm{e}\mathrm{ }\mathrm{n}\mathrm{u}\mathrm{m}\mathrm{b}\mathrm{e}\mathrm{r}\mathrm{ }\left(\mathrm{f}\mathrm{r}\mathrm{a}\mathrm{m}\mathrm{e}\right)\end{array} \]$

(4)

총 4가지(Appel, Barzeley, Video Analysis, Limpert)속도는 Table 2와 같다. 속도를 추정하는 공식을 통해 계산된 속도는 46.7 km/h, 49.6 km/h, 55.2 km/h이고, 영상을 통해 계산된 속도는 53.1 km/h이다.

Table 2

Calculated speed (Overall)

영상을 통해 계산된 속도는 Barzeley 공식과 Limpert 공식을 통해 계산된 속도 값 사이에 위치하며, 영상 속도 분석의 측정오차인 ±5 % (50.4 ~ 55.7 km/h)를 적용하여도 Barzeley 공식 및 Limpert 공식과 약 1 km/h이내의 속도 편차를 보인다.¹⁴⁾ 이러한 계산 결과를 바탕으로 사고영상이 없는 경우에는 충돌 유형에 해당되는 하나의 식을 사용하기 보다는 다수의 식을 이용하여 속도를 계산한다면 실제 충돌 속도를 포함하는 속도의 범위를 설정할 수 있을 것으로 사료된다.

4. 사고 재현 시뮬레이션

4.1 분석방법

본 절에서는 사고 현장모델, 보행자 인체모델의 초기 충격 자세 그리고 차량모델을 설정하는 과정에 대하여 기술하였다. 사고 현장은 드론(Inspire 2, DJI)을 이용해 현장 촬영을 한 후 모델링을 하였고, 보행자 인체모델의 초기 충돌 자세는 영상자료를 통해 설정하였다. 차량모델의 경우에는 실제 사고 차량을 3D 스캔하여 모델을 구성하였다.

4.1.1 사고 현장모델

Fig. 6과 같이 드론(Inspire 2, DJI)을 이용하여 사고현장의 선명한 항공사진을 얻고, 이를 바탕으로 Ls-PrePost 프로그램을 이용하여 모델링하였다.

Fig. 6

Accident road reconstruction modeling

4.1.2 보행자 인체 더미 모델 및 충격 자세

보행자 인체모델은 마디모 프로그램에 내장된 인체 모델 데이터베이스에 있는 북미 성인남자 평균 키와 몸무게의 50 %를 기준으로 제작된 Hybrid 50 percentile dummy model에 보행자의 신장(168 cm)과 몸무게(75 kg)를 적용하여 사용하였다.¹⁵⁾ 보행자 인체모델의 초기 충격 자세는 Fig. 7과 같이 영상 자료 및 파손 부분을 참고하여 설정하였다.

Fig. 7

Dummy posture

4.1.3 차량모델

보행자 사고의 경우, 차량의 외형은 보행자의 충돌 후 거동에 크게 영향을 주기 때문에 LF소나타 차량을 3D 스캔하여, Ls-PrePost 프로그램을 이용해 3D 모델을 Fig. 8과 같이 구성하였다. LF소나타의 주요제원은 Table 3과 같으며, 해석시간을 단축시키기 위해 차량 외관에 대해서만 유한요소 모델링을 수행하였다.

Fig. 8

Vehicle model

Table 3

Vehicle specifications

차량모델은 전면 범퍼, 전면 유리, 엔진 후드 등과 같이 총 30개로 구성하였으며, 전체 요소(Element)의 개수는 36,537개이고 점(Node)의 수는 71,417개이다. 차량의 전면 부분인 범퍼와 엔진 후드의 경우에는 충격완화제, 방음재 그리고 내장재 등과 같은 다수의 부품들로 구성되어 있어 정확한 물성치(Material property)를 파악하기 어렵다. 그러므로 사체(Cadaver)와 차량 간의 충돌실험을 수행한 연구¹⁶⁾를 참고하여 전면범퍼와 엔진후드에 대한 강성치(Stiffness value)를 Table 4와 같이 설정하였고, 마디모 시뮬레이션에는 가해진 힘에 따라 변형이 일어나는 Force-deformation 조건으로 설정하였다.¹⁵⁾ 전면 유리의 경우에는 Table 5와 같이 유리의 물성치를 설정하였다.¹⁷⁾

Table 4

Stiffness value

Table 5

Material property of glass

4.1.4 PC-CRASH와 마디모 연동해석

오스트리아 Dr.Hermann Steffan에 의해 개발된 교통사고재구성 프로그램인 PC-CRASH¹⁸⁾를 이용하여 추정식과 영상을 통해 계산된 총 4가지 속도조건과 차량이 노면상의 마름모표식에 제동하는 조건을 토대로 Fig. 9와 같이 차량 주행 상황을 재현하였다.

Fig. 9

PC-CRASH Simulation

PC-CRASH에서 재현한 총 4가지 속도 조건에 대해 차량의 3축(x,y,z) 가속도와 Roll, Pitch, Yaw 방향의 각도 그리고 차량의 변위를 추출하였으며, Fig. 10에는 총 4가지 속도 조건 중 영상속도분석 결과(Video analysis : 53.1 km/h)만을 표시하였다. 추출한 데이터는 마디모에 차량의 동적거동을 위해 차량모델의 중심점에 각 데이터를 적용하였다.

Fig. 10

PC-CRASH Simulation result at 53.1 km/h

차량과 보행자간의 마찰계수는 Wood와 Simms¹⁹⁾의 논문을 참고하여 0.2값을 설정하였으며, 보행자와 노면과의 마찰계수는 Drag-Testing 실험논문을 바탕으로 0.4를 적용하였다.²⁰⁾

4.2 분석결과

시뮬레이션 해석시간은 사고영상을 바탕으로 초기충격부터 최종정지까지 소요된 시간(2.96초)과 동일하게 설정하였다. 시뮬레이션의 재현성 및 신뢰성에 대한 부분을 논하기 위해 사고영상을 바탕으로 계산한 속도인 53.1 km/h의 조건에서 해석된 전체적인 충돌 상황을 사고영상과 비교하였고, 이후 총 4가지 속도조건에 대한 보행자의 전도위치 분석을 수행하였다.

4.2.1 보행자 충격 자세 및 차량 파손 형태 검토

보행자 사고 시뮬레이션에서는 초기 충격 자세에 따라 충돌 후 거동에 크게 영향을 주기 때문에 실제 차량의 파손 사진 및 보행자의 상해 부위를 고려한 해석은 선행되어야 한다. Fig. 11은 차량이 보행자 인체모델을 충격하는 상황이다. 보행자 인체모델은 차량의 파손부분과 동일하게 인체모델의 하체가 1차적으로 전면 범퍼와 엔진 후드에 충격하고, 이후 충격에 의해 몸이 회전하면서 인체모델의 머리가 실제 전면 유리의 파손부분과 동일한 위치에 충격되는 것을 확인할 수 있었다.

Fig. 11

MADYMO Simulation

4.2.2 보행자 거동 분석

Fig. 12에는 마디모 시뮬레이션 결과와 사고 영상의 충격 후 보행자 거동변화를 비교하였다. 좌측은 사고영상의 충격 후 거동이며, 우측은 시뮬레이션 결과이다. 보행자와 인체모델은 노란 점선으로 나타내었으며, 각각의 머리 방향은 빨간 화살표로 표시하였다. 그림의 오른쪽 위에는 충격 이후의 진행 시간을 표시하였다.

Fig. 12

Comparison between video (Left) & MADYMO (Right)

사고영상에서 보행자는 차량과 충격 후 시계방향으로 회전하면서 차량 전면유리에 충격하는 것을 확인할 수 있다. 이후 보행자는 비상하면서 시계방향으로 회전하고, 중앙선과 도로의 좌회전 화살표 표식 사이에 최초 낙하하는 것이 확인된다. 이후, 충격에 의한 가속으로 미끄러지면서 최종적으로 “보”자 부분에 최종 정지하는 것을 확인할 수 있다. 마디모 시뮬레이션의 경우에도 보행자 인체모델의 전체적인 거동은 사고영상의 보행자 거동과 유사한 것으로 확인되며, 보행자 인체모델이 최초 낙하하는 시점 및 보행자가 최종적으로 정지한 시점 그리고 최종 자세 또한 사고영상과 유사하게 해석되는 것으로 확인된다.

4.2.3 속도에 따른 보행자 전도위치

시뮬레이션 결과에서 충돌 전･후 상황에 대한 보행자 인체모델의 전도위치 및 차량의 위치는 Fig. 13과 같다.

Fig. 13

MADYMO Simulation result

Fig. 13에서 보행자 인체모델의 전도위치를 중심으로 확대한 그림은 Fig. 14와 같다. 각각의 인체모델에는Ⅰ~Ⅳ까지의 번호를 할당하였고, 인체모델의 전도거리는 머리를 기준으로 측정하였으며, 점선으로 “+”표시를 하였다. 현장에서 측정된 전도거리는 실선으로 표시하였다. 시뮬레이션의 충돌 속도와 해석된 전도거리 그리고 인체모델의 X축 및 Y축 방향의 이동거리는 Table 6과 같다.

Fig. 14

Final position of pedestrian

Table 6

Pedestrian position analysis

충돌 속도는 최소 46.7 km/h에서 최대 55.2 km/h이며, 전도거리는 충돌 속도에 따라 최소 15.9 m에서 최대 21.3 m로 계산된다. 인체모델의 X축 이동거리도 최소 15.9 m에서 최대 21.1 m로 전도거리와 동일하게 충돌 속도의 증가에 따라 최초 충돌지점으로부터 멀어짐을 알 수 있다. Y축 이동거리는Ⅰ의 결과에서만 1.1 m의 값으로 다른 값 보다 작게 해석된다. 이는 다른 인체 모델의 최종 자세와 머리의 방향이 반대로 해석되어 나타난 결과로 보인다.

Table 7은 영상 속도분석 결과인 III을 기준으로 속도 및 전도거리의 편차를 정리한 표이다. I과 IV의 경우에는 III과 충돌 속도의 편차가 각각 -6.4, 2.7 km/h 발생하며, 전도거리도 속도의 편차와 유사한 경향으로 각각 -3.7, 1.7 m 편차가 발생한다. 하지만 II의 경우에는 III과 3.5 km/h의 속도 편차가 발생하지만, 전도거리의 차이는 -0.3 m로 서로 근접한 것을 확인할 수 있다.

Table 7

Speed & Throw distance variation

이러한 결과를 바탕으로 마디모 프로그램에서 인체모델의 거동은 비선형으로 해석되며, 단순히 인체모델에 가해지는 힘에 의해 전도거리가 비례하여 계산되지 않고, 충돌 후 차량 및 인체모델 그리고 노면 및 인체모델의 마찰과 같은 다른 요인에 의해 복합적으로 해석되면서 나타난 결과로 사료된다.

Table 8은 현장에서 측정된 전도거리인 18 m를 기준으로 각각의 시뮬레이션에서 계산된 전도거리에 대한 편차를 정리한 표이다. I과 IV의 경우에는 실제 보행자의 낙하지점과 각각 -2.1, 3.3 m의 거리 차이가 발생하였으며, 인체모델은 실제 보행자의 낙하 자세와 다른 자세를 보인다. II와 III의 경우에는 1.3, 1.6 m의 차이가 발생하고 실제 보행자의 자세와 유사한 자세를 보인다.

Table 8

Throw distance variation with Ref.18 m

보행자 사고에서 사고 영상이 있을 경우에는 III의 경우처럼 차량의 충돌 속도를 계산할 수 있으며, 인체모델의 전도위치도 실제 보행자의 전도위치와 근접하게 계산되는 것을 알 수 있다. 하지만 사고 영상이 없을 경우에는 전도거리를 바탕으로 충돌 속도를 계산하기 때문에 다수의 추정공식 중에서 충돌 유형에 따른 실제 충돌 속도와 가장 근접하게 계산되는 추정공식을 고려할 필요가 있다.

본 사고사례를 바탕으로 보았을 때, I과 IV의 경우에는 실제 전도거리에 비해 해석된 전도거리가 너무 작거나 크게 계산되는 것을 볼 수 있다. 하지만 II(Barzeley)의 경우에는 총 4가지의 시뮬레이션 결과 중 실제 보행자의 전도위치에 가장 근접하였고, 영상 분석 결과인 III의 결과와도 인체모델의 최종 자세 및 전도위치가 유사함을 확인하였다.

5. 결 론

본 연구에서는 보행자 충돌 사고에 마디모를 이용한 사고 재구성을 수행하였고, 마디모 시뮬레이션의 활용성 및 신뢰성에 대한 검토를 수행하며 다음과 같은 결론을 도출하였다.

• 1) 전도거리를 이용하여 충돌 속도를 추정하는 경우 충돌 유형에 해당하는 하나의 추정공식만 이용하여 속도를 추정하는 것은 실제 속도와 편차가 발생할 수 있으며, 충돌 유형에 적합한 다수의 속도 추정공식들을 함께 사용한다면 추정 속도의 범위 내에 실제 충돌 속도를 포함한 해석이 가능할 것이라고 사료된다.
• 2) 영상 자료 및 차량 파손부분을 바탕으로 인체모델의 초기 충돌 자세를 설정하였으며, 이를 바탕으로 수행한 시뮬레이션 결과에서 인체모델은 실제 차량의 파손부분과 대응하며 접촉하는 결과를 보였다. 인체모델의 충돌 후 거동은 실제 사고 영상과 유사하며, 인체모델의 최종 위치 또한 실제 최종 낙하지점에 근접하였다. 그러므로 제시된 증거자료들을 충분히 고려하여 마디모 프로그램에 적용한다면 실제 상황과 유사한 사고 재구성이 가능할 것으로 사료된다.
• 3) 인체모델의 최종 전도위치는 충돌 속도가 증가함에 따라 최초 충돌 위치로부터 멀어짐을 알 수 있었다. 또한, 본 사고 사례에서는 Barzeley 공식이 적용된 해석 결과가 실제 보행자 전도위치와 가장 근접한 것으로 나타났으며, 영상자료를 바탕으로 계산된 시뮬레이션의 결과와도 유사한 자세 및 위치를 보였다. 그러므로 본 사고 사례와 유사한 충돌 유형의 경우, Barzeley 공식을 통해 충돌 속도를 추정하는 것이 실제 충돌 속도에 가장 근접할 것으로 사료된다. 이러한 보행자 사고 시뮬레이션 수행 시 인체모델의 전도거리 및 낙하자세와 현장에서 측정한 전도거리 및 보행자의 최종 자세를 함께 고려함으로서 보다 정확한 사고 분석이 가능할 것으로 사료된다.

본 연구에서는 차 대 보행자 사고에 있어 마디모 프로그램을 이용한 사고 재구성 분석방법을 제시하였고, 이를 통해 차 대 보행자 사고에서의 활용성 및 신뢰성을 검증하였다. 향후에는 다양한 보행자 충돌 유형에 대해서 마디모 시뮬레이션의 신뢰성을 계속적으로 확보해 나갈 계획이다.

Acknowledgments

이 논문은 행정안전부 주관 국립과학수사연구원 중장기과학수사감정기법연구개발(R&D)사업의 지원을 받아 수행한 연구임(NFS2019TAA01).

References

• Koroad, Traffic Accident Analysis System, http://taas.koroad.or.kr (2019).
• A. K. Evans, and R. Smith, “Vehicle Speed Calculation from Pedestrian Throw Distance”, Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 213(5), p441-447, (1999). [https://doi.org/10.1243/0954407991527008]
• B. Ravani, D. Brougham, and R. T. Mason, “Pedestrian Post-impact Kinematics and Injury Patterns”, SAE 811024, (1981).
• D. P. Wood, C. K. Simms, and D. G. Walsh, “Vehicle-pedestrian Collisions: Validated Models for Pedestrian Impact and Projection”, Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 219(2), p183-195, (2005). [https://doi.org/10.1243/095440705x6703]
• C. Simms, and D. Wood, Pedestrian and Cyclist Impact, Springer, Heidelberg, (2009). [https://doi.org/10.1007/978-90-481-2743-6]
• C. K. Simms, D. P. Wood, and D. G. Walsh, “Confidence Limits for Impact Speed Estimation from Pedestrian Projection Distance”, International Journal of Crashworthiness, 9(2), p219-228, (2004). [https://doi.org/10.1533/ijcr.2004.0283]
• I. Han, and R. M. Brach, “Impact Throw Model for Vehicle-pedestrian Collision Reconstruction”, Proceedings of the Institution of Mechanical Engineers Part D: Journal of Automobile Engineering, 216(6), p443-453, (2002). [https://doi.org/10.1243/09544070260137381]
• I. Han, “Reconstruction Analysis of Vehicle-pedestrian Collision Accidents: Calculations and Uncertainties of Vehicle Speed”, Transations of KSAE, 19(5), p82-91, (2011).
• J. H. Choi, W. T. Oh, J. H. Kim, and J. C. Park, “Experimental Study and Finite Element Analysis about Vehicle Laminated Glass Subject to Headform Impact”, Transations of KSAE, 25(3), p374-379, (2017). [https://doi.org/10.7467/ksae.2017.25.3.374]
• G. Crocetta, S. Piantini, M. Pierini, and C. Simms, “The Influence of Vehicle Front-end Design on Pedestrian Ground Impact”, Accident Analysis and Prevention, 79, p56-69, (2015). [https://doi.org/10.1016/j.aap.2015.03.009]
• C. D. Untaroiu, M. U. Meissner, J. R. Crandall, Y. Takahashi, M. Okamoto, and O. Ito, “Crash Reconstruction of Pedestrian Accidents using Optimation Techniques”, International Journal of Impact Engineering, 36(2), p210-219, (2009). [https://doi.org/10.1016/j.ijimpeng.2008.01.012]
• S. H. Ji, Y. H. Lee, and H. J. Jeon, “The Comparison and Analysis of Pedestrian Accident Injury using Human Body Model with Vehicle Model”, KSAE Annual Conference Proceedings, 11, p992-997, (2013).
• Y. Han, J. Yang, K. Mizuno, and Y. Matsui, “Effect of Vehicle Impact Velocity, Vehicle Front-End Shapes on Pedestrian Injury Risk”, Traffic Injury Prevention, 13(5), p507-518, (2012). [https://doi.org/10.1080/15389588.2012.661111]
• J. H. Kim, W. T. Oh, J. H. Choi, and J. C. Park, “Reliability Verification of Vehicle Speed Estimate Method in Forensic Videos”, Forensic Science International, 287, p195-206, (2018). [https://doi.org/10.1016/j.forsciint.2018.04.002]
• MADYMO, MADYMO Theory Manual v7.4, http://tass.plm.automation.siemens.com/madymo (2019).
• H. Ishikawa, J. Kajzer, and G. Schroeder, “Computer Simulation of Impact Response of the Human Body in Car-Pedestrian Accidents”, SAE 933129, (1993). [https://doi.org/10.4271/933129]
• X. Zhang, Y. Zou, H. Hao, X. Li, G. Ma, and K. Liu, “Laboratory Test on Dynamic Material Properties of Annealed Float Glass”, International Journal of Protective Structure, 3(4), p407-430, (2012). [https://doi.org/10.1260/2041-4196.3.4.407]
• PC-CRASH, PC-CRASH Manual, http://www.pc-crash.com (2019).
• D. P. Wood, and C. K. Simms, “Coefficient of Friction in Pedestrian Throw”, Impact, 9(1), p12-14, (2000).
• T. J. Stevenson, Simulation of Vehicle-pedestrian Interaction, Ph. D. Dissertation, University of Canterbury, New Zealand, (2005).