Valutazione dell'efficacia di sistemi di frenata autonoma per pedoni nella riduzione delle lesioni gravi o mortali in ambito urbano

Sommario La frenata autonoma d’emergenza (AEB) si è dimostrata efficace nella riduzione degli incidenti a bassa velocità tra veicoli e le versioni più recenti del sistema sono anche progettate per riconoscere e intervenire in caso di coinvolgimento di pedoni. L'obiettivo dello studio è la valutazione dell'efficacia dei dispositivi AEB nel ridurre mortalità e severità degli incidenti con pedoni in ambito urbano. Dalla banca dati InSAFE sono stati selezionati 17 incidenti gravi con pedoni. Ogni caso è stato prima analizzato con il software VirtualCrash e poi emulato con il software Prescan. La riduzione della severità è stata invece stimata mediante le curve di rischio di Rosen et al. Sulla base della logica AEB impiegata e delle relative caratteristiche d’intervento, il sistema si è mostrato in grado di riconoscere il pedone come oggetto di collisione nell'82% dei casi e di evitare due incidenti. Mentre la velocità d’impatto è stata ridotta del 34% e il rischio di mortalità e di lesioni gravi del 71% e 57%. Tali risultati, derivando dalla simulazione di casi specifici (ad elevata severità) e da una esigua quantità di dati, non hanno tuttavia una validità generale. I fattori che maggiormente ne condizionano l'efficacia sono l’entità della decelerazione, il tempo d’innesco, il campo visivo dei sensori, la presenza di ostacoli e la velocità di auto e pedone. Abstract Autonomous Emergency Braking (AEB) has been proven effective in reducing the occurrence of low speed crashes between vehicles, and more recent versions of this system are designed to intervene also in crashes involving pedestrians. The objective of the present study is to evaluate the effectiveness of AEB in reducing the injury outcomes and the avoidability for pedestrians in the urban context. A sample of 17 crashes were selected from the in-depth crash investigation In-Safe of the Metropolitan area of Florence (Italy) including at least one seriously injured road user. Each crash case was first analysed using VirtualCrash software, and then emulated by the Prescan software. The likelihood of injury reductions were estimated using the risk curve proposed by Rosen et al. The AEB recognised pedestrian as a collision object in the 82% of cases avoiding two crashes. The impact speed was reduced by 34%, the mortality risk by 71% and the risk of serious injuries by 57%. The most important factors that condition the AEB efficacy are the braking force, triggering time, sensors field- of-view, presence of obstacles and car and pedestrian speed.