1. 연구의 배경과 목적

일본 정부는 2018년까지 사망자를 2,500명 이하로 감소시킨다는 목표를 설정하고 있다. 사망자 2,500명 이하라는 목표 수치는 현재의 약 절반에 상당하는 수치로, 목표 달성을 위해서는 여러 가지 방책을 동원해야 한다. 최근 몇 년간 사망자수의 감소는 운전석 및 조수석의 시트 벨트 착용 의무화 등에 의한 법규 정비, 에어백이나 ABS 등의 자동차 자체의 안전 성능 향상 및 ITS 등에 의한 인프라 정비 등 “예방 안전”과 “충돌 안전”에 의한 효과가 컸다.

한편, 피해자의 구조 방법이나 구급 의료 서비스 체제 확립 등에 의한 피해 확대 방지를 목적으로 한 “충돌 후 안전”에 관한 대처는 이들 “예방 안전”과 “충돌 안전”에 관한 대처와 비교해 정비가 늦는 상황이다.

2000년에 후생노동성이 실시한 조사에 의하면, 2000년 1년간 전국의 구급구명센터에서 사망한 외상 증례 가운데, 적절한 처치가 취해졌으면 사망까지 이르지 않았을 외상사 PTD(Preventable trauma death)의 비율이 38.6%라고 보고되었다.

구급구명의료는 “진단의 정확성”과 “치료 개시의 신속성” 모두가 요구되지만, 사고 현장에서의 중증도 분류(Triage)는 결정적으로 정보가 부족해, 잘못된 판단이 일어나기 쉽다. 따라서 구급대원의 판단을 돕는 상해 예측 정보가 있으면, 잘못된 판단을 큰 폭으로 감소시킬 수 있어 사상자수의 대폭 감소 효과를 기대할 수 있다. 여기서 말하는 “상해 예측”이란, 현실에서 일어난 사고에 의해 피해자가 어떠한 상해를 입은 가능성이 높은 것인지에 대한 정보이다.

상해 예측을 실시하는 방법으로는 질적, 양적 모두 충분한 실제 사고 데이터베이스에 근거해 통계식을 구축하는 방법을 들 수 있다. 그러나 대량의 실제 사고 데이터를 취득하려면 막대한 노력과 비용 및 시간이 필요하며, 또 탑승자가 상해에 이르는 과정의 정보가 반영되지 않는 등 실제 사고 데이터만으로는 불충분하다. 따라서 인간, 차, 환경의 컴퓨터 모델을 이용한 공학 시뮬레이션을 이용하는 방법이 유효하다. 공학 시뮬레이션을 이용하면, 비교적 단시간에 대량 사고를 유발시키는 것이 가능해 사고 과정의 정보를 취득할 수 있다.

본 연구에서는 공학 시뮬레이션을 이용해 상해 예측 수법을 구축하는 것을 목적으로 한다.

2. 연구 결과

본 연구에서는 우선 선행 연구에서 제작된 탑승자 멀티 보디 모델 및 차실 멀티 보디 모델의 문제점을 수정해, 교통사고 시뮬레이션 모델의 정밀도를 개선하였다. 그리고 이 시뮬레이션 모델을 이용해 차량 특성 및 사면(斜面) 전방 충돌을 고려한 탑승자 상해 예측식을 도출해, 두부(頭部) 및 흉부의 상해 발생에 관해 어느 정도 정확하게 예측할 수 있는 것을 확인하였다.

우선, 선행 연구에서 제작된 탑승자 모델에 대해서는, 충돌시의 체간부(體幹部) 변형에 문제가 있었기 때문에, Body 요소 및 Join 요소의 연결을 수정하였다. 차실 모델에 대해서는, 두부에 대한 에어백 반발이 너무 크다는 문제가 있어 Inflator(에어백 내부 기폭장치) 기능에 가스 방출 특성을 추가하였다.

　전면 충돌 시험을 이용한 교통사고 시뮬레이션 모델의 타당성 검증에서는 자동차사고대책기구(JNCAP)의 풀 랩 전면 충돌 시험(Full-wrap frontal collision)을 이용해 교통사고 시뮬레이션 모델의 타당성을 검증하였다. 충돌시의 탑승자 거동을 비교하였는데, 모델 수정 전에 보여진 두부의 과도한 반발이 없어져, 에어백 모델의 개선을 확인할 수 있었다. 또 체간부(體幹部)의 부자연스러운 변형도 볼 수 없었다. 한층 더 각 부위에서의 가속도 및 하중에 대해 비교했는데, 모든 부위에서 모델 수정 전부터의 대폭적인 개선이 보여 수정에 의한 모델의 정밀도가 향상한 것을 확인할 수 있었다. 수정 후의 모델과 시험 결과에 대해 비교했는데, 약간의 정량적인 차이를 제외하고 모든 부위에서 매우 일치하고 있어, 실제 사고와 비교해도 모델의 정밀도가 충분한 것을 확인했다.

승객 상해 예측식 구축에서는, 교통사고 시뮬레이션 모델을 이용해 상해 데이터 베이스를 구축하였다. 차량 특성을 매개변수로 이용하기 위해, JNCAP 데이터를 이용한 차량강성 및 차량관성 특성의 산출 수법을 제안하였다. 이 차량 강성 및 노즈 길이를 이용해 차량별 충돌 가속도 파형을 제작하였으며, 차량관성 특성을 이용해 회전운동을 고려한 사면 전방 충돌시의 차량 가속도 파형을 제작하였다.

　이 상해 데이터베이스에 순서 로지스틱 중회귀 분석을 이용해, 두부, 흉부 및 대퇴부에 대한 탑승자 상해 예측식을 도출해, 실제 사고 데이터를 이용해 정밀도를 검증하였다. 탑승자의 상해 발생 확률에 미치는 영향이 큰 매개변수는 충돌 속도 및 시트 벨트 장착의 유무였다.

　머리 부분에 대해서는, AIS3＋(뇌좌상이나 상악골 골절 등의 중상) 이상의 상해 발생 확률이 낮다는 전체적인 경향은 잘 일치했지만, 실제 사고에서 머리 부분 상해가 거의 발생하지 않는다는 상황과는 일치하지 않았다. 흉부에 대해서는, 대부분의 사례에서 상해가 발생해, 중상도가 높다는 상황을 정확히 예측하고 있었다. 또 고속 충돌하의 시트 벨트에 의한 상해 발생도 정밀도가 높게 표현되었다. 대퇴부에 대해서는, 중상도가 높다는 사고 상황을 정확히 예측하지 못했다. 전면 충돌사고에 의한 하지(下肢) 상해는 차내 변형에 의한 영향이 큰데 반해, 본 차실 모델은 변형을 표현하고 있지 않기 때문에 낮게 산출해 버린 것으로 추측된다. 그러나 시트 벨트를 장착하고 있지 않는 사고 상황에서의 상해 상황은 매우 일치하고 있어, 하지와 차내 구조물과의 접촉을 정확히 표현하였다.

3. 향후 과제

본 연구에서는 고정밀도의 시뮬레이션 모델을 제작했지만, 개선해야 할 과제가 다수 도출되었다.

탑승자 상해 예측식의 정밀도는 이를 도출하는 교통사고 시뮬레이션 모델이 미치는 영향이 매우 크다고 할 수 있다. 차실 모델에 관해서, 본 연구에서는 에어백 모델만 수정하였지만, 사면 전면 충돌에 대응하기 위한 도어 및 조수석 구조물의 모델화 및 토보드(Toe board)나 플로어의 변형을 고려한 차실 모델의 제작이 필요하다.

또, 탑승자 모델은 동일한 변형을 고려하지 않는 멀티 보디 모델로 제작했지만, 흉부 등 변형이 상해에 강한 영향을 미치는 부위나, 두부 등 내부 연조직으로의 상해 부위에 대해서는 유한 요소 모델을 도입하는 것을 검토할 필요가 있다.

▣ 원문제목 : 人？デジタルモデルを用いた交通事故障害予測に？する？究