基于多种优化算法的交通事故精准化重建与颅脑损伤风险评估

目的 探究不同优化算法对精准化重建交通事故的影响.方法 应用非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)、邻域培养遗传算法(neighborhood cultivation genetic algorithm,NCGA)以及多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)对1例真实案件的多刚体动力学重建进行优化,研究不同优化算法对收敛速度与最优近似解的影响,并将优化所得的最优初始碰撞参数作为有限元模拟的边界条件,将仿真得到的颅脑损伤预测结果与实际损伤进行比较.结果 NCGA算法在优化过程中收敛速度更快,结果更优,最优近似解重建所得行人-车辆碰撞的运动学响应与监控视频相符,颅脑损伤预测情况与尸体检验基本一致.结论 通过优化算法和多刚体、有限元方法结合可以完成交通事故精确化重建,减少人为因素的影响.