Variability in Vehicle and Dummy Responses in Rear-End Collisions
Notice bibliographique
Résumé
OBJECTIVE: The objective of this study was to quantify the occupant response variability due to differences in vehicle and seat design in low-speed rear-end collisions. METHODS: Occupant response variability was quantified using a BioRID dummy exposed to rear-end collisions in 20 different vehicles. Vehicles were rolled rearward into a rigid barrier at 8 km/h and the dynamic responses of the vehicle and dummy were measured with the head restraint adjusted to the up most position. In vehicles not damaged by this collision, additional tests were conducted with the head restraint down and at different impact speeds. RESULTS: Despite a coefficient of variation (COV) of less than 2% for the impact speed of the initial 8 km/h tests, the vehicle response parameters (speed change, acceleration, restitution, bumper force) had COVs of 7 to 23% and the dummy response parameters (head and T1 kinematics, neck loads, NIC, N(ij) and N(km)) had COVs of 14 to 52%. In five vehicles tested multiple times, a head restraint in the down position significantly increased the peak magnitude of many dummy kinematic and kinetic response parameters. Peak head kinematics and neck kinetics generally varied linearly with head restraint back set and height, although the neck reaction moment reversed and increased considerably if the dummy's head wrapped onto the top of the head restraint. CONCLUSIONS: The results of this study support the proposition that the vehicle, seat, and head restraint are a safety system and that the design of vehicle bumpers and seats/head restraint should be considered together to maximize the potential reduction in whiplash injuries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».