车祸现场测绘:三维扫描仪、全站仪和无人机如何帮助道路更快重新开放

每种测绘工具记录什么、更快的测绘如何缩短封闭时间,以及该问什么

Safety Behind the Wheel Foundation根据美国联邦公路管理局关于交通事件管理、无人机项目和道路安全的指导,以及已发表的现场测绘、激光扫描和二次碰撞研究编写了本指南。所有资料来源都列在文末。

为什么测绘碰撞现场很重要

严重碰撞留下的证据不会持久。轮胎痕迹会褪去,液体会扩散,车辆会被拖走。调查人员往往只有一次机会记录所有东西最终停在哪里。

测绘是指记录精确的位置和形状。重建是下一步,它利用物理原理和测量结果推断车速、路径和事件顺序。例如,研究人员利用车辆损坏的形状来估算撞击时的车速 [3]。仅凭一张图并不能说明谁有过错。

同样的工具也可以测量道路本身,包括车道宽度、弯道、标志和视线。安全团队利用这些记录审查问题地点。美国联邦公路管理局把道路安全审计(由独立团队从每一类道路使用者的角度对道路进行的正式审查)列为经验证的安全对策之一 [4, 5]。美国联邦公路管理局的页面给出的审计效果是碰撞总数减少10%到60% [4]。美国联邦公路管理局还表示,安全项目与可靠的数据分析密不可分 [6]。

我们关于本地碰撞数据和安全地图的指南介绍了记录下来的车祸信息日后如何使用。本指南则专注于收集测量数据的现场工具。

用通俗的话介绍三种工具

美国联邦公路管理局把近景摄影测量、全站仪和三维激光测绘列为车祸现场测绘的关键技术 [7]。摄影测量是指根据照片进行测量。无人机把这种方法带到了空中。

全站仪

全站仪是一种架在三脚架上的测量仪器。操作员把它对准一个点,它会测量到该点的角度和距离,软件再把每个读数转换为地图上的位置。机器人型号可以跟踪棱镜杆上的反射棱镜,因此一个人就能采集点位。

全站仪精确可靠,值得信赖。一个研究团队以全站仪和经过认证的工程卷尺作为参照,来检验一个无人机模型 [8]。代价是时间,因为工作人员一次只能记录一个点。

三维激光扫描仪

三维激光扫描仪发出激光脉冲,并测量每个脉冲反射回来所需的时间。这种方法称为激光雷达(LiDAR,即光探测和测距)。结果是一个点云,即由数百万个点组成、显示扫描仪所能看到的一切的三维图像。

在一项测试中,测绘级扫描仪的测距精度标定为约2毫米。每次扫描约需20分钟,一辆完整的车需要从不同位置扫描四次 [3]。手持式扫描仪约15分钟就能扫完同一辆车,与测绘级扫描结果的典型差异保持在3厘米(约1.2英寸)以内 [3]。

测绘无人机

测绘无人机是一种带摄像头的小型无人驾驶飞行器。它按设定的航线飞行,拍摄大量相互重叠的照片。软件比较这些照片,构建三维模型和俯视地图。美国联邦公路管理局表示,研究表明可以达到厘米级精度 [7]。

在2022年一项针对真实行人碰撞的研究中,无人机摄影测量采集现场数据的效率高于手绘草图和人工测量,而激光扫描让车辆模型的构建更容易、更准确 [9]。

对比整理:Safety Behind the Wheel Foundation

三种测绘工具比较

工具如何记录主要优点需要注意
全站仪按角度和距离,一次记录一个点精确,可以用来核查其他工具 [8]在大型现场速度较慢
三维激光扫描仪从多个架设点采集数百万个激光点细节丰富,测绘级设备的精度标定约为2毫米 [3]一辆车需要多次架设才能覆盖 [3]
测绘无人机把相互重叠的照片构建成三维模型能快速覆盖大范围现场,可以达到厘米级精度 [7]需要开阔的天空、良好的天气和受过培训的飞手 [10]

更快的测绘如何帮助保持道路畅通和人员安全

美国联邦公路管理局把交通事件管理描述为一项有计划、多方协作的工作,目的是发现、应对和清除事件,让交通尽可能安全、迅速地恢复通行 [11]。在严重碰撞现场,工作人员测量期间道路可能一直封闭。更快的测量能缩短封闭时间。

时间之所以重要,是因为一起碰撞可能引发另一起碰撞。二次碰撞发生在先前碰撞造成的排队车流中或受影响的区域内 [12]。一项研究涵盖了佛罗里达州杰克逊维尔2015年至2017年的6,088起高速公路事件,发现对交通的影响每增加一分钟,发生二次碰撞的几率就上升1.2% [2]。同一项研究考察了一个高速公路服务巡逻项目,其处理的事件对交通的影响时间比其他机构处理的短16分钟。作者估计,这使发生二次碰撞的几率降低了21% [2]。另一项针对95号州际公路35英里路段的研究发现,车道封闭的比例和清理时间是显著影响二次碰撞可能性的因素之一 [12]。

救援人员也面临风险。2018年的一篇综述指出,包括路边被撞碰撞在内的紧急车辆事件,是消防员和其他救援人员因工死亡和受伤的主要原因之一 [13]。美国联邦公路管理局2022年的指南表示,由无人机进行测量时调查人员更安全,因为他们不在车道上,而且能更快清理现场 [1]。在它比较的方法中,无人机通常是唯一一种测绘本身不需要封闭车道、并能让警员远离行车道的方法 [1]。

美国联邦公路管理局的指南汇集了几个机构的报告。请把它们视为有希望的地方性结果,而不是保证。

对比整理:Safety Behind the Wheel Foundation

关于无人机测绘节省时间的机构报告

报告比较的内容结果
华盛顿州巡警,2018年无人机测绘与其他方法比较道路封闭时间减少80% [1]
北卡罗来纳州,2017年模拟两车碰撞:无人机与三维扫描仪比较25分钟对1小时51分钟 [1]
印第安纳州蒂珀卡努县在车祸现场使用无人机现场时间减少60%。一个800英尺的现场22分钟就测绘完毕 [1]
美国国家司法研究所,2017年无人机与全站仪比较比机器人型全站仪快1小时,比手动型快2小时 [1]

华盛顿州巡警还估计,道路封闭每分钟给该州造成约350美元的损失 [1]。人的代价同样重要。排队拖延了道路上的每一个人,包括正在赶往医院的人。

速度不能以牺牲准确性为代价。一个研究团队描述了一种取舍:工作人员可以在现场少测量一些,让道路更快重新开放;也可以在现场多测量一些,以便更确定没有哪处损坏是拖车造成的 [3]。更快的工具旨在用更短的时间采集同样的证据。

如何选择合适的测绘工具

从数据必须回答的问题入手:车辆停在哪里?哪些痕迹通向撞击点?每位驾驶人能看到什么?然后再根据现场、天气和人员缩小选择范围。

对比整理:Safety Behind the Wheel Foundation

根据现场选择测绘工具

现场通常适合的工具原因
开阔道路上碎片散布数百英尺测绘无人机能快速覆盖大范围 [1]
位于树下、桥下或高楼旁的交叉路口地面扫描仪或全站仪无人机需要从上方有清晰的视野
车辆挤压损坏的近距离细节手持式或三脚架式扫描仪在一项测试中,手持式扫描与测绘级扫描的差异保持在3厘米以内 [3]
少数需要精确位置的关键点全站仪逐点精确测量
大雨、强风或黑暗地面工具飞行可能受限。一项无人机研究是在晴朗、无风的天气下进行的 [8]

有些机构使用不止一种工具:无人机测绘大范围现场,扫描仪记录车辆损坏情况。一个研究团队指出,全站仪和激光扫描仪太贵,无法给每位警员配备,而且碰撞发生时必须有受过培训的操作员在场 [3]。这就是为什么有些机构使用共享团队或聘请服务提供商。

逐步介绍测绘流程

各团队的做法不同,但严谨的流程通常遵循以下顺序。

  1. 救治伤者并确保现场安全。在交通管制到位之前,其他工作都不开始。
  2. 在任何东西被移动之前,先用广角照片和笔记记录全貌。
  3. 设置参照点,让所有测量使用同一个坐标系。
  4. 采集现场数据。对于无人机,要规划好航线,让照片充分重叠。重叠是指每张照片都重复前一张的部分画面。在2026年的一项测试中,在20到25米高度飞行、航向重叠80%到85%、旁向重叠70%到75%时,得到的结果最好,达到厘米级 [8]。
  5. 尽可能在拖车之前扫描或测量车辆。损坏轮廓通常是在现场清理完毕后,在车辆保管场中采集的 [3]。
  6. 核查工作成果。把模型中的几段距离与卷尺或全站仪的直接测量结果进行比较 [8]。
  7. 保存原始文件,记录飞行或扫描日志,并备份所有内容。美国联邦公路管理局表示,每一次无人机飞行(包括训练)都应有记录 [10]。
  8. 放行道路。最终的模型构建可以稍后在办公室进行。

局限和常见错误

每种工具都有弱点。请注意以下几点。

  • 照片重叠不足。如果照片重叠太少,或拍摄距离相差很大,基于照片的模型可能会失败 [3]。
  • 玻璃和反光表面。不同的扫描仪处理玻璃的方式不同,因此车窗附近的读数可能不一致 [3]。
  • 测试条件有限。2026年的无人机研究只使用了一个场地、一架飞行器,而且是在晴朗、无风的天气下。作者表示,其他条件还需要更多测试 [8]。
  • 把模型当作原因的证明。扫描记录的是形状和位置。车速和顺序仍需分析。在一个已发表的案例中,调查人员把车辆扫描与伤情结果相匹配,来检验关于一起行人碰撞经过的两种解释 [14]。
  • 数据处理薄弱。美国联邦公路管理局表示,无人机的使用应建立在伦理、透明、问责和记录保存的基础上,项目需要有数据政策 [10]。Safety Behind the Wheel Foundation鼓励每个机构都制定这样的政策。
  • 省略维护和培训。仪器会漂移,电池会老化,软件会更新。美国联邦公路管理局把人员培训和维护列为项目应涵盖的程序之一 [10]。

谁使用这些工具,各机构如何获得

警察局和县警局的车祸调查组、州巡警和道路管理机构是主要使用者。私营事故重建专家也会使用,有时是在碰撞后受保险公司或其他方聘请。这类设备由公共机构选择,居民不会购买。

各机构通常从专业测量和测绘仪器的授权经销商处采购。另一些机构则聘请可按需扫描或飞行的技术服务提供商,或加入共享的区域车祸调查团队。美国联邦公路管理局表示,无人机预算应根据机构的需要来制定,目标是为任务配备合适的设备 [10]。除了仪器本身,还要为培训、软件、数据存储和维护做好规划。

根据机构最常遇到的现场来选择。有很长高速公路现场的乡村县可能更倾向于无人机,交叉路口狭窄的城市可能更倾向于地面扫描仪。

美国联邦公路管理局指出,公共和私营部门的无人机操作员都必须遵守法律和法规要求 [10]。请询问相关机构对该场地或空域持有哪种授权。如果您拥有无人机,请让它远离事故现场。您的飞行可能会妨碍救援人员和机构自己的飞行。

家庭、居民和官员可以问什么

如果车祸伤害了您或您所爱的人,您不需要了解这些技术,但您可能仍想知道现场是否进行了测绘。先从车祸报告编号开始,然后询问档案室有哪些示意图、地图、照片或扫描文件,以及如何申请。询问何时可以公开,以及在案件未结期间是否有资料被保留。

我们关于车祸报告和证据的指南介绍了如何保存可靠的记录并申请官方报告。

居民和地方官员可以询问机构如何测绘严重碰撞现场。公共机构要对其服务的社区负责。

常见问题

什么是全站仪?各机构还在使用它吗?

全站仪是一种测量仪器,一次测量一个点的角度和距离。在需要精确位置的地方,各机构仍在使用它。它还可以用来核查其他工具。一个研究团队用全站仪和经过认证的卷尺来检验一个无人机模型 [8]。美国联邦公路管理局把它列为车祸现场测绘的关键技术之一 [7]。代价是在大型现场速度较慢。

无人机比三维扫描仪更好吗?

这取决于现场。在美国联邦公路管理局的指南中,北卡罗来纳州的一项测试发现,在模拟两车碰撞中,无人机比三维扫描仪快得多 [1]。扫描仪在近距离细节(比如一辆车的挤压损坏)方面仍有优势。在一项测试中,手持式扫描仪与测绘级扫描的差异保持在3厘米以内 [3]。有些机构两者并用。

三维扫描能显示是谁造成了事故吗?

不能。扫描记录的是物体在哪里以及是什么形状。重建会加入物理原理来估算车速和路径。研究人员曾利用损坏形状估算撞击时的车速 [3]。过错是另一个问题,由保险公司(有时是法院)根据多种证据来认定。

车祸后我能拿到现场图或三维模型吗?

各机构的做法不同。先拿着车祸报告编号去档案室,询问有哪些示意图、照片和扫描文件,以及何时可以公开。有些文件需要专用软件才能打开,因此请询问您会收到什么格式。关于您自己的索赔或案件,请联系您的保险公司或持证律师。

谁可以在车祸现场操作无人机?

只有机构受过培训的操作员或获得授权的服务提供商才应飞行。美国联邦公路管理局表示,公共和私营部门的无人机操作员都必须遵守法律和法规要求 [10]。请询问相关机构持有哪种授权。让您自己的无人机远离现场,以免妨碍救援人员。

测绘会拖慢道路重新开放吗?

做得好,反而会加快。更快的工具把时间从路边转移到办公室,由分析人员稍后构建最终模型。美国联邦公路管理局指南中的机构报告显示,现场时间大幅缩短 [1]。在现场扫描车辆,还能减少关于损坏是来自碰撞还是拖车的疑问 [3]。

总结

Safety Behind the Wheel Foundation 的建议

Safety Behind the Wheel Foundation鼓励各机构迅速而谨慎地测绘严重碰撞现场,并敦促驾驶人减速让道。车祸现场测绘同时完成两项工作:保存事实,并帮助车流和救援人员更快地恢复安全。全站仪、三维激光扫描仪和无人机各自承担其中一部分工作。当各机构根据现场选择工具、培训人员、核查准确性并保护数据时,就能兼顾这两个目标。

作为驾驶人,您可以通过减速、让道和远离现场来提供帮助。我们关于施工区和让道安全的指南介绍了具体做法。作为居民或家属,您可以向所在地机构提出简单的问题,了解它如何记录严重碰撞。

资料来源与延伸阅读

  1. 1Federal Highway Administration (FHWA), Office of Operations. Unmanned Aircraft Systems for Traffic Incident Management, Chapter 3: Benefits. Published February 2022. Data year: 2017 and 2018 agency studies and pilots (the Tippecanoe County study year is not stated). ops.fhwa.dot.gov/…/chap3.htm
  2. 2Salum JH, Kitali AE, Sando T, Alluri P. Accident Analysis & Prevention (PubMed record). Evaluating the impact of Road Rangers in preventing secondary crashes. Published April 29, 2021. Data year: 2015 to 2017 (6,088 freeway incidents in Jacksonville, Florida). pubmed.ncbi.nlm.nih.gov/33933717
  3. 3Desai J, Liu J, Hainje R, Oleksy R, Habib A, Bullock D. Sensors (PubMed record). Assessing Vehicle Profiling Accuracy of Handheld LiDAR Compared to Terrestrial Laser Scanning for Crash Scene Reconstruction. Published December 2, 2021. pubmed.ncbi.nlm.nih.gov/34884079
  4. 4Federal Highway Administration (FHWA). Road Safety Audit (Proven Safety Countermeasures). Update date not shown on page; 审阅于2026年10月. highways.dot.gov/…/road-safety-audit
  5. 5Federal Highway Administration (FHWA). Proven Safety Countermeasures. Update date not shown on page; 审阅于2026年10月. highways.dot.gov/…/proven-safety-countermeasures
  6. 6Federal Highway Administration (FHWA). Safety Data Analysis and Tools. Update date not shown on page; 审阅于2026年10月. highways.dot.gov/safety/data-analysis-tools
  7. 7Federal Highway Administration (FHWA), Office of Operations. Unmanned Aircraft Systems for Traffic Incident Management, Chapter 2: UAS for Traffic Incident Management. Published February 2022. ops.fhwa.dot.gov/…/chap2.htm
  8. 8Xie Z, Xia W, He C, Qiu T. PLoS One (PubMed record). Euclidean consistency-driven dual-layer information fusion framework for UAV-based traffic accident scene reconstruction. Published June 24, 2026. pubmed.ncbi.nlm.nih.gov/42340995
  9. 9Wang J, Li Z, Ying F, Zou D, Chen Y. Journal of Forensic and Legal Medicine (PubMed record). Reconstruction of a real-world car-to-pedestrian collision using geomatics techniques and numerical simulations. Published September 22, 2022. pubmed.ncbi.nlm.nih.gov/36179544
  10. 10Federal Highway Administration (FHWA), Office of Operations. Unmanned Aircraft Systems for Traffic Incident Management, Chapter 4: Implementation. Published February 2022. ops.fhwa.dot.gov/…/chap4.htm
  11. 11Federal Highway Administration (FHWA), Office of Operations. Welcome to Traffic Incident Management (TIM). Update date not shown on page; 审阅于2026年10月. ops.fhwa.dot.gov/tim
  12. 12Kitali AE, Alluri P, Sando T, Haule H, Kidando E, Lentz R. Accident Analysis & Prevention (PubMed record). Likelihood estimation of secondary crashes using Bayesian complementary log-log model. Published July 7, 2018. Data year: three years of I-95 freeway data from Jacksonville, Florida (exact years not given in the abstract). pubmed.ncbi.nlm.nih.gov/29990614
  13. 13Bui DP, Balland S, Giblin C, et al. Accident Analysis & Prevention (PubMed record). Interventions and controls to prevent emergency service vehicle incidents: A mixed methods review. Published April 2, 2018. pubmed.ncbi.nlm.nih.gov/29621721
  14. 14Baier W, Donnelly MJ, Payne M, Williams MA. Journal of Forensic Sciences (PubMed record). A Holistic Multi-Scale Approach to Using 3D Scanning Technology in Accident Reconstruction. Published April 21, 2020. pubmed.ncbi.nlm.nih.gov/32315452

本文体现了准确的碰撞现场记录以及更快、更安全的道路清理方面的安全重点。本文提供一般性教育信息,不构成法律、医疗、保险或财务建议。规定和做法会变化,因此请通过官方渠道核实详情。针对您自己的情况,请联系处理您案件的执法机构、当地档案室、您的保险公司或持证律师。关于无人机飞行的问题,请咨询相关机构的飞行项目。审阅于2026年10月。

引用本文:Safety Behind the Wheel Foundation.《车祸现场测绘:三维扫描仪、全站仪和无人机如何帮助道路更快重新开放》. drivewithcare.org,https://drivewithcare.org/cn/crash-scene-3d-scanners-total-stations-drones/。审阅于2026年10月。

特别感谢我们的贡献者

我们感谢分享知识和见解、帮助改进本资源的各位专业人士、专家和社区成员。我们始终欢迎并珍视您的见解。

您是否拥有能让本资源变得更好的专业知识、亲身经历或独到视角?

我们欢迎您的意见。您的知识和经验能帮助本资源对依赖它的人更有用、更准确、更有意义。

    您的贡献:感谢您抽出时间与我们分享专业知识。非常感谢您帮助我们改进本资源。

    如果您认为有可能有帮助的链接、例子、参考资料、资源或其他信息,欢迎附上。

    您的背景:让读者了解您分享内容的专业或经验依据。

    请使用您的个人主页链接。为了让致谢保持专业,是否列出您的 LinkedIn 由基金会决定。感谢您的理解。
    您希望以什么方式获得致谢?
    如果我的贡献有助于改进本资源,你们可以在本页的“贡献者”部分以我的姓名和职位向我致谢。如果我在上面选择了相应选项,也可以列出我所在的机构和 LinkedIn。你们可以使用我的贡献来改进本资源,但不显示我的姓名、职位或所在机构。

    感谢您帮助我们让本资源对每个人都更有力、更有用。

    我们会在做出修改之前审核贡献。致谢并不代表 Safety Behind the Wheel Foundation 为任何个人、机构、产品或服务背书。

    ⏱️ 安全教育成效:
    惠及人数 1,749

    继续了解

    安全驾驶资源中心

    为驾驶人、新手驾驶人的父母以及车祸后正在康复的家庭提供的指南、自我检查和文章。

    一台笔记本电脑打开着安全驾驶资源中心页面,指南按主题分组。
    返回顶部