廣告
首頁 > 汽車測試技術(shù) > 正文
深度學(xué)習(xí)在行人保護(hù)頭碰開發(fā)中的應(yīng)用
2021-04-20 22:54:04· 來源：上汽安全與CAE技術(shù) 作者：劉淼
01 行人保護(hù)的重要性根據(jù)世界衛(wèi)生組織發(fā)布的數(shù)據(jù)顯示，近年來全球道路交通死亡人數(shù)繼續(xù)上升，每年造成約135萬人死亡，而中國的道路交通傷害死亡人數(shù)和死亡率高居
01 行人保護(hù)的重要性
根據(jù)世界衛(wèi)生組織發(fā)布的數(shù)據(jù)顯示，近年來全球道路交通死亡人數(shù)繼續(xù)上升，每年造成約135萬人死亡，而中國的道路交通傷害死亡人數(shù)和死亡率高居世界前列。公安部公布的統(tǒng)計(jì)數(shù)字顯示，近兩年我國交通事故死亡人數(shù)都維持在了六萬到七萬之間。在發(fā)達(dá)國家的交通死亡事故中，機(jī)動(dòng)車駕駛員與道路弱勢(shì)使用者（行人、乘員、騎自行車人）的死亡之比是3:1。而我國則恰恰相反，這一比例為1:3，即有75%以上的死亡人數(shù)為道路弱者。在歐洲，23%的交通事故死亡者為行人，美國為11%，中國則超過25%，居所有交通事故中的首位。
中美日交通事故數(shù)對(duì)比
隨著交通事故統(tǒng)計(jì)數(shù)據(jù)的增加、生物力學(xué)研究的深入以及車輛設(shè)計(jì)水平的提升，各個(gè)國家相繼開展了汽車行人保護(hù)規(guī)范和測試方法研究，全球各地區(qū)先后頒布了汽車行人保護(hù)法規(guī)和星級(jí)評(píng)價(jià)體系。
02 深度學(xué)習(xí)在行人保護(hù)頭碰開發(fā)中的應(yīng)用
在各車型開發(fā)中，均會(huì)進(jìn)行行人保護(hù)性能設(shè)計(jì)及評(píng)估。在前期開發(fā)時(shí)多借助于CAE仿真分析，確保所開發(fā)車型滿足行人保護(hù)法規(guī)、NCAP星級(jí)及中國汽車保險(xiǎn)安全指數(shù)要求。通常進(jìn)行行人保護(hù)虛擬分析需要建立整車級(jí)模型，包括網(wǎng)格劃分、工況設(shè)置及提交計(jì)算。以行人保護(hù)頭碰分析為例，進(jìn)行一輪分析的時(shí)間約為8-9天。隨著車型開發(fā)周期的不斷縮短和優(yōu)化迭代次數(shù)的不斷增多，需要尋求一種更加快速和便捷的分析手段。機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能（AI）方法成為一種有效的途徑。
我們進(jìn)行了深度學(xué)習(xí)在行人保護(hù)頭碰分析中的探索，取得了一些初步成果。有別于基于網(wǎng)格的有限元法，該分析方法基于圖像處理。分析的輸入是發(fā)蓋的四張圖片，通過所構(gòu)建的深度學(xué)習(xí)模型，可以直接輸出發(fā)蓋的HIC色塊圖及得分。計(jì)算時(shí)間僅需1s。
卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）是一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)的代表算法之一。多應(yīng)用于計(jì)算機(jī)視覺、自然語言處理等領(lǐng)域。本文采用卷積神經(jīng)網(wǎng)絡(luò)，以公司已開發(fā)的多款車型的行人保護(hù)頭碰分析結(jié)果作為學(xué)習(xí)樣本，構(gòu)建深度學(xué)習(xí)模型。整體的色塊區(qū)域預(yù)測準(zhǔn)確，AI預(yù)測HIC值90%的點(diǎn)誤差<30%。
從上表可以看出轎車的預(yù)測結(jié)果要好于SUV，可能存在多方面的原因，也是我們繼續(xù)探索和提升的方向。AI技術(shù)及方法在CAE仿真分析領(lǐng)域的應(yīng)用還處于起步階段，相信隨著更多工程技術(shù)人員的參與和研究實(shí)踐，人工智能在工程技術(shù)領(lǐng)域的應(yīng)用會(huì)越來越廣泛，越來越成熟，能夠更有效的提高車型開發(fā)的效率。
參考文獻(xiàn)：
Osamu Ito, A Study of Pedestrian Protection CAE Using GAN. Honda R&D Co., Ltd.
根據(jù)世界衛(wèi)生組織發(fā)布的數(shù)據(jù)顯示，近年來全球道路交通死亡人數(shù)繼續(xù)上升，每年造成約135萬人死亡，而中國的道路交通傷害死亡人數(shù)和死亡率高居世界前列。公安部公布的統(tǒng)計(jì)數(shù)字顯示，近兩年我國交通事故死亡人數(shù)都維持在了六萬到七萬之間。在發(fā)達(dá)國家的交通死亡事故中，機(jī)動(dòng)車駕駛員與道路弱勢(shì)使用者（行人、乘員、騎自行車人）的死亡之比是3:1。而我國則恰恰相反，這一比例為1:3，即有75%以上的死亡人數(shù)為道路弱者。在歐洲，23%的交通事故死亡者為行人，美國為11%，中國則超過25%，居所有交通事故中的首位。
中美日交通事故數(shù)對(duì)比
隨著交通事故統(tǒng)計(jì)數(shù)據(jù)的增加、生物力學(xué)研究的深入以及車輛設(shè)計(jì)水平的提升，各個(gè)國家相繼開展了汽車行人保護(hù)規(guī)范和測試方法研究，全球各地區(qū)先后頒布了汽車行人保護(hù)法規(guī)和星級(jí)評(píng)價(jià)體系。
02 深度學(xué)習(xí)在行人保護(hù)頭碰開發(fā)中的應(yīng)用
在各車型開發(fā)中，均會(huì)進(jìn)行行人保護(hù)性能設(shè)計(jì)及評(píng)估。在前期開發(fā)時(shí)多借助于CAE仿真分析，確保所開發(fā)車型滿足行人保護(hù)法規(guī)、NCAP星級(jí)及中國汽車保險(xiǎn)安全指數(shù)要求。通常進(jìn)行行人保護(hù)虛擬分析需要建立整車級(jí)模型，包括網(wǎng)格劃分、工況設(shè)置及提交計(jì)算。以行人保護(hù)頭碰分析為例，進(jìn)行一輪分析的時(shí)間約為8-9天。隨著車型開發(fā)周期的不斷縮短和優(yōu)化迭代次數(shù)的不斷增多，需要尋求一種更加快速和便捷的分析手段。機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能（AI）方法成為一種有效的途徑。
我們進(jìn)行了深度學(xué)習(xí)在行人保護(hù)頭碰分析中的探索，取得了一些初步成果。有別于基于網(wǎng)格的有限元法，該分析方法基于圖像處理。分析的輸入是發(fā)蓋的四張圖片，通過所構(gòu)建的深度學(xué)習(xí)模型，可以直接輸出發(fā)蓋的HIC色塊圖及得分。計(jì)算時(shí)間僅需1s。
卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks, CNN）是一類包含卷積計(jì)算且具有深度結(jié)構(gòu)的前饋神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)的代表算法之一。多應(yīng)用于計(jì)算機(jī)視覺、自然語言處理等領(lǐng)域。本文采用卷積神經(jīng)網(wǎng)絡(luò)，以公司已開發(fā)的多款車型的行人保護(hù)頭碰分析結(jié)果作為學(xué)習(xí)樣本，構(gòu)建深度學(xué)習(xí)模型。整體的色塊區(qū)域預(yù)測準(zhǔn)確，AI預(yù)測HIC值90%的點(diǎn)誤差<30%。
從上表可以看出轎車的預(yù)測結(jié)果要好于SUV，可能存在多方面的原因，也是我們繼續(xù)探索和提升的方向。AI技術(shù)及方法在CAE仿真分析領(lǐng)域的應(yīng)用還處于起步階段，相信隨著更多工程技術(shù)人員的參與和研究實(shí)踐，人工智能在工程技術(shù)領(lǐng)域的應(yīng)用會(huì)越來越廣泛，越來越成熟，能夠更有效的提高車型開發(fā)的效率。
參考文獻(xiàn)：
Osamu Ito, A Study of Pedestrian Protection CAE Using GAN. Honda R&D Co., Ltd.
點(diǎn)贊 0 反對(duì) 0 舉報(bào) 0
收藏 0
評(píng)論 0 分享 67
廣告 編輯推薦
最新資訊
-
“汽車爬坡試驗(yàn)方法”將有國家標(biāo)準(zhǔn)
2026-03-03 12:44
-
十年耐久監(jiān)管時(shí)代：電池系統(tǒng)開發(fā)策略將如何
2026-03-03 12:44
-
聯(lián)合國法規(guī)R59對(duì)機(jī)動(dòng)車備用消聲系統(tǒng)的工程
2026-03-03 12:08
-
聯(lián)合國法規(guī)R58對(duì)后下部防護(hù)裝置的工程化約
2026-03-03 12:07
-
聯(lián)合國法規(guī)R57對(duì)摩托車前照燈配光性能的工
2026-03-03 12:07
