膨大な頭部インパクタ試験シミュレーションに対する、画像処理と機械学習を活用した歩行者頭部傷害予測
歩行者保護性能は、自動車の安全設計において重要な評価項目です。特に、歩行者の頭部が車両前部に衝突した際の傷害度を示すHIC（頭部傷害基準）は、国際的な安全基準として広く採用されています。
設計者は、ボンネット形状や内部構造を工夫しながらHIC値を低減する必要がありますが、実際の事故では頭部が車両のどこに当たるかを正確に予測できません。そのため、安全基準では、ボンネット上の多数のポイントに対してインパクタ試験を行うことが求められています。しかし、対象ポイントが多いほどシミュレーション数は膨大になり、計算負荷や作業時間が大きな課題となります。また、HIC値は内部構造のクリアランスや剛性に強く依存するため、構造的特徴を適切に捉えた予測モデルが必要です。
従来の手法では、膨大なシミュレーションを前提とした設計プロセスから抜け出せず、効率化と精度向上の両立が難しい状況にありました。
課題のポイント
- 膨大なシミュレーションが必要
- HIC値は構造的要因に強く依存
- 効率化と予測精度の両立が課題
多数のシミュレーションと予測精度の壁
歩行者頭部保護の設計では、安全基準で定められたボンネット上の多数のポイントについて衝突シミュレーションを実施し、頭部傷害リスクを評価する必要があります。しかし、対象となるポイントが多いため、評価には膨大な数のシミュレーションが必要となり、作業時間や計算コストが大きな負担となっています。
さらに、HIC値はボンネット表面から内部構造までのクリアランスや、内部部品の剛性などの影響を大きく受けますが、従来の近似手法では内部構造の特徴を十分に扱えず、精度と効率の両立が難しい状況でした。設計の初期段階で効率よく評価を行うためには、内部構造の特徴を考慮しながら、短時間で高精度に予測できる手法が求められています。
そこで注目されているのが、画像処理と機械学習を組み合わせたアプローチです。
どのように解決できるのか？
