多様な事故シナリオに対応する、走行・衝突連携解析の効率化
- 機械学習を用いた高速計算・高精度予測
- 走行解析と衝突解析の連携
- 専門知識がなくても扱いやすい簡便性
機械学習による事故シナリオ予測の効率化
実際の事故を想定したシミュレーションでは、車両速度やステアリング角などの初期条件を変化させながら、多数のケースを評価する必要があります。しかし、すべての条件について詳細な走行解析や衝突解析を実施すると、多大な計算時間と計算コストが発生します。
機械学習を活用することで、あらかじめ実施したシミュレーション結果から解析モデルの特徴や傾向を学習し、未評価の条件に対する結果を高速に予測できます。この予測モデルをROM（Reduced Order Model）と言います。これにより、従来は膨大な時間を要していた多数の事故シナリオの検討や設計条件の探索を、短時間で実施することが可能になります。
また、走行解析の結果を衝突解析へ連携した予測も可能となるため、車両の挙動やダミーの姿勢変化を考慮した、より現実に近い傷害値評価を効率的に行うことができます。
ODYSSEEでは、ROMを容易に構築できます。機構解析のROMと衝突解析のROMを連携することで、従来は1ケースあたり約19時間を要していた傷害値予測を1秒未満で実行可能です。また、走行解析・衝突解析それぞれで95%以上、連携時でも90%以上の予測精度を実現しています。
従来手法Ansys LS-DYNAと新手法ROMの頭部加速度履歴予測
従来手法Ansys LS-DYNAと新手法ROMの計算時間
まとめ
実事故を想定したシミュレーションでは、多数の条件を評価するために膨大な計算時間とコストが必要になります。そこで、機械学習を活用して解析結果の傾向を学習し、未評価条件の結果を高速に予測する手法を適用しました。これにより、多様な事故シナリオを短時間で評価しながら、現実に近い傷害値予測を実現できます。ODYSSEEは、この機械学習による予測モデルの構築を支援し、設計初期段階での迅速な意思決定に貢献します。
本ページで紹介した内容の詳細は、以下のお役立ち資料からダウンロードできます。
