人工智能（Artificial Intelligence，簡稱AI）已經在汽車自動駕駛、智能互聯、輔助駕駛、自動泊車等技術上已經取得了廣泛成熟的應用。在車型開發時，隨著C-NCAP在國內外的影響力不斷提升，高安全性能已成為新研發車型的關鍵核心要求,同時，為了快速響應市場需求，縮短新車型開發周期不僅是一項至關重要的目標，更是一項緊迫而艱巨的挑戰。在傳統的車型被動安全開發過程中，CAE仿真開發階段整體耗時較長，計算需要耗數十小時。由于仿真模型非常復雜以及數據獲取較為困難，AI在被動安全領域的應用進展相對緩慢。

圖1：人工智能在汽車行業的應用

工程院基于十余年來已積累的上百款車型模型數據以及海量仿真研發數據，將AI算法預測引入行人頭部碰撞預測，構建行人頭部碰撞數據集，使用深度學習算法，訓練高效的AI預測模型，為極大縮短整車被動安全開發周期，進一步推動汽車被動安全性能的提升提供了可能。

圖2：AI引入被動安全開發

和CAE仿真使用高精度模型進行數值計算求解的過程不同，深度學習使用深度神經網絡，建立多個神經元，而多個神經元通過加權連接形成層次化的結構，即隱藏層。每個隱藏層本質上是對前一個隱藏層的輸出進行非線性變換。在模型訓練和預測的過程中，這種深度神經網絡能夠來從大量輸入數據中自動提取特征，最后映射成結果輸出。

圖3：CAE仿真與AI預測過程對比

圖4：深度神經網絡結構示意圖

從時間效率上分析，AI模型的訓練時間僅幾十秒，用模型預測總得分和云圖僅需幾秒，實現了效率從小時至秒級的提升。

AI模型在新版車型測試集中的擬合優度（R-squared）達到87%以上。對比行人頭部的碰撞點的HIC值的CAE仿真結果和AI預測結果，可以看出，AI模型的預測精度處于較高水平，預測的得分云圖精度達到85%以上，總得分精度達到96%以上。

圖5：云圖對比

CAE模型本身涉及復雜的幾何、物理和工程原理，其數據維度和復雜性遠超常規的數據集，人工智能與仿真的結合仍然是一個不小的技術挑戰。相信隨著技術的不斷進步，人工智能將在汽車被動安全開發領域取得更大發展。

商務聯絡：高明武 18632283172 gaomingwu@catarc.ac.cn