文献

J-GLOBAL ID：202202290965029798   整理番号：22A0147497

自動車およびe-バイク結合自動シミュレーションおよび多目的最適化を含む事故再構成のための知的方法【JST・京大機械翻訳】

An intelligent method for accident reconstruction involving car and e-bike coupling automatic simulation and multi-objective optimizations

著者 (8件)： Liu Yu (State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body, Hunan University, Changsha 410082, China) ,  Liu Yu (State Key Laboratory of Vehicle NVH and Safety Technology, China Automotive Engineering Research Institute Co., Ltd., Chongqing 401122, China) ,  Wan Xinming (State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body, Hunan University, Changsha 410082, China) ,  Wan Xinming (State Key Laboratory of Vehicle NVH and Safety Technology, China Automotive Engineering Research Institute Co., Ltd., Chongqing 401122, China) ,  Xu Wei (State Key Laboratory of Vehicle NVH and Safety Technology, China Automotive Engineering Research Institute Co., Ltd., Chongqing 401122, China) ,  Shi Liangliang (State Key Laboratory of Vehicle NVH and Safety Technology, China Automotive Engineering Research Institute Co., Ltd., Chongqing 401122, China) ,  Deng Gongxun (Key Laboratory of Traffic Safety on Track, Ministry of Education, School of Traffic & Transportation Engineering, Central South University, Changsha 410075, China) ,  Bai Zhonghao (State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body, Hunan University, Changsha 410082, China)
資料名： Accident Analysis & Prevention  (Accident Analysis & Prevention)
巻： 164  ページ： Null  発行年： 2022年 
JST資料番号： D0828A  ISSN： 0001-4575  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 自動車-電気自転車(e-bike)事故は,e-bikesの広範な使用と,それらのライダーに対する高い犠牲率のため,強い注意の対象となっている。手動で行われる事故再構成は,限られた数のパラメータ組合せによる試行錯誤法に基づいており,時間がかかり,主観的である。本論文は,自動車とe-バイクを含む事故の正確で高効率な再構成のための知的方法を開発することを目的とする。最初に,MADYMOプログラムを駆動して,自動的に結果分析を実行することができる自動操作フレームワークを,利用可能な-NSGA-II,NCGA,AMGA,およびMOPSの4つの多目的最適化アルゴリズムで築き上げた。最適化条件は,12の設計変数,5つの目的関数,および3つの制約で制御された。次に,監視ビデオによる実際のe-bike事故を,シミュレーションおよび実際の静止位置,初期変数,運動学応答,および頭部損傷の比較を用いて,その妥当性を検証するために,提案したフレームワークを通して再構成した。最後に,シミュレーションデータを用いて,多重線形回帰モデルによる目的に及ぼす初期変数の影響を研究した。結果は,480の自動操作による最適化のために,合計で約24時間しか取らないことを示した。最適条件を,NSGA-II,NCGA,AMGA,およびMOPSについて,それぞれ,469,430,323,および474の実行時間で検索した。NSGA-IIは,5%以下の目標の平均誤差で,e-bike事故再構成のための最良の性能を有した。衝突後の3つのステージにおけるライダーの運動学応答に対する良好な一貫性を,監視ビデオからのシミュレーションとスクリーンショットの間で,また,シミュレーション間の速度だけでなく,シミュレーションと医療報告の間の頭部損傷について,シミュレーションとスクリーンショットの間で観察した。分析者の直感と経験に高度に依存する主観的試行錯誤法とは対照的に,この知的方法は多目的最適化理論に基づいており,その結果は初期変数の自動変化に関して最適化できる。上記の全ての比較は,この方法が,精度を同時に損なうことなく,効率を効果的に改善するために有効であることを示した。この知的方法,結合自動シミュレーションと多目的最適化は,他の事故再構成にも適用することができ,目的に及ぼす初期変数の影響の重要な順序は,更なる再構成のための推奨を提供できる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  *シミュレーション ,  LIDAR ,  *自動車 ,  最適化手法 ,  自動運転 ,  スクリーン ,  録画装置 ,  目的関数 ,  頭部外傷
準シソーラス用語： 高効率 ,  *多目的最適化 ,  設計変数 ,  実行時間 ,  NSGA-II , 【Automatic Indexing@JST】

著者キーワード (5件)： E-バイク ,  事故再現 ,  自動運転 ,  多目的最適化 ,  頭部衝撃応答

分類 (1件)： 自動車事故,交通安全  (TB01050G)

タイトルに関連する用語 (6件)： 自動車 ,  バイク ,  シミュレーション ,  多目的最適化 ,  事故 ,  再構成