本發(fā)明涉及一種用于使用人工神經網絡模擬機動車輛的事故的計算機實施的方法。

背景技術：

1、從de?10?2020?115?192?a1中已知一種用于使用人工神經網絡模擬機動車輛的事故的方法。與事故相關的輸入標量在網絡的隱藏層中變換成經變換的信號。在變換期間，執(zhí)行輸入標量的數學卷積。使用經變換的信號模擬事故。

技術實現思路

1、考慮到這一點，本發(fā)明的基本目的是創(chuàng)建一種用于模擬機動車輛的事故的改進方法。

2、此目的至少通過下文所述的方法來實現。下文所述的方法中進一步解釋本發(fā)明的實施方案。

3、根據該方法，接收與事故有關的輸入數據。輸入數據可以是描述例如機動車輛和/或機動車輛中的個體的特性的數據。輸入數據可以例如描述部件和/或身體部位的位置、長度、寬度和/或高度。

4、輸入數據被變換成變換數據。這可以例如在人工神經網絡的隱藏層中完成。人工神經網絡使用變換數據模擬事故。

5、例如，人工神經網絡可以具有編碼器-解碼器架構。例如，可以使用不同維度的卷積。優(yōu)選地，一維卷積可以用于編碼器，并且二維卷積可以用于解碼器。

6、這是計算機實施的方法。這可意指使用例如數字處理裝置和數字數據存儲器來執(zhí)行此方法。數字數據存儲器可以存儲可以由處理裝置讀取和執(zhí)行的指令。所述指令可以被配置成當執(zhí)行所述指令時使所述處理裝置執(zhí)行根據本發(fā)明的實施方案的方法。

7、根據本發(fā)明的一個實施方案，輸入數據可以被配置為輸入信號。變換數據可以包括標量。標量可以在模擬之前轉換成變換信號。可以使用變換信號執(zhí)行模擬。

8、此實施方案是有利的，因為從輸入信號變換的標量使得可以解釋在模擬期間人工神經網絡處理輸入信號的方式。例如，標量可以在神經網絡的隱藏層中生成。數據專家可以對這些標量進行分析以確定輸入信號對模擬的影響。還可以檢查是否正在使用輸入信號的合適部分。

9、例如，標量可以包括關于輸入信號的信息。例如，變換信號可以包括與模擬事故期間機動車輛中的人員的身體部位的加速度有關的若干值。

10、根據本發(fā)明的一個實施方案，輸入數據可以被配置為輸入標量。

11、根據本發(fā)明的一個實施方案，變換數據可以被配置為單個變換標量。變換標量可以包括例如事故的嚴重程度的指示。變換標量可以包括例如身體、身體部位、機動車輛的部件或機動車輛的最大加速度的指示。

12、此實施方案是特別有利的，因為單個變換標量包括比輸入數據更少的信息，從而使得數據專家更容易評估是否正在使用輸入數據的正確部分以及模擬如何受到輸入數據的影響。這既提高了精度又提高了對變換標量如何受到輸入數據的影響的理解。

13、根據本發(fā)明的一個實施方案，可以使用變換器架構或注意力機制執(zhí)行變換。在本說明書的上下文中，變換器架構具體理解為包括串聯連接的編碼器和串聯連接的解碼器的架構。編碼器和解碼器可能具有不同維度。在該實施方案中，具體可以省略卷積。實際測試已表明，此實施方案產生特別逼真的結果。

14、根據本發(fā)明的一個實施方案，輸入數據可以被配置為輸入標量。變換數據可以被配置為第一嵌入式信號和第二嵌入式信號。第一嵌入式信號可以包括例如人員的身體或身體部位的位置和移動的指示，并且第二嵌入式信號可以包括機動車輛的部件或機動車輛的位置和移動的指示。在本說明書的上下文中，嵌入式信號具體理解為是不出現在人工神經網絡外部的信號。實際測試已表明，此實施方案產生特別逼真的結果。

15、根據本發(fā)明的一個實施方案，第一嵌入式信號和/或第二嵌入式信號兩者都可以是多維的。這些信號可以分別包括若干維度，例如32個或更多個維度中的若干值。

16、根據本發(fā)明的一個實施方案，模擬中的變換數據可以僅影響模擬的當前或未來狀態(tài)。例如，這可以通過人工神經網絡的結構來實現。例如，人工神經網絡的神經元只可以接收來自過去或現在的信息和/或數據。

17、根據本發(fā)明的一個實施方案，變換數據可以被輸入到人工神經網絡的輸入層中。如果人工神經網絡具有如de?10?2020?132?042?a1中所述的架構，則這是特別有利的。實際測試已表明，此實施方案產生特別逼真的結果。

18、根據本發(fā)明的一個實施方案，變換數據可以被輸入到人工神經網絡的不同層，具體是隱藏層中，并且/或者在模擬的執(zhí)行期間的不同時間使用。例如，變換數據的第一子集可以在第一層中使用和/或在模擬的執(zhí)行期間的第一時間使用，而變換數據的第二子集可以在第二層中使用和/或在模擬的執(zhí)行期間的第二時間使用。

19、如果人工神經網絡具有如de?10?2020?132?042?a1中所述的架構，則這也是特別有利的。此實施方案同樣可以產生特別逼真的結果。

20、模擬的執(zhí)行生成信息和/或數據，所述信息和/或數據可以例如用于通過修改一個或多個部件來提高機動車輛的事故安全性。

技術特征：

1.用于使用人工神經網絡(1)模擬機動車輛的事故的計算機實施的方法，包括以下步驟：

2.根據權利要求1所述的方法，其特征在于，所述輸入數據(14)被配置為輸入信號，其中所述變換數據(12)包括標量，其中所述標量在所述模擬之前被轉換成變換信號，并且其中使用所述變換信號執(zhí)行所述模擬。

3.根據權利要求1所述的方法，其特征在于，所述輸入數據(14)被配置為輸入標量。

4.根據權利要求3所述的方法，其特征在于，所述變換數據(12)被配置為單個變換標量。

5.根據權利要求1所述的方法，其特征在于，使用變換器架構或注意力機制執(zhí)行所述變換。

6.根據權利要求1所述的方法，其特征在于，所述輸入數據(14)被配置為輸入標量，其中所述變換數據(12)被配置為第一嵌入式信號和第二嵌入式信號。

7.根據權利要求6所述的方法，其特征在于，所述第一嵌入式信號和/或所述第二嵌入式信號兩者都是多維的。

8.根據前述權利要求中任一項所述的方法，其特征在于，在所述模擬中，所述變換數據(12)僅影響所述模擬的當前或未來狀態(tài)。

9.根據前述權利要求中任一項所述的方法，其特征在于，所述變換數據(12)被輸入到所述人工神經網絡(1)的輸入層(3；7)中。

10.根據權利要求1至8中任一項所述的方法，其特征在于，所述變換數據(12)被輸入到所述人工神經網絡(1)的不同層(9；15)中并且/或者在所述模擬的執(zhí)行期間的不同時間使用。

技術總結
本發(fā)明涉及一種用于使用人工神經網絡(1)模擬機動車輛的事故的計算機實施的方法，包括以下步驟：?接收與所述事故有關的輸入數據(14)；?將所述輸入數據(14)變換成變換數據(12)；以及?使用所述變換數據(12)借助于所述人工神經網絡(1)模擬所述事故。

技術研發(fā)人員：M·K·貝萊德,M·拉布斯
受保護的技術使用者：保時捷股份公司
技術研發(fā)日：
技術公布日：2024/12/19