Vernetztes Fahren: Die Hilfe durch die Daten des Autos

Ich wollte schon lange mal etwas zum Thema “vernetztes Auto” schreiben. Nun erschien ein Artikel in der F.A.Z., welcher das Thema beleuchtet. Leider ist das sehr schwarzes Licht, was der Autor da nutzt.

Schaut man auf die anderen Artikel des Autors, wird klar, dass er nicht unbedingt mit Fachkompetenz auf dem Gebiet, doch vielmehr mit Google Suche schnell einen Beitrag dazu verfasst hat. Somit soll dieser Beitrag hier eher eine Gegendarstellung bzw. Ergänzung zu dem Thema sein.

Die Daten des Autos

Zu aller erst muss man mal klären, was für Daten auf dem Fahrzeug denn überhaupt anfallen. Hier sind offensichtliche und weniger offensichtliche Daten zu nennen.

Offensichtlich stehen Beschleunigungen, Geschwindigkeiten, Abstand zum Vordermann (wenn ACC vorhanden) usw. zur Verfügung und können ausgewertet werden.

Ein kleines Beispiel, was man aus Fahrdynamikdaten extrahieren kann, ist in folgender Erläuterung zu sehen:

Fahrdynamik Datenanalyse mit Python Pandas from MechLab Engineering on Vimeo.

Hierbei ist jedoch zu sagen, dass bei kontinuierlicher Aufzeichnung von Beschleunigung, Gierrate, Geschwindigkeit, Position, Abstand usw. Daten in der Größenordnung von 60MB pro Stunde zusammen kommen. Weil die Daten von “bösen, großen IT Konzernen” (wie die FAZ schreibt) genutzt werden sollen, müssen diese ja übertragen werden. Nun kann man unterstellen, dass jeder OEM ein UMTS Modul mit 100GB Daten-Flatrate serienmäßig versteckt im Fahrzeug installiert, um diese Daten an sein IT Zentrum zu übertragen und … Nein.

Ich halte das nicht nur aus Gründen des Datenschutzes für eine schlechte Idee, auch für den OEM ergibt sich daraus kein Vorteil.

Eventbasierte Abspeicherung

Viel sinnvoller ist es, wenn die Daten in einen Ringpuffer geschrieben werden und nur bei einem Event in einen Dauerspeicher gelangen. Ein Event kann z.B. eine Vollbremsung sein, ein Auslösen der Airbags, ein Schleudermanöver, ein Auffahrunfall usw. sein.

Diese Daten könnten z.B. bei der Durchsicht von der Fachwerkstatt ausgelesen und an die IT des OEM übermittelt werden. Damit ließen sich aus der Fahrzeugflotte Daten generieren, welche zur Verbesserung des Produkts (=Auto) dienen.

Nutzerdaten zur Verbesserung des Produkts

Fahren z.B. fast alle Nutzer eines ACC mit “Mindestabstand”-Einstellung, so wird dies Gründe haben und die Ingenieure werden sich daran machen, herauszufinden, weshalb die Fahrzeuge in der Realität so bewegt werden.

Interessant sind die Daten insgesamt aber trotzdem, denn es gibt Daten, die nicht so offensichtlich sind und in denen der eigentliche Wert liegt:

Floating Car Data (FCD)

Unter diesem Begriff sammelt sich das eigentlich Wertvolle. Unter Floating Car Data wird Ort, Zeit, Fahrtrichtung und Geschwindigkeit vieler Fahrzeuge in einem Verkehrssystem verstanden. Es geht darum zu wissen, das dort ein/mehrere Fahrzeug mit eine bestimmten Geschwindigkeit unterwegs sind. Diese Metadaten der vielen Fahrzeuge lassen unglaublich wertvolle Informationen auflaufen. Einerseits wird daraus eine Stauprognose bzw. Stau berechnet und live und direkt im Navigationsgerät oder Smartphone angezeigt, andererseits können ganze Verhaltensmuster und -vorhersagen für Menschenmassen abgeleitet werden, wie dieser Vortrag von Bradley Voytek (Data Scientist beim Taxidienst Uber, an welchem auch Google Ventures beteiligt ist) zeigt (ab 4:00min):

Bradley Voytek: The Importance of Knowing One Thing from Piers Fawkes on Vimeo.

This tells you something about how people are using our service. Not knowing anything about any one person! – Bradley Voytek, Uber

Diese Metadaten lassen sich nun noch mit anderen Informationen anreichern.

Extended Floating Car Data (xFCD)

Extended, weil vom Fahrzeug genierte Zusatzinformationen genutzt werden. Um Beispiele zu nennen: Schalten viele Fahrzeuge in einer Region den Scheibenwischer auf maximale Stärke, so ist es sehr wahrscheinlich, dass es dort gerade einen Regenguss gibt. Schalten viele Fahrzeuge ihre Nebelschlussleuchte ein, ist es sehr wahrscheinlich, dass sich dort dichter Nebel gebildet hat. Setzt das ABS schon bei sehr geringem Bremsdruck ein, herrscht höchstwahrscheinlich Glätte.

Diese Informationen sind wertvoll, denn einerseits lassen sich damit nachfolgende “vernetzte Fahrzeuge” warnen, andererseits hat man wesentlich besser aufgelöste Wetterinformationen für andere Dienste, wie BMW schon 1999 vorstellte.

Nutzen für Verkehrsleitsysteme

Dr. Stefan Krampe schreibt in [KRAMPE, Stefan, et al. “FCD Modellregion Salzburg–Einsatz und Nutzen von Extended Floating Car Data im Bundesland Salzburg.“]:

Durch den großflächigen Einsatz unterschiedlicher Fahrzeugflotten zur Datenerzeugung, der Integration von xFCD sowie der räumlich-zeitlichen Differenzierung können situationsspezifische Verkehrsflussanalysen (z. B. Geschwindigkeit bei Regen oder Glätte) durchgeführt werden, die als Grundlage für eine Echtzeit-Verkehrslage sowie ein aktives und dynamisches Verkehrsmanagement in Salzburg dienen sollen.

In Zukunft werden sich der Abstand zum Vordermann oder auch die Fahrgeschwindigkeit auf der linken/rechten Spur (aus Videosensorik des eigenen Fahrzeugs) auswerten lassen und beispielsweise für Verkehrsleitsysteme genutzt, wie in [Quintero, R., et al. “Extended Floating Car Data System-Experimental Study.“Intelligent Vehicles Symposium (IV), 2011 IEEE. IEEE, 2011.] gezeigt.

Dies sind die derzeitigen verkehrsbezogenen, meiner Meinung nach ausnahmslos positiven, Aktivitäten. Es gibt natürlich auf der anderen Seite kommerzielle Interessenten an den Daten, wie unlängst zu lesen war.

Don’t do Evil

Personenbezogene Daten

Um Extended Floating Car Data personenbezogen zu gestalten, müsste eine Verknüpfung zwischen Person und Fahrzeug bzw. Fahrt hergestellt werden. Dies wird erreicht, indem beispielsweise “iOS in the Car” Schnittstellen oder auch das Android Pendant Kommunikation mit dem Fahrzeug aufnehmen. Somit lassen sich Daten zwischen Fahrzeug und Smartphone austauschen.

In wie weit die Schnittstellen für diese Zwecke genutzt werden können wird sich in den nächsten Monaten/Jahren zeigen, wenn die ersten Fahrzeuge mit entsprechend fahrzeugseitiger Schnittstelle auf den Markt kommen. Fakt ist, den OEM ist dieses Problem bewusst und sie werden mit Sicherheit keinen Vollzugriff auf den CAN-Bus des Fahrzeugs zulassen.

Auch der Sinn dieser Hardware-Startups, die das Fahrzeug in “Smart Cars” wandeln, sollte nun klar sein.

Dash – Mobile – Driving – Demo from Jamyn Edis on Vimeo.

Fazit

Meiner Meinung nach gibt es, wie immer, zwei Seiten der Medaille. Auf der einen Seite die leuchtenden Augen der Verkehrsplaner und Verkehrsingenieure, wenn sie endlich auf eine detaillierte Datenbasis zurückgreifen können um perfekte Verkehrsleitanweisungen herausgeben zu können, auf der anderen Seite die (noch nicht ganz offensichtlichen) kommerziellen Anwendungen, die sich aus diesen Daten ergeben. Die Skala reicht m.M. nach von egal bis kritisch:

egal: Das Schlimmste was Google machen kann, ist uns passgenaue Werbung anzuzeigen, die nicht mal nervt. Der Verkehrsfluss wird verbessert, wir können angenehmer Auto fahren. Es passieren weniger Unfälle, weil die Autos intelligenter werden.

semi: Verwendung der Daten für Risikoklassifizierung, ähnlich dem Schufa-System für Finanzen oder automatisiertes Erfassung von Verkehrsvergehen.

kritisch: Wenn die Daten an hoheitliche Institutionen fließen, welche Macht über eine Einzelperson haben, dann sollte man wirklich Obacht geben. Ich erinnere nur an die  Rasterfahndung der Dresdner Polizei, welche wegen eines Brandanschlages auf eine Kaserne einfach die Position alle Personen aus Funkzellen abgefragt und weiterverarbeitet hat. Kommen noch andere Faktoren zusammen, ist man (zufällig) auf der Liste der Verdächtigen und muss im Zweifel beantworten, was man vor 2 Jahren, dienstags um 10:18Uhr dort gemacht hat. Wer keine plausible Antwort weiß, ist plötzlich verdächtig.

Bedenkt man die aktuellen Enthüllungen zu den Spionageaktivitäten und Schnittstellen zwischen Firmen und Geheimdiensten, so wird die Skala leider komplett rot.