LEICAR - Lernbasierte multimodale Interpretation von Sensordaten zur Ereigniserkennung in Carsharing-Flotten

Carsharing in all seinen Varianten ist ein Beispiel für den Erfolg von Share Economy, was aber immer noch in den Kinderschuhen steckt. Für eine erfolgreiche Verbreitung der Carsharing-Idee müssen die Abläufe für Kunden und Betreiber weitgehend automatisiert werden. Dazu müssen die riesigen Datenmengen, die bei der Nutzung der Fahrzeuge anfallen in geeigneter Weise verarbeitet und analysiert werden. Für die Kunden führt dies zu einer besseren Planbarkeit ihres Mobilitätsverhaltens. Die Carsharing-Betreiber können ihre Dienstleistung effizienter und kostengünstiger anbieten. Bisherige Ansätze zur Steuerung gehen vor allem von Erfahrungswerten aus, die aus den Reaktionen des Kunden gewonnen werden. Auf der technischen Seite gibt es eine rudimentäre Datenerfassung, die durch manuelle Eingaben des Kunden und des Anbieters ergänzt werden muss.


Die Firma INVERS GmbH stellt die nötigen Hardware- und Softwarekomponenten her, die ein Carsharing- Anbieter in seinen Fahrzeugen zur Datenerfassung und Kommunikation nutzt. Sie ist bestrebt diese Datenerfassung und -interpretation zu verbessern, um möglichst schnell auf Kundenwünsche der Carsharing- Anbieter reagieren und selbst Kosten sparen zu können. Dabei ist es unerheblich, ob es sich um klassisches Carsharing, eCarsharing oder eine Mischung handelt. Das Ziel des LEICAR-Projektes ist es, aus Fahrzeugsensordaten beliebiger Fahrzeugmodelle automatisch Ereignisse wie z.B. einen Unfall erkennen zu können. Die Fahrzeugsensordaten können z.B. vom internen Netzwerk des Fahrzeugs ausgelesen werden. Dabei soll es nicht nötig sein die Bedeutung von Nachrichten im fahrzeuginternen Netzwerk vorab zu kennen. Vielmehr bildet die zu entwickelnde Softwarekomponente Ereignisse, durch Lernalgorithmen aus dem Bereich der Mustererkennung, aus den Sensordaten ab, wie in der Abb. 1 dargestellt ist. Es sollen so z.B. Zustandsgrößen wie der Tachostand und Tankfüllstand aber auch Abweichungen vom Normalbetrieb der Fahrzeuge (Störungen), das Fahrverhalten (ökologischer Fahrstil) des jeweiligen Fahrers und Unfälle, insbesondere auch leichte Unfälle mit Beschädigungen am Fahrzeug, automatisch erkannt werden.

 


Abb. 1 LEICAR, Abbildung von Ereignissen aus Sensordaten


Die zu entwickelnde Softwarekomponente wird in einem InCar-System, in diesem Fall bestehend aus Hardware und Software der Firma INVERS, zum Einsatz kommen. Durch die fahrzeuginterne Datenverarbeitung wird Datensparsamkeit ermöglicht, um die Privatsphäre der Fahrzeuginsassen zu schützen. Dazu werden ausschließlich sachdienliche Daten an den Carsharing-Anbieter übertragen. Der jeweilige Carsharing-Anbieter kann durch das LEICAR-Projekt schnell und kosteneffektiv auf die aufgetretenen Ereignisse reagieren, um die Verfügbarkeit der Flotte für den Kunden sicherzustellen. Die verbesserte Verfügbarkeit wird die Akzeptanz des Kunden zum Carsharing stärken. Das LEICAR-Projekt erschließt neue Geschäftsfelder und stärkt damit die internationale Marktposition der INVERS GmbH, insbesondere im Vergleich zu den Fahrzeugherstellern, die eigene, allerdings nur auf Fahrzeuge der Eigenmarke beschränkte Carsharing-Lösungen anbieten.