DE102019000630A1 - Verfahren und Vorrichtung zur Geolokalisierung von Grundursachen von durch ein Fahrzeug erfassten Ereignissen - Google Patents

Abstract

Die Erfindung betrifft ein Verfahren zur Zuordnung einer gemeinsamen Geoposition zu einer Mehrzahl von durch eine gemeinsame Grundursache bewirkten und durch mindestens ein Fahrzeug erfassten Ereignissen, wobei zu jedem einzelnen Ereignis eine einzelne Geoposition erfasst wird. Die erfassten Ereignisse werden lexikografisch sortierbar indiziert. Lexikografisch nach Ereignissen geordnete Teilmengen oder Hotspots einer nächsthöheren Kardinalität der Potenzmenge der Ereignisse werden inkrementell aus in lexikografisch sortierten Listen aufeinanderfolgenden Hotspots der nächstniedrigeren Kardinalität gebildet, wenn die maximale Entfernung innerhalb der Vereinigungsmenge der jeweils zugeordneten Ereignisse eine vorbestimmte maximale Entfernung dnicht überschreitet. In einem anschließenden Filterschritt werden alle Hotspots entfernt, deren Ereignismenge Teilmenge eines anderen Hotspots ist. Den verbleibenden Hotspots wird jeweils eine Geoposition zugeordnet, die aus mindestens den Geopositionen aller zugeordneten Ereignisse gebildet wird.

Description

• Die Erfindung betrifft ein Verfahren zur Zuordnung einer gemeinsamen Geoposition zu einer Mehrzahl von durch eine gemeinsame Grundursache bewirkten und durch mindestens ein Fahrzeug erfassten Ereignissen gemäß dem Oberbegriff des Anspruchs 1.
• Mit der Sensorik von Fahrzeugen werden zunehmend Ereignisse und Objekte in der Fahrzeugumgebung erfasst, denen eine Geolokalisation zugeordnet werden kann. Dabei handelt es sich beispielsweise um Schlaglöcher, mittels Kamera erfassbare Objekte wie beispielsweise Schilder oder Ampeln, mittels Radar erfassbare Objekte wie beispielsweise Brücken oder mittels Light Detection and Ranging (LIDAR) erfassbare Objekte sowie Landmarken, die die Fahrzeuglokalisierung unterstützen. Derartige Objekte können auch mit einer Mehrzahl von Erfassungsverfahren erfassbar sein. Weiterhin sind Systemeingriffe der Assistenzsysteme oder Car2X-Events, also sinngemäß Ereignisse, die im Fahrzeug stattfinden, erfassbar und können einer Geoposition des Fahrzeuges zum Zeitpunkt des Eintritts des Ereignisses zugeordnet werden.
• Allen diesen Objekten oder Ereignissen ist gemeinsam, dass ihre Position auf der Welt als möglichst exakte Geolokation von mindestens einem Fahrzeug mindestens einmalig, potenziell aber mehrfach erfasst und gespeichert wird. Jede Positionsmessung ist aber grundsätzlich mit einer Ungenauigkeit verbunden, so dass bei Mehrfachüberfahrten ein bestimmtes konkretes Ereignis, beispielsweise ein Durchfahren eines Schlaglochs, eine Ampel oder der Eingriff eines Fahrerassistenzsystems, immer an mehr oder weniger unterschiedlichen Geopositionen lokalisiert wird. Diese Streuung wird beispielsweise durch Messfehler des Global Positioning System (GPS) und/oder durch unbestimmte Latenzen in der Signalverarbeitung im Fahrzeug bewirkt und verhindert, dass das in mehreren Überfahrten erkannte Schlagloch oder die in mehreren Überfahrten erkannte Ampel durch einfachen Vergleich der jeweils zugeordneten Geoposition als dasselbe Schlagloch beziehungsweise dieselbe Ampel erkannt werden kann. Ebenso wird die wiederholte Auslösung eines Assistenzsystems an einem bestimmten Ort nicht ohne weiteres als Auslösung aufgrund der gleichen Umstände erkannt. Aufgrund des Messfehlers werden lokal beschränkte Häufungen von beispielsweise Ampelpositionen erhalten. Nachfolgend ist zu entscheiden, ob es sich um ein und dieselbe Ampel handelt oder um mehrere Ampeln. Die zu untersuchenden Teilmengen aus der Gesamtmenge von erfassten Ereignissen, die potentiell einer gemeinsamen Grundursache (Schlagloch, Ampel) zuzuordnen sind, wächst exponentiell mit der Gesamtzahl gemessener Ereignisse und entzieht sich dadurch einer einfachen sequenziellen Untersuchung derartiger Teilmengen.
• Aus dem Stand der Technik sind Clusteringverfahren bekannt, die nahe beieinander liegende Geopositionen in Clustern zusammenfassen. Ein derartiges bekanntes Verfahren ist als Density-Based Spatial Clustering of Applications with Noise (DBSCAN) Verfahren veröffentlicht, beispielsweise in Martin Ester, Hans-Peter Kriegel, Jörg Sander, Xiaowei Xu: A density-based algorithm for discovering clusters in large spatial databases with noise. In: Evangelos Simoudis, Jiawei Han, Usama M. Fayyad (Hrsg.): Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96). AAAI Press, 1996, ISBN 1-57735-004-9, Seiten 226-231.
• Das Dokument DE 10 2015 002 158 A1 beschreibt ein Verfahren zur Ermittlung einer in einer Funktion eines Fahrzeugsystems zu berücksichtigenden, die Verkehrsdichte im Umfeld des Kraftfahrzeugs beschreibenden Verkehrsdichteinformation in einem Kraftfahrzeug, wobei mittels wenigstens eines auf das Umfeld des Kraftfahrzeugs gerichteten, auf Halbleitertechnologie basierenden Radarsensors Objekte im Umfeld des Kraftfahrzeugs beschreibende Radardaten aufgenommen werden, durch Auswertung der Radardaten eine die in statische und dynamische Objekte klassifizierten, detektierten Objekte enthaltende Umfeldkarte ermittelt wird und die Verkehrsdichteinformation aus wenigstens einem Teil der in der Umfeldkarte enthaltenen Positionen dynamischer Objekte ermittelt wird.
• Der Erfindung liegt die Aufgabe zu Grunde, ein verbessertes Verfahren zur Zuordnung einer gemeinsamen Geoposition zu einer Mehrzahl von durch eine gemeinsame Grundursache bewirkten und durch mindestens ein Fahrzeug erfassten Ereignissen anzugeben.
• Die Aufgabe wird erfindungsgemäß gelöst durch die Merkmale des unabhängigen Anspruchs 1. Vorteilhafte Ausgestaltungen der Erfindung sind Gegenstand der Unteransprüche.
• Bei einem Verfahren zur Zuordnung einer gemeinsamen Geoposition zu einer Mehrzahl von Ereignissen, die von mindestens einem Fahrzeug erfasst werden, wobei zu jedem einzelnen Ereignis eine einzelne Geoposition erfasst wird und wobei die Ereignisse von einer gemeinsamen Grundursache bewirkt sind, werden die erfassten Ereignisse erfindungsgemäß lexikografisch sortierbar indiziert. Beispielsweise werden die erfassten Ereignisse in der Reihenfolge der Erfassung durchnummeriert.
• Jede lexikografisch sortierte Menge von k unterschiedlichen Ereignissen wird als Hotspot $h_i^{\left(k\right)}$

  

  der Kardinalität k bezeichnet. Potenziell bildet ein solcher Hotspot alle auf eine gemeinsame Grundursache, der eine einzige, gemeinsame Geoposition zuzuordnen ist, zurückführbaren Ereignisse ab.
• Aus der Potenzmenge der Menge aller erfassten Ereignisse werden sämtliche Teilmengen der Kardinalität Eins gebildet und lexikografisch sortiert einer Hotspotliste zugeordnet.
• Beginnend bei der Kardinalität Eins (k = 1) wird aus einer Hotspotliste H^(k) einer Kardinalität k fortlaufend eine neue Hotspotliste H^(k+1) der nächsthöheren Kardinalität k + 1 dadurch gebildet, dass aus je zwei lexikografisch sortiert aufeinanderfolgenden Hotspots $h_i^{\left(k\right)},h_{i+1}^{\left(k\right)}$

  

  der Hotspotliste H^(k) dann ein neuer Hotspot $h_J^{\left(k+1\right)}$

  

  umfassend die lexikografisch sortierte Vereinigungsmenge der Ereignisse beider Hotspots $h_i^{\left(k\right)},h_{l+1}^{\left(k\right)}$

  

  erzeugt und der neuen Hotspotliste H^(k+1) hinzugefügt wird, wenn das Maximum der mindestens anhand der Geopositionen der Ereignisse paarweise ermittelten Entfernungen zwischen den Ereignissen eine vorbestimmte maximale Entfernung d_mαx nicht überschreitet. Mit anderen Worten: in einen bereits gebildeten Hotspot, dem eine Menge von Ereignissen zugeordnet ist, wird unter Bildung eines neuen Hotspots dann ein neues Ereignis aufgenommen, wenn dadurch die größtmögliche Entfernung zwischen zwei Ereignissen die vorbestimmte maximale Entfernung nicht überschreitet. Damit ist sichergestellt, dass die Ausdehnung eines Hotspots die vorgegebene maximale Entfernung d_mαx nicht überschreitet.
• Dieser Schritt der Bildung neuer Hotspots mit einer um Eins inkrementierten Kardinalität wird erneut durchlaufen, wenn die neu gebildete Hotspotliste H^(k+1) mindestens zwei Hotspots umfasst. Die Bildung neuer Hotspots ist in endlich vielen Schritten abgeschlossen, da die größtmögliche Kardinalität eines Hotspots durch die Gesamtzahl der Ereignisse vorgegeben und somit endlich ist.
• In einem anschließenden Filterschritt werden aus der Menge aller derart gebildeter Hotspots diejenigen eliminiert werden, deren zugeordnete Menge von Ereignissen eine Teilmenge von mindestens einer anderen Menge von Ereignissen ist, die einem anderen Hotspot zugeordnet ist. Im Ergebnis dieses Filterschritts verbleiben maximale Hotspots, deren Ereignismenge keine Teilmenge irgendeines anderen Hotspots ist.
• Für jeden der derart gebildeten maximalen Hotspots wird aus der Gesamtheit der den jeweiligen Ereignissen zugeordneten Geopositionen eine gemeinsame Geoposition ermittelt. Einer allen Ereignissen eines maximalen Hotspots gemeinsamen Grundursache wird diese gemeinsame Geoposition zugeordnet.
• Ein Vorteil des erfindungsgemäßen Verfahrens besteht darin, dass der Aufwand zur Bildung von Hotspots oder Teilmengen von Ereignissen, die potenziell auf eine gemeinsame Grundursache zurückführbar sind, gegenüber dem Stand der Technik verringert ist. Ein weiterer Vorteil besteht darin, dass nach dem erfindungsgemäßen Verfahren gebildete Hotspots eine besonders hohe Passgenauigkeit zu den interessierenden, aber unbekannten Geolokalisationen von Grundursachen aufweisen, welche den mittels Sensorik oder Erfassung von Steuersignalen beobachteten Ereignissen zugrunde liegen. Ein Vorteil gegenüber aus dem Stand der Technik bekannten Clusteringverfahren besteht darin, dass in einem maximalen Hotspot zusammengefasste Ereignisse eine geringe, über die vorbestimmte maximale Entfernung d_mαx steuerbare örtliche Streuung aufweisen. Dadurch wird vermieden, dass eine Vielzahl von im Einzelnen voneinander unabhängigen Grundursachen mit geringfügig abweichender, aber unterscheidbarer Geolokalisation in einem einzelnen Cluster zusammengefasst werden. Beispielsweise wird dadurch vermieden, dass unabhängige, unterscheidbare Grundursachen, die als Kette beispielsweise entlang einer Straße angeordnet sind, zu einem einzigen Cluster zusammengefasst werden. Somit wird die örtliche Auflösung von Grundursachen gegenüber dem Stand der Technik verbessert.
• Ein Ausführungsbeispiel der Erfindung wird im Folgenden anhand einer Zeichnung näher erläutert.
• Dabei zeigt:
• 1 einen Programmablaufplan für ein iteratives Verfahren zur Ermittlung von Hotspots einer vorgegebenen Kardinalität.
• Einander entsprechende Teile sind in allen Figuren mit den gleichen Bezugszeichen versehen.
• Mittels mindestens eines Sensors eines Fahrzeugs wird das Auftreten eines Ereignisses e_i ermittelt. Ein Ereignis e_i kann beispielsweise als Durchfahren eines Schlaglochs mittels eines Fahrwerksensors ermittelt werden. Ein Ereignis e_i kann auch als Eingriff eines Fahrzeugassistenzsystems in die Steuerung des Fahrzeugs ermittelt werden. Alternativ kann ein Ereignis e_i durch eine Fahrzeugumfeldsensorik ermittelt werden, beispielsweise als ein Ampelsignal, eine Straßenausstattung oder eine Landmarke. Die Fahrzeugumfeldsensorik kann beispielsweise eine Kamera oder einen Light Detection and Ranging (LIDAR) Sensor umfassen.
• Jedes Ereignis e_i umfasst eine Geoposition, die von einer Geopositioniereinrichtung des Fahrzeugs im Moment der Ermittlung des Ereignisses e_i für das Fahrzeug bestimmt wurde. Die bestimmte und dem Ereignis e_i zugeordnete Geoposition ist im Allgemeinen fehlerbehaftet, das heißt: sie weicht von der physikalischen Geoposition der das Ereignis e_i kausal auslösenden physikalischen Gegebenheit ab. Mit anderen Worten: die beispielhaft einem Durchschlagen eines Stoßdämpfers zugeordnete Geoposition weicht im Allgemeinen von der Geoposition des Schlaglochs ab, welches das Durchschlagen des Stoßdämpfers auslöst; die beispielhaft für eine Ampel bestimmte Geoposition weicht im Allgemeinen von der physikalischen Geoposition des Ampelmastes ab. Natürlich sind auch für andere Ereignisse e_i Abweichungen zwischen der ermittelten Geoposition und der wirklichen Geoposition, welche der Grundursache zuzuordnen ist, möglich.
• Ereignisse e_i können weitere Parameter umfassen, beispielsweise Angaben zu dem Fahrzeug und/oder einen Zeitstempel. In einem Ausführungsbeispiel umfasst ein Ereignis e_i zusätzlich zu der Geoposition einen ebenfalls von der Geopositioniereinrichtung des Fahrzeugs bestimmten Geschwindigkeitsvektor, dessen Richtung die aktuelle Bewegungsrichtung des Fahrzeugs beschreibt und dessen Betrag die aktuelle Bewegungsgeschwindigkeit des Fahrzeugs beschreibt.
• Eine Auswertevorrichtung oder ein Backend ist zum Empfang von Ereignissen e_i eingerichtet, die von mindestens einem Fahrzeug übermittelt werden. Die Auswertevorrichtung ordnet jedem Ereignise_i umkehrbar eindeutig einen Index i = 1, 2, ... n zu. In einem Ausführungsbeispiel wird der Index i ermittelt, indem n Ereignisse e_i in der Reihenfolge des Empfangs durch die Auswertevorrichtung aufeinanderfolgend durchnummeriert werden.
• Zu zwei Ereignissen e_i, e_j kann als ein Ähnlichkeitsmaß eine räumliche Entfernung d_i,j = d(e_i, e_j) bestimmt werden, wobei d_i,j = 0 für i = j und d_i,j ≥ 0 für i ≠ j ist. In einer Ausführungsform ist die räumliche Entfernung d(e_i, e_j) als der euklidische Abstand zwischen den Geopositionen der Ereignisse e_i, e_j bestimmt, es sind jedoch auch andere Metriken als ein euklidischer Abstand möglich.
• In einer alternativen Ausführungsform gehen in das Ähnlichkeitsmaß d(e_i, e_j) neben dem Abstand der Geopositionen auch die Richtungsvektoren der Ereignisse e_i, e_j ein. Beispielsweise kann ein maximaler Winkelabstand derart vorgegeben werden, dass zwei räumlich nahe Ereignisse e_i, e_j, i ≠ j, einander nur dann ähnlich sind, wenn auch die beiden jeweils mit einem Ereignis verknüpften Fahrrichtungen einen Winkel einschließen, der kleiner als der vorgegebene maximale Winkelabstand ist.
• In analoger Weise können auch andere, im Zusammenhang mit Ereignissen e_i, e_j ermittelte Parameter, beispielsweise der jeweils ermittelte Geschwindigkeitsbetrag, in die Berechnung des Ähnlichkeitsmaßes d_i,j = d(e_i, e_j) eingehen. Beispielsweise kann die Entfernung d(e_i, e_j) als gewichtete Summe aus dem euklidischen Abstand der Geopositionen und dem Sinuswert des von den Geschwindigkeitsvektoren eingeschlossenen Winkels gebildet werden.
• Ein Hotspot h^(k) = [e_{l 1} , e_{l 2} , ... e_{l k} ] ist eine geordnete Menge von k unterschiedlichen Ereignissen e_i aus einer n ≥ k Ereignisse e_i umfassenden Ereignismenge {e_i, i = 1, 2,...n}, welche nach dem Index aufsteigend sortiert sind: $$1\le l_1<l_2<\cdots <l_k\le n$$

  

  und deren Entfernung untereinander eine vorbestimmte maximale Entfernung d_mαx nicht überschreitet: $$\begin{array}{cc}d\left(e_{l_p},e_{l_q}\right)\le d_{max},& \forall p,q=\mathrm{1,2,}\dots k.\end{array}$$

  
• Mit anderen Worten: ein Hotspot h^(k) der Kardinalität k = |h^(k)| ist eine k-stellige inversionsfreie Permutation ohne Wiederholung von solchen Ereignissen e_l der Ereignismenge, die untereinander eine Entfernung von höchstens d_mαx aufweisen.
• Als m - Präfix eines Hotspots h^(k) der Kardinalität k > m werden die m ersten Ereignisse e_{l 1} , e_{l 2} ,... e_{l m} bezeichnet, die in diesem Hotspot h^(k) in der Reihenfolge ihrer Indizes l_p sortiert vorliegen. Zwei Hotspots $h_1^{\left(k\right)}=\left[h_1^{\left(k-1\right)},e_{l{1}_k}\right],h_2^{\left(k\right)}\left[h_2^{\left(k-1\right)},e_{l{2}_k}\right]$

  

  gleicher Kardinalität k, die einen gemeinsamen k - 1 Präfix $h^{\left(k-1\right)}=h_1^{\left(k-1\right)}=h_2^{\left(k-1\right)}$

  

  aufweisen, bilden dann einen neuen Hotspot $h^{\left(k+1\right)}=h_1^{{}^k}\cup h_2^{\left(k\right)}=\left[h^{k-1},e_{l{1}_k},e_{l{2}_k}\right],$

  

  wenn die Ereignisse e_{l1 k} , e_{l2 k} , l1_k < l2_k, welche sich an der k-ten Position jeweils eines der Hotspots $h_1^{\left(k\right)},h_2^{\left(k\right)}$

  

  gleicher Kardinalität k befinden, eine Entfernung aufweisen, die die vorbestimmte maximale Entfernung nicht überschreitet: $$d\left(e_l,e_m\right)\le d_{max}.$$

  

  Somit können Hotspots einer nächsthöheren Kardinalität k = k + 1 in besonders einfacher Weise aus Hotspots der Kardinalität k gebildet werden, indem entlang einer lexikografisch sortierten Liste H^(k) aller Hotspots der Kardinalität k in dieser Liste aufeinanderfolgende (benachbarte) Hotspots dahingehend untersucht werden, ob sie einen gemeinsamen k - 1 Präfix h^(k-1) aufweisen und ob die Entfernung zwischen den beiden Ereignissen dieser benachbarten Hotspots, die jeweils nicht Element des anderen Hotspots sind, die vorbestimmte maximale Entfernung d_mαx nicht überschreitet. Zwei Hotspots $h_1^{\left(k\right)}=\left[e_{l{1}_1},e_{l{1}_2},\dots e_{l1k}\right],h_2^{\left(k\right)}=\left[e_{l{2}_1},e_{l{2}_2}\dots e_{l{2}_k}\right]$

  

  heißen dann lexikografisch sortiert, wenn die Indizes [l1₁, l1₂, ... l1_k], [l2₁, l2₂,... l2_k] der Ereignisse lexikografisch sortiert sind.
• 1 zeigt einen Ablaufplan für eine Ausführungsform eines Teilschritts des erfindungsgemäßen Verfahrens, in welchem lexikografisch sortierte Listen von Hotspots erstellt werden. Jede erstellte Liste H^(k) umfasst Hotspots einer gleichen Kardinalität k.
• In einem ersten Schritt 1 wird eine lexikografisch sortierte Liste H⁽¹⁾ aller Hotspots der Kardinalität $1h_i^{\left(1\right)},i=1\dots n$

  

  erstellt. Ein Hotspot der Kardinalität 1 umfasst genau ein Ereignis e_i.
• Nachfolgend wird die Laufvariable k, die die Kardinalität der Hotspots in der aktuell durchsuchten lexikografisch sortierten Liste H^(k) bezeichnet, auf k = 1 gesetzt.
• Nachfolgend wird die Laufvariable l, die in der lexikografisch sortierten Liste H^(k+1) von Hotspots der nächsthöheren Kardinalität k + 1 die erste freie Listenposition nach dem Listenende indiziert, auf l = 1 gesetzt.
• Nachfolgend wird die Laufvariable i, die einen ersten zu vergleichenden Hotspot $h_i^{\left(k\right)}$

  

  aus der aktuell durchsuchten lexikografisch sortierten Liste H^(k) indiziert, auf i = 1 gesetzt.
• Nachfolgend wird die Laufvariable j, die einen zweiten zu vergleichenden Hotspot $h_j^{\left(k\right)}$

  

  aus der aktuell durchsuchten lexikografisch sortierten Liste H^(k) indiziert, auf j = i + 1 gesetzt. Die zu vergleichenden Hotspots $h_i^{\left(k\right)},h_j^{\left(k\right)}$

  

  sind somit zwei in der aktuell durchsuchten lexikografisch sortierten Liste H^(k) unmittelbar aufeinanderfolgende Hotspots.
• In einem zweiten Schritt 2 wird die Länge des zwischen dem ersten zu vergleichenden Hotspot $h_i^{\left(k\right)}$

  

  und dem zweiten zu vergleichenden Hotspot $h_j^{\left(k\right)}$

  

  der aktuell durchsuchten lexikografisch sortierten Liste H^(k) gemeinsamen Präfixes bestimmt. Die Länge des gemeinsamen Präfixes kann 0 sein; dann unterscheiden sich bereits die in den zu vergleichenden Hotspots $h_i^{\left(k\right)},h_j^{\left(k\right)}$

  

  an erster Stelle befindlichen Ereignisse e_{l1 1} ≠ e_{l2 1} . Die Länge des gemeinsamen Präfixes kann maximal k - 1 sein, wenn alle Ereignisse bis auf das an jeweils letzter Position in den zu vergleichenden Hotspots $h_i^{\left(k\right)},h_j^{\left(k\right)}$

  

  angeordnete Ereignis übereinstimmen.
• In einem dritten Schritt 3 wird geprüft, ob die Länge des den zu vergleichenden Hotspots $h_i^{\left(k\right)},h_j^{\left(k\right)}$

  

  gemeinsamen Präfixes gleich k - 1 ist. Bei erfolgreicher Prüfung wird mit einem vierten Schritt 4 fortgesetzt. Bei nicht erfolgreicher Prüfung wird die Laufvariable i inkrementiert und mit dem fünften Schritt 5 fortgesetzt.
• Im vierten Schritt 4 wird geprüft, ob die Entfernung zwischen dem k-ten Element des ersten zu vergleichenden Hotspots, dem Ereignis e_{l1 k} , und dem k-ten Element des zweiten zu vergleichenden Hotspots, dem Ereignis e_{l2 k} , die vorbestimmte maximale Entfernung d_mαx nicht überschreitet. Bei erfolgreicher Prüfung wird ein Hotspot $h_l^{\left(k+1\right)}$

  

  der Kardinalität k + 1 gebildet, welcher sämtliche Ereignisse aus den zu vergleichenden Hotspots $h_i^{\left(k\right)},h_j^{\left(k\right)}$

  

  in lexikografischer Sortierung umfasst. Dieser neugebildete Hotspot $h_l^{\left(k+1\right)}$

  

  der Kardinalität k + 1 wird an das Ende der lexikografisch sortierten Liste H^(k+1) von Hotspots der Kardinalität k + 1 geschrieben. Der Index l dieser Liste wird inkrementiert.
• Nachfolgend wird die Laufvariable i, die den ersten zu vergleichenden Hotspot $h_i^{\left(k\right)}$

  

  aus der aktuell durchsuchten lexikografisch sortierten Liste H^(k) indiziert, inkrementiert i = i + 1.
• In einem nachfolgenden fünften Schritt 5 wird geprüft, ob das Ende der aktuell durchsuchten lexikografisch sortierten Liste H^(k) erreicht ist. Das Ende der aktuell durchsuchten lexikografisch sortierten Liste H^(k) ist erreicht, wenn die Laufvariable i auf das letzte Element dieser Liste zeigt. Falls das Ende erreicht ist, wird der Wert der Kardinalität k der zu durchsuchenden Liste inkrementiert und mit einem sechsten Schritt 6 fortgesetzt.
• Falls das Ende der aktuell durchsuchten lexikografisch sortierten Liste H^(k) noch nicht erreicht ist, wird die Laufvariable j, die den zweiten zu vergleichenden Hotspot $h_j^{\left(k\right)}$

  

  aus der aktuell durchsuchten lexikografisch sortierten Liste H^(k) indiziert, so angepasst, dass der zweite Hotspot $h_j^{\left(k\right)}$

  

  in der Liste auf den ersten Hotspot $h_i^{\left(k\right)}$

  

  folgt: j = i + 1. Danach wird mit dem zweiten Schritt 2 fortgesetzt.
• Im sechsten Schritt 6 wird geprüft, ob die zu durchsuchende lexikografisch sortierte Liste H^(k) mindestens zwei zu vergleichende Hotspots $h_l^{\left(k\right)},h_j^{\left(k\right)}$

  

  der Kardinalität k umfasst. Falls die zu durchsuchende lexikografisch sortierte Liste H^(k) leer ist oder nur einen einzigen Hotspot umfasst, wird der Teilschritt zur Erstellung der Listen von Hotspots beendet. Falls die zu durchsuchende lexikografisch sortierte Liste H^(k) mehrere Hotspots der Kardinalität k umfasst, wird der Index i des ersten zu vergleichenden Hotspots auf i = 1 gesetzt, der Index des zweiten zu vergleichenden Hotspots auf j = i + 1 = 2 gesetzt und mit dem zweiten Schritt 2 fortgesetzt.
• Auf den in 1 schematisch dargestellten Teilschritt zur Erstellung von lexikografisch sortierten Listen von Hotspots folgt ein Filterschritt, in welchem die erstellten lexikografisch sortierten Listen von Hotspots reduziert werden. In dem Filterschritt werden alle Hotspots $h_i^{\left(k\right)}=\left[e_{i_1},e_{i_2},\dots e_{l_k}\right]$

  

  entfernt, für die gilt: die Ereignisse e_{i 1} , e_{i 2} ,...e_{i k} sind auch Elemente eines Hotspots $h_j^{\left(l\right)},l>k.$

  

  Mit anderen Worten: es werden all diejenigen Hotspots $h_i^{\left(k\right)}$

  

  entfernt, die (echte) Teilmenge eines anderen Hotspots $h_j^{\left(l\right)}$

  

  sind. Die verbleibenden Hotspots, also jene, die nicht Teilmenge eines anderen Hotspots sind, werden als maximale Hotspots bezeichnet.
• Erfindungsgemäß werden im Filterschritt für jeden Hotspot $h_i^{\left(k+1\right)}$

  

  aus der lexikografisch sortierten Liste H^(k+1) der Kardinalität k + 1 alle Teilmengen der Kardinalität k [e_{i 2} ,..., e_{l k} , e_{i k+1} ], [e_{i 1} , e_{i 3} ,..., e_{i k} , e_{i k+1} ],...[e_{i 1} , e_{i 2} ,..., e_{i k-1} , e_{i k+1} ], [e_{i 1} , e_{i 2} ,..., e_{i k-1} , e_{i k} ] erzeugt und in einer Hashdatenstruktur abgelegt. Dann wird für jeden Hotspot $h_l^{\left(k\right)}$

  

  aus der lexikografisch sortierten Liste H^(k) der nächstniedrigeren Kardinalität k durch Vergleich mit der Hashdatenstruktur überprüft, ob er Teilmenge eines Hotspots der Kardinalität k + 1 ist. Falls nicht, wird der Hotspot einer Liste Ĥ von maximalen Hotspots zugefügt. Die maximalen Hotspots können unterschiedliche Kardinalität aufweisen.
• Diese Filterung wird mit absteigender Kardinalität der untersuchten Listen von Hotspots, beginnend bei der lexikografisch sortierten Liste mit der höchsten Kardinalität, fortgesetzt, bis schließlich alle Hotspots auf ihre Teilmengenbeziehung zu Hotspots der nächsthöheren Kardinalität untersucht wurden. Damit ist die Liste der maximalen Hotspots vollständig erstellt.
• Ein Vorteil des erfindungsgemäßen Verfahrens besteht darin, dass der Aufwand zur Bildung von Hotspots gegenüber dem Stand der Technik verringert ist. Ein weiterer Vorteil besteht darin, dass nach dem erfindungsgemäßen Verfahren gebildete Hotspots eine besonders hohe Passgenauigkeit zu den interessierenden, aber unbekannten Geolokalisationen von Grundursachen aufweisen, welche den mittels Sensorik oder Erfassung von Steuersignalen beobachteten Ereignissen e₁, e₂,...e_n zugrunde liegen. Ein Vorteil gegenüber aus dem Stand der Technik bekannten Clusteringverfahren besteht darin, dass in einem maximalen Hotspot zusammengefasste Ereignisse eine geringe, über die vorbestimmte maximale Entfernung d_mαx steuerbare örtliche Streuung aufweisen. Dadurch wird vermieden, dass eine Vielzahl von im Einzelnen voneinander unabhängigen Grundursachen mit geringfügig abweichender, aber unterscheidbarer Geolokalisation in einem einzelnen Cluster zusammengefasst werden. Beispielsweise wird dadurch vermieden, dass unabhängige, unterscheidbare Grundursachen, die als Kette beispielsweise entlang einer Straße angeordnet sind, zu einem einzigen Cluster zusammengefasst werden. Somit wird die örtliche Auflösung von Grundursachen gegenüber dem Stand der Technik verbessert.
• Bezugszeichenliste

1 bis 6

erster bis sechster Schritt

• ZITATE ENTHALTEN IN DER BESCHREIBUNG
• Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
• Zitierte Patentliteratur
• DE 102015002158 A1 [0005]
• Zitierte Nicht-Patentliteratur
• Evangelos Simoudis, Jiawei Han, Usama M. Fayyad (Hrsg.): Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96). AAAI Press, 1996, ISBN 1-57735-004-9, Seiten 226-231 [0004]

Claims (4)

1. Verfahren zur Zuordnung einer gemeinsamen Geoposition zu einer Mehrzahl von durch eine gemeinsame Grundursache bewirkten und durch mindestens ein Fahrzeug erfassten Ereignissen, wobei zu jedem einzelnen Ereignis eine einzelne Geoposition erfasst wird, dadurch gekennzeichnet, dass - die erfassten Ereignisse lexikografisch sortierbar indiziert werden, - Hotspots $h_i^{\left(1\right)}$

   

   der Kardinalität Eins als sämtliche Teilmengen der Kardinalität Eins der Potenzmenge der Menge aller Ereignisse lexikographisch sortiert in einer Hotspotliste H⁽¹⁾ angeordnet werden, - beginnend bei der Kardinalität Eins (k = 1) aus einer Hotspotliste H^(k) einer Kardinalität k fortlaufend eine neue Hotspotliste H^(k+1) der nächsthöheren Kardinalität k + 1 dadurch gebildet wird, dass aus je zwei lexikografisch sortiert aufeinanderfolgenden Hotspots $h_i^{\left(k\right)},h_{i+1}^{\left(k\right)}$

   

   der Hotspotliste H^(k) dann ein neuer Hotspot $h_j^{\left(k+1\right)},$

   

   umfassend die lexikografisch sortierte Vereinigungsmenge der Ereignisse beider Hotspots $h_i^{\left(k\right)},h_{i+1}^{\left(k\right)},$

   

   erzeugt und der neuen Hotspotliste H^(k+1) hinzugefügt wird, wenn das Maximum der mindestens anhand der Geopositionen der Ereignisse paarweise ermittelten Entfernungen zwischen den Ereignissen eine vorbestimmte maximale Entfernung d_mαx nicht überschreitet, und dieser Schritt mit jeweils um Eins inkrementierter Kardinalität k = k + 1 erneut durchlaufen wird, wenn die neu gebildete Hotspotliste H^(k+1) mindestens zwei Hotspots umfasst, - aus der Menge aller derart gebildeter Hotspots in einem Filterschritt diejenigen eliminiert werden, deren zugeordnete Menge von Ereignissen eine Teilmenge von mindestens einer anderen Menge von Ereignissen ist, die einem anderen Hotspot zugeordnet ist, so dass nur maximale Hotspots verbleiben und - für jeden der derart gebildeten maximalen Hotspots aus der Gesamtheit der den jeweiligen Ereignissen zugeordneten Geopositionen eine gemeinsame Geoposition ermittelt wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zusätzlich zu der Geoposition zu jeweils einem Ereignis die aktuelle Fahrrichtung und/oder der aktuelle Geschwindigkeitsbetrag des Fahrzeugs erfasst und daraus eine Ähnlichkeit zwischen zwei Ereignissen ermittelt wird, wobei Ereignissen mit einer hohen Ähnlichkeit eine geringere Entfernung zugeordnet wird als Ereignissen mit einer niedrigen Ähnlichkeit.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass zwei Ereignisse nur dann als ähnlich bewertet werden, wenn der von den zugeordneten Fahrrichtungen eingeschlossene Winkel einen vorbestimmten maximalen Fahrrichtungswinkelabstand nicht überschreitet.
4. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in dem Filterschritt - für jeweils alle Hotspots $h_i^{\left(k\right)}$

   

   einer Hotspotliste H^(k) einer Kardinalität größer als Eins alle lexikografisch sortierten Teilmengen von Ereignissen mit einer um Eins reduzierten Kardinalität erzeugt und in einer Hashdatenstruktur abgelegt werden und - eine Teilmengenbeziehung einer Ereignismenge eines Hotspots $h_j^{\left(k-1\right)}$

   

   einer Hotspotliste H^(k-1) mit nächstniedrigerer Kardinalität durch Vergleich mit der Hashdatenstruktur ermittelt wird.

Images