-
Die vorliegende Offenbarung betrifft ein Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit, ein Speichermedium zum Ausführen des Verfahrens, ein System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit und ein Fahrzeug mit einem derartigen System. Die vorliegende Offenbarung betrifft insbesondere ein Architekturkonzept zur Verwaltung von Fahrzeugdatenströmen.
-
Stand der Technik
-
Die Vernetzung moderner Fahrzeuge beispielsweise mit dem Internet gewinnt stetig an Bedeutung. Beispielsweise können durch fahrzeuginterne Sensoren gesammelte Daten verwendet werden, um eine auf Nutzer abgestimmte Personalisierung im Fahrzeug zu ermöglichen. Insbesondere kann eine Personalisierung von Fahrzeugfunktionen erfolgen, wie zum Beispiel in Bezug auf ein Innenraumambiente, Fahreigenschaften, Kommunikationsfunktionen, Navigationsfunktionen, etc.
-
Die Personalisierung kann mittels einer Erstellung von Modellen, wie zum Beispiel Nutzermodellen, erfolgen. Die Modelle können dabei unter Verwendung der Daten der fahrzeuginternen Sensoren und von maschinellem Lernen erstellt und optional auch aktualisiert werden. Die Erstellung und/oder Aktualisierung der Modelle kann dabei in einer zentralen Einheit, und insbesondere einem Backend eines Fahrzeugherstellers erfolgen. Hierzu müssen die Daten der fahrzeuginternen Sensoren an das Backend übermittelt werden.
-
Die fahrzeuginternen Sensoren produzieren jedoch große Datenmengen. Die Datenmengen für ein einzelnes Fahrzeug können dabei in der Größenordnung von 25 Gigabyte oder mehr pro Stunde sein. Eine Übertragung derartiger Datenmengen von einem Fahrzeug an das Backend ist mit den heute gängigen Kommunikationstechnologien schwierig und oftmals sogar unmöglich. Zudem haben die Daten in ihrer Rohform nur eine geringe Anwendbarkeit. Je nach Anwendungsfall und Qualität der Daten (z.B. Strukturen, Formate, Metadaten, etc.) ist die Datenaufbereitung zeitaufwändig und ressourcenintensiv.
-
Die
US 2019/0228596 A1 betrifft ein Verfahren zum Überwachen und Analysieren von Fahrzeugdaten innerhalb eines Fahrzeugs und zum Bereitstellen von analytischen Verarbeitungsdaten für potenzielle Benutzer von Fahrzeugen. In einer Ausführungsform wird ein Verfahren offenbart, das Folgendes umfasst: Überwachen eines in einem Fahrzeug installierten Kommunikationsbusses, wobei der Kommunikationsbus Daten überträgt, die von einem oder mehreren in dem Fahrzeug installierten Sensoren aufgezeichnet wurden; Erfassen einer auf dem Kommunikationsbus gesendeten Nachricht; Extrahieren eines Ereignisses aus der Nachricht, wobei die Extraktion auf einer vordefinierten Liste von Ereignistypen basiert; Speichern des Ereignisses in einer in dem Fahrzeug installierten sicheren Speichervorrichtung; Feststellen, dass eine Übertragungsbedingung aufgetreten ist; und Übertragen der Ereignisdaten an einen entfernten Server als Reaktion auf die Feststellung, dass die Übertragungsbedingung aufgetreten ist.
-
Die
DE 10 2010 010 043 A1 betrifft ein Verfahren zum Bereitstellen von Fahrzeugdiagnose- und -prognosebewertungen, wobei das Verfahren umfasst: Erheben von Daten von mehreren Fahrzeugkomponenten, -teilsystemen und -systemen und mehreren Fahrzeugquellen einschließlich Komponenten, Teilsystemen und einem System für verschiedene Fahrzeuge; Speichern der erhobenen Daten in einer oder mehreren Datenbanken; Erzeugen von Klassen für verschiedene Typen erhobener Daten; Fusionieren der erhobenen Daten von den Fahrzeugkomponenten, -teilsystemen und -systemen und mehreren Fahrzeugquellen; und Analysieren der fusionierten Daten, um Störungsbedingungen in Fahrzeugkomponenten, - teilsystemen und -systemen zu identifizieren.
-
Die
EP 3 166 086 A1 beschreibt eine elektronische und verarbeitende Vorrichtung, die in der Lage ist, eine Erfassung und Speicherung von realen dynamischen Daten und Standortdaten durchzuführen, die mit der Bewegung eines Straßenfahrzeugs oder der Bewegung eines Luft- oder Seefahrzeugs zusammenhängen, an dem die Vorrichtung fest angebracht ist, und die in der Lage ist, die Daten an einen entfernten Ort oder an einen entfernten Server zu übertragen, indem sie ein Funkkommunikationsnetz verwendet.
-
Offenbarung der Erfindung
-
Es ist eine Aufgabe der vorliegenden Offenbarung, ein Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit, ein Speichermedium zum Ausführen des Verfahrens, ein System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit und ein Fahrzeug mit einem derartigen System anzugeben, die eine Datenmenge, die an eine zentrale Einheit kommuniziert wird, reduzieren können. Des Weiteren ist es eine Aufgabe der vorliegenden Offenbarung, Berechnungsressourcen in der zentralen Einheit zu reduzieren und/oder die Datenverarbeitung in der zentralen Einheit von den empfangenen Daten unabhängiger zu machen.
-
Diese Aufgabe wird durch den Gegenstand der unabhängigen Ansprüche gelöst. Vorteilhafte Ausgestaltungen sind in den Unteransprüchen angegeben.
-
Gemäß einem unabhängigen Aspekt der vorliegenden Offenbarung ist ein Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit angegeben. Das Verfahren umfasst vorzugsweise ein Bereitstellen von Sensordaten durch fahrzeuginterne Sensoren eines Fahrzeugs; ein Ableiten von abstrahierten Informationen aus den Sensordaten; und ein Senden, durch das Fahrzeug, der abstrahierten Informationen an eine zentrale Einheit.
-
Erfindungsgemäß werden abstrahierte Informationen ermittelt und an die zentrale Einheit gesendet. Anders gesagt werden nicht die kompletten Sensorrohdaten an die zentrale Einheit gesendet, sondern aus den Sensorrohdaten abgeleitete Informationen. Wenn beispielsweise ein Fahrzeug über einen kurzen Zeitraum stark beschleunigt, kann diese Tatsache der zentralen Einheit von Anfang bis Ende mitgeteilt werden, anstatt die entsprechende exakte Geschwindigkeit an die zentrale Einheit zu senden. Ähnliches gilt für eine konstante Geschwindigkeit oder ein Bremsen.
-
Insbesondere kann Wissen in Form von Basisereignissen ausgedrückt werden. Die Basisereignisse können mit einer analytischen Beschreibung der Signale bzw. Sensordaten über die Zeit erzeugt werden. Sobald die Ereignisse erzeugt sind, können diese in semantische Annotationen umgewandelt werden, um die Ergebnisse in einer standardisierten Form zu erhalten. Damit kann eine Datenmenge, die an eine zentrale Einheit kommuniziert wird, reduziert werden. Zudem sind weniger Berechnungsressourcen in der zentralen Einheit erforderlich. Weiter ist eine gewisse Unabhängigkeit vom zugrunde liegenden System gewährleistet.
-
Vorzugsweise umfassen, oder sind, die Sensordaten (bzw. Datenströme) kontinuierliche Sensordaten (bzw. Datenströme) und/oder kategorische Sensordaten (bzw. Datenströme). Kontinuierliche Daten sind Zahlen, die jeden Wert in einem Bereich annehmen können (z.B. Geschwindigkeit). Im Gegensatz dazu nehmen kategorische Daten Werte aus einem vordefinierten Satz von Kategorien an (z.B. Anzahl der Gänge).
-
Vorzugsweise erfolgt das Ableiten der abstrahierten Informationen basierend auf einer Zeitreihe von Sensordaten. Die Zeitreihe kann beispielsweise in einem Zeitfenster oder Basisfenster enthalten sein.
-
Vorzugsweise umfasst das Ableiten von abstrahierten Informationen aus den Sensordaten ein Extrahieren wenigstens eines Merkmals, insbesondere eines statistischen Merkmals, aus den Sensordaten, um wenigstens ein Ereignis zu erzeugen. Das Extrahieren wenigstens eines Merkmals kann insbesondere aus kontinuierlichen Sensordaten (bzw. Datenströme) erfolgen, um die kontinuierliche Sensordaten (bzw. Datenströme) zu kategorisieren. Durch die Verwendung statistischer Merkmale und damit einer Kombination einzelner Punkte von Zeitreihen-Rohdaten zu stabilen und gut beschriebenen abstrakten Informationen kann ein stabiler Input mit weniger Informationen bereitgestellt werden, ohne dass zu viele Informationen verloren gehen.
-
Vorzugsweise umfasst das Verfahren weiter ein Bestimmen einer semantischen Annotation für das wenigstens eine Ereignis. Damit kann Wissen in Form von Basisereignissen ausgedrückt werden. Beispielsweise kann eine Formalisierung der Annotation mit ontologischen Metadaten über den dynamischen Betrieb des Fahrzeugs erfolgen.
-
Vorzugsweise umfasst das Verfahren weiter ein Eingeben der abstrahierten Informationen in ein Machine Learning (ML)-Modul. Insbesondere können die abstrahierten Informationen verwendet werden, um Modelle zu trainieren. Die abstrahierten Informationen liefern einen stabilen Input mit weniger Informationen, so dass trotzdem ein zuverlässiges Training erfolgen kann. Das Machine Learning (ML)-Modul kann in einigen Ausführungsformen in der zentralen Einheit implementiert sein.
-
ML-Modelle sind dabei nur eine beispielhafte Art der Nutzung der abstrahierten Informationen. Es kann auch eine semantische Wissensextraktion implementiert werden, insbesondere wenn die Daten bereits in diesem Format beschrieben sind.
-
Vorzugsweise erfolgt das Ableiten von abstrahierten Informationen aus den Sensordaten durch das Fahrzeug und/oder mittels Edge Computing. Damit müssen keine großen Datenvolumina an die zentrale Einheit übertragen werden, da die abstrahierten Informationen direkt im Fahrzeug und/oder in der Umgebung des Fahrzeugs erzeugt werden.
-
Gemäß einem weiteren unabhängigen Aspekt der vorliegenden Offenbarung ist ein Software (SW) Programm angegeben. Das SW Programm kann eingerichtet werden, um auf einem oder mehreren Prozessoren ausgeführt zu werden, und um dadurch das in diesem Dokument beschriebene Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit auszuführen.
-
Gemäß einem weiteren unabhängigen Aspekt der vorliegenden Offenbarung ist ein Speichermedium angegeben. Das Speichermedium kann ein SW Programm umfassen, welches eingerichtet ist, um auf einem oder mehreren Prozessoren ausgeführt zu werden, und um dadurch das in diesem Dokument beschriebene Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit auszuführen.
-
Gemäß einem weiteren unabhängigen Aspekt der vorliegenden Offenbarung ist ein System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit angegeben. Das System umfasst einen oder mehrere Prozessoren, die eingerichtet sind, um das in diesem Dokument beschriebene Verfahren zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit auszuführen.
-
Der eine oder die mehreren Prozessoren sind insbesondere eingerichtet, um abstrahierte Informationen aus Sensordaten, die durch fahrzeuginterne Sensoren eines Fahrzeugs bereitgestellt werden, abzuleiten; und die abstrahierten Informationen an eine zentrale Einheit zu übermitteln.
-
Das System ist insbesondere eingerichtet, das in diesem Dokument beschriebene zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit auszuführen.
-
Gemäß einem weiteren Aspekt der vorliegenden Offenbarung ist ein Fahrzeug, insbesondere Kraftfahrzeug, angegeben. Das Fahrzeug umfasst das System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit gemäß den Ausführungsformen der vorliegenden Offenbarung.
-
Der Begriff Fahrzeug umfasst PKW, LKW, Busse, Wohnmobile, Krafträder, etc., die der Beförderung von Personen, Gütern, etc. dienen. Insbesondere umfasst der Begriff Kraftfahrzeuge zur Personenbeförderung.
-
Figurenliste
-
Ausführungsbeispiele der Offenbarung sind in den Figuren dargestellt und werden im Folgenden näher beschrieben. Es zeigen:
- 1 ein Flussdiagram eines Verfahrens zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit gemäß Ausführungsformen der vorliegenden Offenbarung,
- 2 schematisch ein System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit gemäß Ausführungsformen der vorliegenden Offenbarung,
- 3 eine Übersichtsdarstellung einer Verarbeitung von Sensordaten gemäß Ausführungsformen der vorliegenden Offenbarung, und
- 4 eine initiale Verarbeitung einen Datenstroms gemäß Ausführungsformen der vorliegenden Offenbarung.
-
Ausführungsformen der Offenbarung
-
Im Folgenden werden, sofern nicht anders vermerkt, für gleiche und gleichwirkende Elemente gleiche Bezugszeichen verwendet.
-
1 zeigt schematisch ein Flussdiagramm eines Verfahrens 100 zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit gemäß Ausführungsformen der vorliegenden Offenbarung. Das Verfahren 100 kann durch eine entsprechende Software implementiert werden, die durch einen oder mehrere Prozessoren (z.B. eine CPU) ausführbar ist.
-
Das Verfahren 100 umfasst im Block 110 ein Bereitstellen von Sensordaten durch fahrzeuginterne Sensoren eines Fahrzeugs; im Block 120 ein Ableiten von abstrahierten Informationen aus den Sensordaten; und im Block 130 ein Senden, durch das Fahrzeug, der abstrahierten Informationen an eine zentrale Einheit.
-
Die Schaffung von Fahrzeugkontext für personalisierte Merkmale kann durch Modelle des maschinellen Lernens erfolgen, die streng von einem bestimmten Signaleingang abhängig sind. Die Erstellung und Pflege dieser Modelle ist in der Regel mit einem hohen Aufwand an Rechenressourcen und Daten verbunden. Um das Modell im Laufe der Zeit zu validieren und zu verbessern, ist es außerdem erforderlich, die Daten mit dem Backend zu synchronisieren. Dasselbe gilt für Anwendungen in Bezug auf Fahrzeugflotten.
-
Gemäß den Ausführungsformen der vorliegenden Offenbarung können die kommunizierten Daten und/oder die Berechnungsressourcen im Backend reduziert werden, und können vom Quellsignal unabhängig(er) sein. Zudem kann die Abstraktion bzw. Beschreibung der Daten in einer standardisierten Art und Weise erfolgen, um die Nutzung über eine Fahrzeugflotte hinweg zu gewährleisten.
-
2 zeigt schematisch ein System zum Verarbeiten von Sensordaten zur Übermittlung an eine zentrale Einheit gemäß Ausführungsformen der vorliegenden Offenbarung.
-
Beispielhaft sind das Fahrzeug 10, die zentrale Einheit 20 und ein mobiles Endgerät 30 dargestellt.
-
Das mobile Endgerät 30 kann im Rahmen von Edge-Computing zum Erzeugen der abstrahierten Informationen aus den Sensordaten verwendet werden. Die Verwendung des mobilen Endgeräts 30 bei der Erzeugung der der abstrahierten Informationen ist optional und hier nur beispielhaft dargestellt. In einigen Ausführungsformen können andere und/oder weitere Edge-Computing-Ressourcen verwendet werden. In noch anderen Ausführungsformen kann das Erzeugen der abstrahierten Informationen aus den Sensordaten ausschließlich durch das Fahrzeug bzw. durch im Fahrzeug verbaute Elemente/Ressourcen (z.B. Steuergeräte etc.) erfolgen.
-
Ein mobiles Endgerät ist ein Gerät, welches in der Lage ist, in einem mobilen Netzwerk über lokale Netzwerke bzw. Local Area Networks (LANs), wie z.B. Wireless LAN (WiFi/WLAN), oder über Weitverkehrsnetze bzw. Wide Area Networks (WANs) wie z.B. Global System for Mobile Communication (GSM), General Package Radio Service (GPRS), Enhanced Data Rates for Global Evolution (EDGE), Universal Mobile Telecommunications System (UMTS), High Speed Downlink/Uplink Packet Access (HSDPA, HSUPA), Long-Term Evolution (LTE), oder World Wide Interoperability for Microwave Access (WIMAX) drahtlos zu kommunizieren. Eine Kommunikation über weitere gängige oder künftige Kommunikationstechnologien, z.B. 5G-Mobilfunksysteme, ist möglich.
-
Der Begriff mobiles Endgerät umfasst insbesondere Smartphones, aber auch andere mobile Telefone bzw. Handys, Personal Digital Assistants (PDAs), Tablet PCs, Notebooks, Smart Watches sowie alle gängigen sowie künftigen elektronischen Geräte, welche mit einer Kommunikationsfähigkeit ausgestattet sind.
-
In einigen Ausführungsformen kann das Fahrzeug 10 ein Kommunikationsmodul z.B. mit einer SIM-Einheit umfassen. Das Kommunikationsmodul kann für eine Kommunikation mit dem mobilen Endgerät 30 und/oder der zentralen Einheit 20 eingerichtet sein.
-
In einer beispielhaften Ausführungsform kann das mobile Endgerät 30 über eine erste Kommunikationsverbindung 1 mit dem Fahrzeug 10 und über eine zweite Kommunikationsverbindung 2 mit der zentralen Einheit 20 kommunizieren. Das Fahrzeug 10 kann über eine dritte Kommunikationsverbindung 3 mit der zentralen Einheit 30 kommunizieren.
-
Die erste Kommunikationsverbindung 1 zwischen dem mobilen Endgerät 30 und dem Fahrzeug 10 kann beispielsweise unter Verwendung eines mobilen Netzwerks oder einer Nahfeldtechnologie, wie zum Beispiel Bluethooth, erfolgen. Das mobile Netzwerk kann zum Beispiel ein LTE-Netzwerk oder 5G-Netzwerk sein.
-
Die zweite Kommunikationsverbindung 2 zwischen dem mobilen Endgerät 30 und der zentralen Einheit 20 kann über ein mobiles Netzwerk, wie zum Beispiel ein LTE-Netzwerk oder 5G-Netzwerk, erfolgen.
-
Die dritte Kommunikationsverbindung 3 zwischen dem Fahrzeug 10 und der zentralen Einheit 20 kann über ein mobiles Netzwerk, wie zum Beispiel ein LTE-Netzwerk oder 5G-Netzwerk, erfolgen.
-
Einige der oben genannten Kommunikationsverbindungen zwischen dem Fahrzeug 10, dem mobilen Endgerät 30 und der zentralen Einheit 20 sind jedoch nicht auf die genannten Beispiele beschränkt und es können andere geeignete Arten von direkten oder indirekten Kommunikationsverbindungen verwendet werden, die eine direkte oder indirekte Kommunikation zwischen dem Fahrzeug 10, dem mobilen Endgerät 30 und der zentralen Einheit 20 ermöglichen. Beispielsweise kann für die erste Kommunikationsverbindungen 1 ein lokales Netzwerk, wie z.B. Wireless LAN (WiFi/WLAN), verwendet werden.
-
3 zeigt eine Übersichtsdarstellung einer Verarbeitung von Sensordaten gemäß Ausführungsformen der vorliegenden Offenbarung. Insbesondere zeigt 3 Schritte bei der Semantifizierung von Fahrzeugdatenströmen. Ein kontinuierlicher Datentyp wird kategorisiert, und semantische Annotationen werden zu den kategorisierten Daten hinzugefügt.
-
Aufgrund der enormen Vielfalt an Fahrzeugdaten stellt die vorliegende Offenbarung eine Datenarchitektur mit einem generischen und anwendungsbezogenen agnostischen Ansatz zur Behandlung von Datenströmen bereit. Insbesondere kann mit den Ausführungsformen der vorliegenden Offenbarung Wissen in Form von Basisereignissen ausgedrückt werden. Eine Möglichkeit hierzu ist es, solche Basisereignisse durch eine analytische Beschreibung der Signale über die Zeit zu erzeugen. Sobald die Ereignisse erzeugt wurden, können die Ereignisse in semantische Annotationen umgewandelt werden, um die Ergebnisse in einer standardisierten Form (z.B. graphisches Datenmodell und Ontologien) zu erhalten.
-
Die Datenströme sind dabei entweder kontinuierlich oder kategorisch. Kontinuierliche Daten sind Zahlen, die jeden Wert in einem Bereich annehmen können (z.B. Geschwindigkeit). Im Gegensatz dazu nehmen kategorische Daten Werte aus einem vordefinierten Satz von Kategorien an (z.B. Anzahl der Gänge).
-
Im Folgenden wird nun der oben erläuterte Ansatz im Detail erläutert.
-
Datenstrom
-
Da sich aus der Vielfalt der Fahrzeugdaten unzählige Anwendungsfälle ableiten lassen, beginnt die Verarbeitung der Sensordaten damit, die Datenströme unabhängig voneinander zu behandeln. Hierzu kann eine Teilspeicheransatz („partial memory approach“) mit Zeitfenstern, die je nach Anwendungsfall konfiguriert werden können, verwendet werden.
-
4 zeigt eine initiale Verarbeitung von unabhängigen Datenströmen. Exakte statistische Merkmale werden kontinuierlich aus einem Basisfenster B erhalten. Summen davon werden als Input für ein weiteres Fenster W verwendet.
-
Insbesondere wird ein eingehender Datenstrom X durch ein Basiszeitfenster B verarbeitet, das bis zu b Elemente enthalten kann. Wenn das Basiszeitfenster B voll ist, liefert es eine Zusammenfassung der Merkmale S. Ein weiteres Fenster W sammelt bis zu w solcher Zusammenfassungen und führt eine bestimmte Interpretation davon durch, um Ereignisse auszulösen und Annotationen hinzuzufügen. Das Fenster W enthält somit zusammengefasste Informationen des Datenstromes X.
-
Merkmalsextraktion
-
Auf Basis der im vorhergehenden Abschnitt erläuterten Datenverarbeitung werden nun Merkmale extrahiert, die die Interpretation des Datenstroms enthalten. Hierzu verwenden folgende Aspekte definiert:
- Kontinuierliche Daten: In jedem Basisfenster B kann ein Mittelwert erhalten werden, der zur Berechnung eines Trends verendet wird, um Zusammenfassungen S zu konstruieren. In jedem Fenster W werden diese Zusammenfassungen erfasst, und es kann eine Standardabweichung berechnet werden. Aus diesen Merkmalen ist eine symbolische aggregierte Näherung (Symbolic Aggregate Approximation, SAX) möglich. Schließlich wird ein Feature-Vektor erzeugt.
-
Kategorische Daten: Hier kann der Wert im Laufe der Zeit beschrieben werden. Daher können die aufeinander folgenden Instanzen eines Wertes gezählt werden. In einem ereignisgesteuerten System werden kategorische Daten nur dann aktualisiert, wenn ein neuer Wert verfügbar ist. In diesem Fall wird die Zeit erfasst, die verstrichen ist, bis die Änderung eingetreten ist, wobei das Auftreten des vorherigen Wertes, die Zeit der Änderung und der neue Wert beschrieben werden. Wenn das System nicht ereignisgesteuert ist, wird derselbe Wert mit einer regelmäßigen Abtastrate wiederholt erscheinen, bis er sich ändert. Für diese Art von Datenstrom kann also ein Basisfenster aus zwei Elementen definiert werden, wobei Wertänderungen überwacht werden.
-
Ereignisbasiertes Wissen
-
In der Automobilindustrie folgen viele Software-Architekturen einem ereignisgesteuerten Ansatz. Daher wird das Wissen vorzugsweise in Form von Basisereignissen ausgedrückt, die durch eine analytische Beschreibung der Signale bzw. Sensordaten über die Zeit erzeugt werden.
-
Im Detail:
-
a) Erzeugung von Ereignissen
-
Die Architektur gemäß den Ausführungsformen der vorliegenden Offenbarung erzeugt Ereignisse vorzugsweise aus kategorischen Daten. Beispielsweise kann die im vorherigen Absatz erläuterte Methode zur Merkmalsextraktion verwendet werden, um kontinuierliche Datenströme in kategorische Datenströme umzuwandeln. Beispielsweise sind anstatt der Sensorrohdaten Sequenzen von Trends vorhanden. Damit kann eine einfache Logik für kategorische Daten mit einer Finite State Machine (FSM) verwendet werden. Mögliche Ereignisse sind vom Typ „Change“, „Descriptive“ und „Observation“.
-
Eine kategorischer Datenstrom ist dabei immer in einem von zwei möglichen Zuständen: „Changing“ oder „Grouping“.
-
Der „Changing“-Zustand wird immer dann erreicht, wenn sich der aktuelle Wert von seinem vorherigen Wert unterscheidet. In diesem Zustand werden zwei Arten von Ereignissen erzeugt, nämlich „Change“ und „Descriptive“. Ein „Change“-Ereignis zeigt an, dass sich der Wert des Datenstroms zu einem bestimmten Zeitpunkt geändert hat. Ein „Descriptive“-Ereignis hingegen beschreibt den vorherigen Wert des Datenstroms und seine Dauer.
-
Im Gegensatz dazu wird ein „Grouping“-Zustand erreicht, wenn das eingehende Element gleich dem vorhergehenden Element ist. In diesem Fall können „Observation“-Ereignisse nach einer bestimmten Anzahl von Instanzen erzeugt werden, um das System bei Bedarf auf dem Laufenden zu halten.
-
b) Semantische Annotation
-
Sobald eine Interpretation der Daten erfolgt ist, kann die Semantik explizit ausgedrückt werden (z.B. mit RDF oder einem anderen Graphen-Datenmodell). Hierzu kann die Annotation mit ontologischen Metadaten über den dynamischen Betrieb des Fahrzeugs formalisiert werden. Zu diesem Zweck können beispielsweise die Ontologien VSSo und IoTStream verwendet werden. Beide verwenden die SOSA-Ontologie, um Sensorbeobachtungen und Aktuatoren zu definieren.
-
c) Wissen ausdrücken:
-
Wissen kann in Form von Ereignissen ausgedrückt werden, die sich aus kategorischen Datenströmen ergeben. Hierzu können Regeln verwendet werden.
-
Im Folgenden sind einigen Beispiel für diesen regelbasierten Ansatz erläutert. Wenn das „Observation“-Ereignis des Datenstroms „GESCHWINDIGKEIT“ ein „ANSTIEG“ seines Trendwertes ist, kann dies implizieren, dass das Fahrzeug eine „BESCHLEUNIGUNG“ ausführt. In einem weiteren Beispiel kann definiert werden, dass, wenn die Dauer eines „Descriptive“-Ereignisses vom Typ „ANSTIEG“ mehr als eine bestimmte Anzahl von Zeitschritten andauert, dies „LANG“ ist; ansonsten ist es „KURZ“. Ähnlich könnte ein „Change“-Ereignis der Gangzahl vom 5. Gang auf den 1. Gang eine „SCHLECHTE FAHRPRAXIS“ implizieren, die für eine weitere Analyse von Interesse sein könnte.
-
Es ist zu verstehen, dass manche Erkenntnisse subjektiv sein können und sich ihre Bedingungen im Laufe der Zeit ändern können. In der Tat erlauben die Ausführungsformen der vorliegenden Offenbarung, dass Wissen dynamisch und nicht fest programmiert ist. Daher wirken sich Änderungen im Wissen nicht auf die Datenverarbeitung oder die Methoden der Merkmalsextraktion aus.
-
Zusammengefasst werden mit den Ausführungsformen der vorliegenden Offenbarung abstrahierte Informationen ermittelt und an die zentrale Einheit gesendet. Anders gesagt werden nicht die kompletten Sensorrohdaten an die zentrale Einheit gesendet, sondern aus den Sensorrohdaten abgeleitete Informationen. Wenn beispielsweise ein Fahrzeug über einen kurzen Zeitraum stark beschleunigt, kann diese Tatsache der zentralen Einheit von Anfang bis Ende mitgeteilt werden, anstatt die entsprechende exakte Geschwindigkeit an die zentrale Einheit zu senden. Ähnliches gilt für eine konstante Geschwindigkeit oder ein Bremsen.
-
Insbesondere kann Wissen in Form von Basisereignissen ausgedrückt werden. Die Basisereignisse können mit einer analytischen Beschreibung der Signale bzw. Sensordaten über die Zeit erzeugt werden. Sobald die Ereignisse erzeugt sind, können diese in semantische Annotationen umgewandelt werden, um die Ergebnisse in einer standardisierten Form zu erhalten. Damit kann eine Datenmenge, die an eine zentrale Einheit kommuniziert wird, reduziert werden. Zudem sind weniger Berechnungsressourcen in der zentralen Einheit erforderlich. Weiter ist eine gewisse Unabhängigkeit vom zugrunde liegenden System gewährleistet.
-
Obwohl die Erfindung im Detail durch bevorzugte Ausführungsbeispiele näher illustriert und erläutert wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen. Es ist daher klar, dass eine Vielzahl von Variationsmöglichkeiten existiert. Es ist ebenfalls klar, dass beispielhaft genannte Ausführungsformen wirklich nur Beispiele darstellen, die nicht in irgendeiner Weise als Begrenzung etwa des Schutzbereichs, der Anwendungsmöglichkeiten oder der Konfiguration der Erfindung aufzufassen sind. Vielmehr versetzen die vorhergehende Beschreibung und die Figurenbeschreibung den Fachmann in die Lage, die beispielhaften Ausführungsformen konkret umzusetzen, wobei der Fachmann in Kenntnis des offenbarten Erfindungsgedankens vielfältige Änderungen beispielsweise hinsichtlich der Funktion oder der Anordnung einzelner, in einer beispielhaften Ausführungsform genannter Elemente vornehmen kann, ohne den Schutzbereich zu verlassen, der durch die Ansprüche und deren rechtliche Entsprechungen, wie etwa weitergehenden Erläuterungen in der Beschreibung, definiert wird.
