Lade Inhalt...

Welche Dienste für CarSharing Nutzer erlaubt Activity Recognition?

Seminararbeit 2010 16 Seiten

Informatik - Angewandte Informatik

Leseprobe

Inhaltsverzeichnis

1 Car Sharing
1.1 Definition des Begriffes
1.2 Aktuelle Ausgangslage bei CarSharing Dienstleistern

2 Activity Recognition und Floating Car Data
2.1 Activity Recognition
2.2 Floating Car Data

3 Mögliche Anwendungsfälle
3.1 Verkehrsflussanalyse und Navigationssystem mit Echtzeitinformationen
3.2 Analyse des Fahrverhaltens und flexibles Preismodell
3.3 Automatisches Erkennen von Zielen
3.3.1 Bestimmen eines geeigneten Zeitrahmens t
3.3.2 Clustern von Zielorten
3.3.2.1 k-Means-Algorithmus
3.3.2.2 BIRCH-Algorithmus
3.3.2.3 DBSCAN-Algorithmus
3.3.2.4 Algorithmus nach Ashbrook et al
3.4 Verfügbarkeitsprognosen von Fahrzeugen

4 Zusammenfassung und Fazit

5 Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1: Bordcomputer für CarSharing (Quelle: car2go GmbH)

Abbildung 2: Fahrzeugsensoren für XFCD (vgl. Huber et al., 1999, S. 5)

Abbildung 3: Use-Case-Diagramm der möglichen Anwendungsfälle

Abbildung 4: Stauerkennung (vgl. Huber et al., 1999, S. 3)

Abbildung 5: Grundlegender Aufbau des Navigationssystems mit Echtzeitinformationen

Abbildung 6: Abhängigkeit zwischen Wartezeit und Zielorten (vgl. Ashbrook et al., 2003, S. 5)

Abbildung 7: Abhängigkeit zwischen Radius und Clusterzahl (vgl. Ashbrook et al., 2003, S. 5)

Abbildung 8: Vorgehen beim Algorithmus nach Ashbrook et al. (vgl. Ashbrook et al., 2003, S. 6)

1 Car Sharing

Im Jahre 1990 saßen bei knapp 90% aller Arbeitsfahrten und bei 58% aller anderen Fahrten in den Vereinigten Staaten neben dem Fahrer keine weiteren Passagiere in den Fahrzeugen. Die meisten Fahrzeuge stehen zudem knapp 23 Stunden täglich ungenutzt auf Parkplätzen (vgl. Shaheen et al., 1998, S. 1). Ähnliche Zahlen sind auch für Europa zu erwarten. Daher erscheint es eine logische Folge zu sein, dass CarSharing vor allem in den letzten Jahren zu einem immer größeren Thema - vor allem in Europa - wird.

Auf den folgenden Seiten wird zunächst genauer auf den Begriff „CarSharing“ und die aktuelle Ausgangslage bei den größeren Dienstleistern eingegangen. Anschließend werden „Activity Recognition“ und „Floating Car Data“ genauer beleuchtet. Im Anschluss wird auf mögliche Dienste für CarSharing Nutzer auf Basis von „Activity Recognition“ und „Floating Car Data“ eingegangen, wobei vor allem das automatische Erkennen von Zielen im Fokus stehen soll. Hierbei werden auch Techniken zum Clustern von Daten miteinander verglichen und deren Nutzen diskutiert. Zum Ende folgt eine Zusammenfassung der Ergebnisse und ein Fazit.

1.1 Definition des Begriffes

Während viele Fahrzeuge meist nur von einer Person genutzt werden und dabei meist weniger als eine Stunde täglich, setzt CarSharing auf ein gemeinschaftliches Nutzen von Fahrzeugen, um so die Nutzung effektiver und wirtschaftlicher zu gestalten. Hierbei kann das CarSharing privat, z.B. in der Nachbarschaft oder unter Freunden organisiert werden, oder im größeren Maßstab durch Dienstleister (vgl. Shaheen et al., 1998, S. 1). Auf den folgenden Seiten wirdjedoch nur auf das durch Dienstleister organisierte CarSharing Bezug genommen.

In Deutschland gibt es derzeit ca. 100 Dienstleister für CarSharing, wobei die meisten nur lokal in einzelnen Städten tätig sind, nur wenige große Dienstleister können mit mehreren tausend Kunden aufwarten und haben ihr Geschäftsgebiet auf mehrere Städte ausgeweitet. Die größten Dienstleister in Deutschland sind der Marktführer Stadtmobil[1] mit 25.000 Kunden und 1.000 Fahrzeugen in 61 Städten, cambio CarSharing[2] mit 20.500 Kunden und 600 Fahrzeugen in 24 Städten und Greenwheels[3] mit 20.000 Kunden und 500 Fahrzeugen.

Kunden müssen vor der Inanspruchnahme jedoch zunächst einen Rahmenvertrag mit dem Dienstleister abschließen bzw. Mitglied in einem CarSharing-Verein werden. Dadurch erhält der Kunde ein Zugangsmedium für die Fahrzeugflotte des Dienstleisters. Vor einer Nutzung muss allerdings telefonisch oder per Internet eine Buchung vorgenommen werden. Die Fahrzeuge können dann entweder an extra eingerichteten Parkplätzen aufgefunden werden oder im Geschäftsgebiet verteilt an den letzten Parkposition stehen.

Unterschiede zum bereits länger bekannten Konzept des Mietwagens sind leicht zu finden: CarSharing ist dezentral angelegt, Fahrzeuge stehen also im gesamten Geschäftsgebiet zur Verfügung. Zudem muss beim CarSharing nur einmalig ein Vertrag abgeschlossen werden und eine Buchung ist für den Kunden rund um die Uhr möglich. Dem Kunden steht es außerdem frei ein Fahrzeug auch für sehr kurze Zeiten in Anspruch zu nehmen, meist ist eine Nutzung schon ab einer Stunde möglich. Das Preismodell sieht zudem nur eine Berechnung der tatsächlich genutzten Zeit vor, d.h. ein abgestelltes (und damit wieder freies) Fahrzeug bedeutet keine weiteren Kosten fürden Kunden (siehe auch http://www.carsharing.de).

1.2 Aktuelle Ausgangslage bei CarSharing Dienstleistern

Größere Dienstleister für CarSharing in Deutschland, wie beispielsweise car2go[4], verfügen bereits heute über eingebaute Bordcomputer in jedem Wagen ihrer Fahrzeugflotte. Diese sind mit einer zentralen Stelle des Dienstleisters verbunden. Mo­mentan wird allerdings nur die Position des Fahrzeuges und sowie dessen Status (frei oder besetzt) übertragen, zudem dient der Bordcomputer zum Freigeben für Berechtigte und zum Sperren des Fahrzeugs.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1: Bordcomputer für CarSharing (Quelle: carigo GmbH)

Die Bordcomputer sind mit einem für den Nutzer recht einfach zu verstehenden Touch-Screen ausgestattet, wodurch auch weitere Dienste und Applikationen auf Basis des Bordcomputers ohne größere Umrüstungen an den Fahrzeugflotten umzusetzen sind. Der Vorteil ist, dass der Dienstleister die in Kapitel Drei ausgeführten Anwendungsfälle und Dienste somit ohne große Kosten an den Fahrzeugen selbst einrichten und nutzen kann. Die Kosten für den möglicherweise nötigen Ausbau der Sensoren an den Fahrzeugen und die Verarbeitung sowie Aufbereitung der gesammelten Daten sind ein Kostenfaktor, der von der bereits bestehenden IT-Infrastruktur des Dienstleisters abhängt und hier nicht näher beleuchtet werden soll.

2 Activity Recognition und Floating Car Data

2.1 Activity Recognition

Allgemein versteht man unter „Activity Recognition“ das Ziel die Aktionen und Ziele einer Person durch Beobachtung der Aktionen selbst und der Umgebungsbedingungen automatisch zu analysieren. Per Data Mining auf Basis mehrerer Arten von Sensoren (abhängig von der Ausgangslage) und Maschinellem Lernen wird das Verhalten analysiert (vgl. Ashbrook et al., 2003). Durch umfangreiche Analysen können darauf aufbauend Prognosen für die Zukunft getroffen werden, die auf den gesammelten Daten beruhen.

Ein einfaches Beispiel: Person A fährt montags bis freitags gegen 7 Uhr zur Arbeit und erreicht den Arbeitsplatz gegen 8 Uhr. Um 16 Uhr verlässt Person A den Arbeitsplatz wieder und kommt gegen 17 Uhr wieder zu Hause an. Ein Muster ist hier relativ einfach zu erkennen und zu finden: Die Wahrscheinlichkeit, dass Person A montags bis freitags zwischen 7 Uhr und 8 Uhr auf dem Weg zur Arbeit ist, ist relativ hoch. Auf Basis dieser Informationen vieler Nutzer können weitere Dienste aufbauen, z.B. Prognosen für das Verkehrsaufkommen zu dieser Zeit an bestimmten Orten.

2.2 Floating Car Data

Auch heute noch wird dergrößte Teil derVerkehrsinformationen über stationäre Systeme zur Messung der Verkehrsdichte gewonnen, wie z.B. durch in die Fahrbahn eingelassene Induktionsschleifen, Infrarotsensoren oder Videoaufnahmen. Ein großes Problem dieser Technik ist es jedoch die die tatsächlichen Bewegungen der Fahrzeuge im Verkehr zu rekonstruieren und die damit verbundenen Fahrtzeiten zu bestimmen. Da nur stichproben­artige Daten von stationären Quellen zur Verfügung stehen, die miteinander in Verbindung gebracht werden, kann keine Aussage über den tatsächlichen Verkehrsfluss zwischen den Messstationen getätigt werden. Vor allem bei weiter voneinander entfernten Messstationen spielen z.B. Kreuzungen und andere Ampelanlagen eine große Rolle (vgl. Schäfer et al, 2002, S. if). Verkehrsstörungen werden also nicht nur ungenau lokalisiert - wenn sie überhaupt lokalisiert werden können - sondern deren zeitliche Relevanz wird oft auch noch zu spät wahrgenommen (vgl. Breitenbergeret al, 2004, S. 2).

Desweiteren sind stationäre Sensoren aufwendig und vor allem teuer zu installieren, weswegen günstigere Alternativen natürlich zu bevorzugen sind. Eine bessere Alternative - sowohl aus informationstechnischer Sicht als auch aus Kostensicht - ist das Prinzip der sog. „Floating Car Data“ oder kurz FCD (vgl. Lahrmann, 2007, S. i).

Hierbei werden im Verkehr „mitschwimmende“ Fahrzeuge als mobile Sensoren einge­setzt, die stets aktuelle Daten aus ihrer unmittelbaren Umgebung generieren und weitergeben. Zudem ist auch jedes Fahrzeug Nutzer der von anderen Fahrzeugen gesammelten und aufbereiteten Daten. Zu einem Datensatz gehört neben der per GPS bestimmte Postion des Fahrzeugs auch die aktuelle Geschwindigkeit des Fahrzeugs, die dann anonym per Mobilfunk an eine zentrale Stelle zur Verarbeitung und Aufbereitung gesendet werden. Aus diesen beiden Daten lässt sich dann ein Aussage über die Verkehrslage auf bestimmten Straßen(-abschnitten) treffen (vgl. Breitenberger et al, 2004, S.2f).

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 2: Fahrzeugsensoren für XFCD (vgl. Huber et al., 1999, S. 5)

Auf Basis von FCD entwickelte BMW die sog. „Extended Floating Car Data“ oder kurz XFCD, wobei die bereits erwähnten Parameter Position und Geschwindigkeit um eine Vielzahl weiterer Daten ergänzt werden, die aus den modernen Steuer­geräten und Subsystemen des Fahrzeugs ausgelesen und ebenfalls per Mobilfunk an eine zentrale Stelle ver­sendet werden. „So lassen sich [...] Schaltzustände von u.a. Abblend-, Fern- und Nebellicht, ABS, ASC, Außenthermometer, Klimaanlage, Navigationssystem, Bremse, Regensensor, Scheibenwischer und Warnblinker [...]“ (Breitenberger et al, 2004, S. 3) als Datenquellen für die XFCD und darauf aufbauende Dienste nutzen.

[...]


[1] Siehe: http://www.stadtmobil.de

[2] Siehe: http://www.cambio-carsharing.com

[3] Siehe: http://www.greenwheels.de

[4] Siehe: http://www.car2go.com

Details

Seiten
16
Jahr
2010
ISBN (eBook)
9783640839155
ISBN (Buch)
9783640838943
Dateigröße
757 KB
Sprache
Deutsch
Katalognummer
v167313
Institution / Hochschule
Otto-Friedrich-Universität Bamberg
Note
2,0
Schlagworte
Car Sharing Activity Recognition Ortsbezogene Soziale Netzwerke Floating Car Data k-Means-Algorithmus BIRCH-Algorithmus DBSCAN-Algorithmus

Autor

Zurück

Titel: Welche Dienste für CarSharing Nutzer erlaubt Activity Recognition?