EP3646302A1 - Verfahren und system zur datenerhebung - Google Patents

Verfahren und system zur datenerhebung

Info

Publication number
EP3646302A1
EP3646302A1 EP18725799.3A EP18725799A EP3646302A1 EP 3646302 A1 EP3646302 A1 EP 3646302A1 EP 18725799 A EP18725799 A EP 18725799A EP 3646302 A1 EP3646302 A1 EP 3646302A1
Authority
EP
European Patent Office
Prior art keywords
data
sensor nodes
order
sensor
data acquisition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
EP18725799.3A
Other languages
English (en)
French (fr)
Inventor
Dominik GOBY
Jens Wolf
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Audi AG
Original Assignee
Audi AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Audi AG filed Critical Audi AG
Publication of EP3646302A1 publication Critical patent/EP3646302A1/de
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station

Definitions

  • the invention relates to a method for collecting data by means of a sensor network having a central point and a plurality of sensor nodes according to the type defined in more detail in the preamble of claim 1.
  • the invention also relates to a data collection system comprising a sensor network having a central location and a plurality of sensor nodes, according to the preamble of claim 10.
  • a sensor network for acquiring environmental data of the associated sensor nodes is well known in the art.
  • vehicles of a vehicle fleet for data collection of information relevant to road traffic and for monitoring the vehicle fleet itself.
  • the aggregated environment data describe a vehicle environment, whereby the server determines a respective quality of the environment data of the individual messages per class by means of a comparison operation against the aggregated environment data.
  • the data to be collected are already known in the planning phase of a vehicle project.
  • the vehicles of the vehicle fleet are already preconfigured for the collection of data on specific data.
  • the configuration of all vehicles of a vehicle fleet is in not very efficient in practice. For example, it may be necessary to capture only traffic signs relating to a particular region.
  • the data of the vehicles which in turn evaluate traffic signs from their environment that are not located in the desired region, are then unnecessarily transmitted to the central location. Among other things energy and data volume are wasted.
  • DE 195 13 640 A1 relates to a method for reducing a data volume of vehicle data to be transmitted from vehicles of a vehicle fleet, in particular a sampling vehicle fleet, which contain information about the operating state and / or the surroundings of the vehicles, and position data which contain information about the position of the vehicle Contain vehicles in a predetermined coordinate system each at a given time, after detecting the resulting vehicle and position data in the vehicle for the wireless transmission of vehicle and position data to a central point.
  • the vehicles of the vehicle fleet are specified which of the resulting vehicle and position data are to be transmitted to the central location under which conditions.
  • the defaults can be influenced wirelessly by a predefined device outside the vehicles.
  • a disadvantage of the known method is that the data acquisition jobs are usually created statically and with high manual effort and thereby bring a high cost and resource consumption. Frequently, the measured data have no economic value or have this only for a short time.
  • DE 101 33 945 A1 which relates to a method and a device for exchanging and jointly processing object data between sensors and a processing unit. In this case, position information and / or speed information and / or further object attributes of sensor objects and fusion objects are transmitted and processed.
  • DE 10 2015 210 881 A1 relates to a method for determining the position and / or orientation of a vehicle, wherein at least two sensors are provided whose data are fused. It is provided that a quality measure is dynamically generated for the data of each sensor by means of artificial intelligence, and that the sensor data and the quality measures are fused to determine position and / or orientation.
  • the central point In the method according to the invention for collecting data by means of a sensor network having a central point and a plurality of sensor nodes, it is provided that the central point generates data acquisition jobs for the data collection and at least one of the data acquisition order transmitted to at least one of the sensor nodes. In each case, the sensor node acquires order-specific data and transmits it to the central location.
  • the central location may be any location independent of the sensor nodes; in particular, but not exclusively, one or more external servers or server devices, service vehicles or other other vehicles, through to diagnostic devices and building automation systems.
  • the invention is particularly suitable for a method for collecting data by means of an external server device and a plurality of sensor nodes.
  • the central location may also be referred to as a "backend” and the sensor nodes as a “frontend” regarding data collection.
  • the communication between the plurality of sensor nodes and the central location can be provided wirelessly, in particular based on a wireless standard, or wired.
  • the central point prepares the data acquisition jobs to optimize at least one useful value of the job-specific data using a machine learning algorithm.
  • a data acquisition task according to the invention can contain a description and / or coding for the data to be derived from or to be detected by the sensor node.
  • the basic idea of the invention is thus to create the orders for data acquisition as goal-oriented as possible or efficiently and application-specific using machine learning and to transmit them to the sensor nodes.
  • the invention thus describes a method of using a machine learning algorithm compared to the known one State of the art, in particular taking into account the economic benefits in the collection, processing and distribution of data collected by a sensor network, may be advantageous.
  • Automated control of the central location may be provided to provide optimal data selection by creating the data acquisition jobs that are sent from the sensor nodes to the central office for economical use.
  • the invention can be implemented particularly advantageously if the sensor nodes are designed as vehicles or if the sensor node is designed as a vehicle fleet, vehicles of all types being suitable.
  • a sensor node can thus be, for example, a land vehicle, watercraft, aircraft and / or spacecraft.
  • the invention is particularly suitable for use with motor vehicles.
  • provision can be made for the data acquisition orders to relate to movement information, status information and / or environment information relating to the sensor nodes.
  • the data acquisition orders may relate to position information, for example a relative position of the respective sensor node to a reference and / or a global position of the respective sensor node, for example GPS data.
  • a sensor node that is to say, for example, a vehicle
  • the speed and / or acceleration of a sensor node can be detected.
  • a state information may be, for example, an operating state of a sensor node, for example of a vehicle. With reference to a vehicle, it may in particular be a driving situation, a quality or maintenance condition and / or the age of the vehicle.
  • the invention can be used particularly advantageously if the data acquisition jobs concern environmental information relating to the sensor nodes.
  • This may be, for example, image information, sound information and / or video information and / or already evaluated or classified data, such as traffic signs, construction sites and / or parking facilities.
  • a data acquisition order relates to the detection of traffic signs and their global position, wherein the data acquisition order specifically to vehicles of a particular region, eg. In Ingolstadt.
  • data concerning the state of public facilities or public infrastructure such as roads, in particular data on potholes, other defects, etc.
  • information regarding parking facilities can be collected.
  • at least one of the utility values relates to an economic yield, a data quality, a data quantity and / or a data actuality.
  • data collection jobs can be optimized using machine learning for the economic return on the re-use of the collected data.
  • other useful values can also be optimized.
  • the data up-to-dateness, together with the expected economic return can be included in the evaluation of a data collection order, in order to ensure customer satisfaction and customer loyalty, in addition to maximizing returns on the sale of the data.
  • the central point offers the data acquired by the sensor nodes on a trading platform. For example, then an optimization of the data acquisition orders can be made with regard to the (expected) demand on the trading platform and in this way the economic benefit of the data can be optimized.
  • the data collected can also be directly offered to third parties; for example, the collected data can be offered to card service providers, trade fair providers, town planning offices, etc.
  • the acquisition of the order-specific data by the sensor nodes is linked to order-specific conditions, wherein the order-specific conditions for optimizing the at least one value of the order-specific data using the algorithm for machine learning created by the central body become.
  • the order-specific conditions relate to a time specification and / or an attribute of the sensor nodes, in particular a position of the respective sensor node, a state of the respective sensor node and / or a sensor node type. It may thus be provided that a sensor node only records and / or transmits job-specific data if it is located at a predetermined location. For example, the "perimeter Kunststoff" (location relationship) and / or an arbitrary period (for example "the next four weeks”) may be provided as an order-specific condition. The sensor node may itself "decide” whether to capture the data or not based on the order-specific conditions of the data collection job. An elaborate coordination with the central office is therefore unnecessary.
  • the algorithm for machine learning as an artificial neural network, as a Bayesian network, as a regression analysis, as a support vector chine, as an ensemble method, as a cluster analysis and / or as a principal component analysis, or comprises the said methods.
  • an artificial neural network can advantageously be used to optimize the at least one useful value of the order-specific data.
  • the machine learning center may provide a training algorithm that is executed based on real-time data prior to the creation of the data collection jobs based on inventory data and / or during the creation of the data collection jobs.
  • the data from at least one vehicle bus in particular from a CAN bus, a LIN bus and / or a FlexRay bus are detected.
  • the data is detected by using on-board sensors.
  • the invention also relates to a data collection system comprising a sensor network having a central location and a plurality of sensor nodes.
  • the central office is arranged to create data collection jobs for data collection and to communicate at least one of the data acquisition jobs to at least one of the sensor nodes.
  • the sensor node is set up to capture order-specific data and to transmit it to the central office.
  • the central point comprises a control device on which a machine learning algorithm can be executed in order to create the data acquisition orders with regard to the optimization of at least one useful value of the order-specific data.
  • the data collection system may be configured using the central location, preferably a server facility, such that only those order-specific data from the plurality of sensor nodes are collected and transmitted variable in time and location (with respect to the sensor nodes) for optimum yield expectation were calculated.
  • Components of the central location may in particular be a receiving unit for the data transmitted by the sensor nodes, a processing unit and a memory unit.
  • the machine learning algorithm can thereby optimize the data selection on the basis of metrics or at least one utility value.
  • the result of the evaluation can finally be forwarded to a device for configuring the data acquisition orders.
  • a device for detecting the data comprising the at least one sensor node
  • FIG. 1 shows a system for data acquisition by means of a sensor network, comprising a plurality of sensor nodes and a central point in a schematic representation; and
  • FIG. 2 is a schematic representation of the method for collecting data.
  • FIG. 1 shows very schematically a system 1 for data collection, comprising a sensor network 2 with a central point 3 and a plurality of sensor nodes 4, 5.
  • the sensor nodes 4, 5 are essentially motor vehicles 4 in the exemplary embodiment
  • any sensor nodes can be provided, for example a mobile terminal 5, a building automation module, a traffic monitoring module and / or a hardware module of an intelligent personal assistant.
  • the use of a vehicle fleet is to be understood in the present case only as an example and not restrictive.
  • two mobile terminals 5 in the present case smartphones
  • a sensor node for example, a motor vehicle 4 may include one or more sensors 6, for example, to capture environmental information.
  • the central point 3 is a server device in the exemplary embodiment, wherein the closer details of the subsequently described FIG. 2 can be seen.
  • FIG. 2 the flow is shown schematically within the central point 3 for clarity. It is provided that the central point 3 creates data acquisition orders 7 for the data collection and transmits at least one of the data acquisition orders 7 to at least one of the sensor nodes, in the present case a motor vehicle 4.
  • a data acquisition task 7 can include a data description part 7.1 and a condition part 7.2.
  • the type of order-specific data 8 to be recorded can thus be described or coded. This may be, for example, movement information, status information and / or environment information relating to the motor vehicle 4. It is envisaged that the central body 3, the data acquisition orders 7 for optimizing the at least one utility value xi, ..., x n of the order-specific data 8 using an algorithm f [xi, ..., x n] created for machine learning.
  • the capture of the order-specific data 8 can be linked to order-specific conditions, which can be stored in the condition part 7.2 of the data acquisition order 7. It can be provided that the order-specific conditions in order to optimize at least one utility value xi, ..., x of the order-specific data 8 n using the algorithm f [xi, ..., x n] to the machine learning by the central body 3 it - be poses.
  • An order-specific condition may, for example, be a time specification and / or an attribute of the sensor nodes, in particular a position of the respective sensor node, a state of the respective sensor node and / or a sensor node type.
  • the central point 3 preferably provides the data 8 recorded by the sensor nodes, which are stored, for example, in the data memory 9 of the central point 3, on a trading platform 10.
  • the acquired data 8 can be offered to one or more customers 10.1, 10.2, 10. However, the data 8 can also be offered directly to corresponding customers without the use of a trading platform 10.
  • the at least one useful value Xi,... , x n which is to be optimized to be an economic yield, a data quality, a data quantity and / or a data actuality.
  • the economic yield with regard to the costs of data acquisition and data transmission, for example, upon the sale of the acquired data 8, feedback, for example about the yield, can be given to the central location 3 (indicated by dashed arrows 11 in FIG. 2), in which case, for example, the yield in addition to the actual data 8 is stored in the data memory 9 or a further data memory of the central point 3.
  • the algorithm [xi, ... , x n ] for machine learning which is preferably an artificial neural network.
  • any other algorithm is f [xi, ..., x n] machine learning used, such as a Bayesian network, a regression analysis, a support vector machine, an ensemble method, a cluster analysis and / or a principal component analysis.
  • the machine learning central point 3 uses a training algorithm 13 which, prior to the creation of the data acquisition jobs 7, is based on inventory data and / or during the data acquisition tasks Creation of the data acquisition jobs 7 is performed on the basis of real-time data.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

Bei einem Verfahren zur Datenerhebung mittels eines eine zentrale Stelle (3) und eine Mehrzahl von Sensorknoten (4, 5) aufweisenden Sensornetzes (2) erstellt die zentrale Stelle (3) Datenerfassungsaufträge (7) für die Datenerhebung und übermittelt wenigstens einen der Datenerfassungsaufträge (7) an wenigstens einen der Sensorknoten (4, 5). Die Sensorknoten (4, 5) erfassen jeweils auftragsspezifische Daten (8) und übermitteln diese an die zentrale Stelle (3). Dabei ist vorgesehen, dass die zentrale Stelle (3) die Datenerfassungsaufträge (7) zur Optimierung wenigstens eines Nutzwertes (x1,...,xn) der auftragsspezifischen Daten (8) unter Verwendung eines Algorithmus (f[x1,....... xn]) zum maschinellen Lernen erstellt.

Description

VERFAHREN UND SYSTEM ZUR DATENERHEBUNG
Die Erfindung betrifft ein Verfahren zur Datenerhebung mittels eines eine zentrale Stelle und eine Mehrzahl von Sensorknoten aufweisenden Sensor- netzes nach der im Oberbegriff von Anspruch 1 näher definierten Art.
Die Erfindung betrifft außerdem ein System zur Datenerhebung, umfassend ein Sensornetz mit einer zentralen Stelle und einer Mehrzahl von Sensorknoten, gemäß dem Oberbegriff von Anspruch 10.
Die Verwendung eines Sensornetzes zur Erfassung von Umgebungsdaten der zugehörigen Sensorknoten ist aus der Praxis hinlänglich bekannt. Insbesondere ist es aus der Praxis bekannt, Fahrzeuge einer Fahrzeugflotte zur Datenerhebung von für den Straßenverkehr relevanten Informationen und zur Überwachung der Fahrzeugflotte selbst heranzuziehen. Hierzu wird beispielsweise auf die DE 10 2013 223 217 A1 verwiesen, die ein Verfahren zum Betreiben eines Servers betrifft, wobei Einzelmeldungen von mehreren Fahrzeugen dem Server bereitgestellt werden, wobei die Einzelmeldungen Umfelddaten umfassen, die jeweils ein gleiches Fahrzeugumfeld der mehreren Fahrzeuge beschreiben, wobei der Server die Einzelmeldungen in eine oder mehrere Klassen einteilt und basierend auf den Umfelddaten der Ein- zelmeldungen aggregierte Umfelddaten bildet. Die aggregierten Umfelddaten beschreiben dabei ein Fahrzeugumfeld, wobei der Server eine jeweilige Qualität der Umfelddaten der Einzelmeldungen je Klasse mittels einer Vergleichsoperation gegen die aggregierten Umfelddaten ermittelt.
Üblicherweise sind für derartige Verfahren die zu erhebenden Daten, bei- spielsweise betreffend Verkehrsschilder, bereits in der Planungsphase eines Fahrzeugprojektes bekannt. Somit werden die Fahrzeuge der Fahrzeugflotte bereits fest für die Datenerhebung bezüglich spezifischer Daten vorkonfiguriert. Allerdings ist die Konfiguration aller Fahrzeuge einer Fahrzeugflotte in der Praxis nicht besonders effizient. So kann es beispielsweise erforderlich sein, lediglich Verkehrszeichen betreffend eine bestimmte Region zu erfassen. Die Daten der Fahrzeuge, die ihrerseits Verkehrszeichen aus ihrer Umgebung auswerten, die sich nicht in der gewünschten Region befinden, wer- den dann unnötigerweise an die zentrale Stelle übertragen. Es werden somit unter anderem Energie und Datenvolumen verschwendet.
Es hat sich außerdem gezeigt, dass eine vorbestimmte und festgelegte Da- tenausleitung nicht zukunftsorientiert und ausreichend flexibel ist. Somit ist eine konfigurierbare, funktionsspezifische Datenausleitung aus den Fahrzeu- gen der Fahrzeugflotte wünschenswert. Ein derartiges Verfahren ist aus der gattungsgemäßen DE 195 13 640 A1 bekannt. Die DE 195 13 640 A1 betrifft ein Verfahren zur Reduzierung einer aus Fahrzeugen einer Fahrzeugflotte, insbesondere einer Stichprobenfahrzeugflotte, zu übertragenden Datenmenge von Fahrzeugdaten, die Informationen über den Betriebszustand und/oder die Umgebung der Fahrzeuge enthalten, und Positionsdaten, die Informationen über die Position der Fahrzeuge in einem vorbestimmten Koordinatensystem jeweils zu einem bestimmten Zeitpunkt enthalten, nach Erfassung der anfallenden Fahrzeug- und Positionsdaten im Fahrzeug für die drahtlose Übertragung der Fahrzeug- und Positionsdaten an eine zentrale Stelle. Den Fahrzeugen der Fahrzeugflotte wird vorgegeben, welche der anfallenden Fahrzeug- und Positionsdaten unter welchen Bedingungen an die zentrale Stelle zu übertragen sind. Die Vorgaben sind von einer außerhalb der Fahrzeuge fest angeordneten Vorgabeeinrichtung drahtlos beeinflussbar.
Ein Nachteil der bekannten Verfahren ist, dass die Datenerfassungsaufträge meist statisch und mit hohem manuellem Aufwand erstellt werden und dabei auch einen hohen Kosten- bzw. Ressourcenverbrauch mit sich bringen. Häufig haben die gemessenen Daten keinen wirtschaftlichen Wert bzw. haben diesen nur kurzzeitig. Zum weiteren technischen Hintergrund wird auch auf die DE 101 33 945 A1 verwiesen, die ein Verfahren und eine Vorrichtung zum Austausch und zur gemeinsamen Verarbeitung von Objektdaten zwischen Sensoren und einer Verarbeitungseinheit betrifft. Dabei werden Positionsinformationen und/oder Geschwindigkeitsinformationen und/oder weitere Objektattribute von Sensorobjekten und Fusionsobjekten übertragen und verarbeitet.
Schließlich betrifft die DE 10 2015 210 881 A1 ein Verfahren zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs, wobei mindestens zwei Sensoren vorgesehen sind, deren Daten fusioniert werden. Dabei ist vorge- sehen, dass für die Daten jedes Sensors mittels künstlicher Intelligenz dynamisch ein Gütemaß erzeugt wird, und dass die Sensordaten und die Gütemaße zur Bestimmung von Position und/oder Orientierung fusioniert werden.
Es ist Aufgabe der vorliegenden Erfindung, ein verbessertes Verfahren zur Datenerhebung zu schaffen, bei dem die Datenerfassungsaufträge insbesondere zielorientiert bestimmt werden und die zu übertragende Datenmenge vorzugsweise gering ist. Es ist auch Aufgabe der vorliegenden Erfindung, ein verbessertes System zur Datenerhebung bereitzustellen, um eine vorteilhafte Datenerhebung mittels eines Sensornetzes durchführen zu können. Erfindungsgemäß wird die Aufgabe für das Verfahren durch die in Anspruch 1 genannten Merkmale gelöst.
Für das System wird die Aufgabe durch die in Anspruch 10 genannten Merkmale gelöst.
Bei dem erfindungsgemäßen Verfahren zur Datenerhebung mittels eines ei- ne zentrale Stelle und ein Mehrzahl von Sensorknoten aufweisenden Sensornetzes ist vorgesehen, dass die zentrale Stelle Datenerfassungsaufträge für die Datenerhebung erstellt und wenigstens einen der Datenerfassungs- auftrage an wenigstens einen der Sensorknoten übermittelt. Dabei erfasst der Sensorknoten jeweils auftragsspezifische Daten und übermittelt diese an die zentrale Stelle.
Bei der zentralen Stelle kann es sich um eine beliebige von den Sensorkno- ten unabhängige Stelle handeln; insbesondere aber nicht ausschließlich einen oder mehrere externe Server oder Servereinrichtungen, Servicefahrzeuge oder sonstige weitere Fahrzeuge, bis hin zu Diagnosegeräten und Gebäudeautomationssystemen. Besonders eignet sich die Erfindung allerdings für ein Verfahren zur Datenerhebung mittels einer externen Servereinrichtung und einer Mehrzahl von Sensorknoten.
Die zentrale Stelle kann auch als "Backend" und die Sensorknoten als "Frontend" bezüglich der Datenerhebung bezeichnet werden.
Die Kommunikation zwischen der Mehrzahl von Sensorknoten und der zentralen Stelle kann kabellos, insbesondere auf Basis eines Funkstandards, o- der kabelgebunden vorgesehen sein.
Erfindungsgemäß ist vorgesehen, dass die zentrale Stelle die Datenerfassungsaufträge zur Optimierung wenigstens eines Nutzwertes der auftragsspezifischen Daten unter Verwendung eines Algorithmus zum maschinellen Lernen erstellt. Ein erfindungsgemäßer Datenerfassungsauftrag kann insbesondere eine Beschreibung und/oder Codierung für die von dem Sensorknoten auszuleitenden bzw. zu erfassenden Daten enthalten.
Grundgedanke der Erfindung ist es somit, die Aufträge zur Datenerfassung möglichst zielgerichtet bzw. effizient und anwendungsspezifisch unter Ver- wendung von maschinellem Lernen zu erstellen und an die Sensorknoten zu übermitteln. Die Erfindung beschreibt somit ein Verfahren zum Einsatz eines Algorithmus zum maschinellen Lernen, das verglichen mit dem bekannten Stand der Technik, insbesondere unter Berücksichtigung des wirtschaftlichen Nutzens bei der Erhebung, Verarbeitung und dem Vertrieb von durch ein Sensornetz erfassten Daten, vorteilhaft sein kann.
Es kann eine automatisierte Steuerung der zentralen Stelle vorgesehen sein, um durch das Erstellen der Datenerfassungsaufträge eine optimale Datenauswahl zu treffen, die von den Sensorknoten an die zentrale Stelle gesendet und dort wirtschaftlich genutzt werden.
Es ergibt sich der Vorteil, dass durch das maschinelle Lernen verlässlich die Bestimmung des Optimums, insbesondere des Ertrags der Datenerhebung, durch Steuerung der Datenerfassungsaufträge ermöglicht wird. Vorzugsweise werden dabei durch die Sensorknoten nur die Daten erfasst und übertragen, für die ein zeitlich und örtlich abhängiger wirtschaftlicher Nutzen zu erwarten ist.
Es ist somit ein besonders vorteilhaftes Kosten-Nutzen-Verhältnis bei der Da- tenerhebung durch ein Sensornetz zu erwarten, das mit den bekannten Verfahren des Standes der Technik nicht erreichbar ist.
In einer Weiterbildung der Erfindung kann vorgesehen sein, dass wenigstens einer der Sensorknoten als Fahrzeug, mobiles Endgerät, Gebäudeautomationsmodul, Verkehrsüberwachungsmodul und/oder Hardwaremodul eines in- telligenten persönlichen Assistenten ausgebildet ist.
Ganz besonders vorteilhaft lässt sich die Erfindung umsetzen, wenn die Sensorknoten als Fahrzeuge ausgebildet sind bzw. wenn die Sensorknoten als Fahrzeugflotte ausgebildet ist, wobei sich Fahrzeuge aller Art eignen. Bei einem derartigen Sensorknoten kann es sich somit beispielsweise um ein Landfahrzeug, Wasserfahrzeug, Luftfahrzeug und/oder Raumfahrzeug handeln. Die Erfindung eignet sich für den Einsatz mit Kraftfahrzeugen allerdings in besonderem Maße. Es können auch mehrere Typen von Sensorknoten innerhalb des Sensornetzes vorgesehen sein, z. B. einige Sensorknoten, die als Fahrzeuge ausgebildet sind und einige Sensorknoten, die als mobile Endgeräte, beispielsweise Mobiltelefone bzw. Smartphones, ausgebildet sind. In einer Weiterbildung der Erfindung kann vorgesehen sein, dass die Daten - erfassungsaufträge Bewegungsinformationen, Zustandsinformationen und/oder Umgebungsinformationen bezüglich der Sensorknoten betreffen.
Beispielsweise können die Datenerfassungsaufträge Positionsinformationen, beispielsweise eine relative Position des jeweiligen Sensorknotens zu einer Referenz und/oder eine globale Position des jeweiligen Sensorknotens, beispielsweise GPS-Daten, betreffen.
Ferner kann die Geschwindigkeit und/oder Beschleunigung eines Sensorknotens (also z. B. eine Fahrzeugs) erfasst werden.
Bei einer Zustandsinformation kann es sich beispielsweise um einen Be- triebszustand eines Sensorknotens, beispielsweise eines Fahrzeugs, handeln. Bezogen auf ein Fahrzeug kann es sich insbesondere um eine Fahrsituation, einen Güte- bzw. Wartungszustand und/oder das Alter des Fahrzeugs handeln.
Besonders vorteilhaft lässt sich die Erfindung einsetzen, wenn die Datener- fassungsaufträge Umgebungsinformationen bezüglich der Sensorknoten betreffen. Dabei kann es sich beispielsweise um Bildinformationen, Toninformationen und/oder Videoinformationen und/oder bereits ausgewertete bzw. klassifizierte Daten, wie Verkehrszeichen, Baustellen und/oder Parkmöglichkeiten, handeln. Beispielsweise kann also vorgesehen sein, dass ein Daten- erfassungsauftrag die Erfassung von Verkehrszeichen und deren globale Position betrifft, wobei der Datenerfassungsauftrag spezifisch an Fahrzeuge einer bestimmten Region, z. B. in Ingolstadt, zugewiesen wird. Ferner können Daten betreffend den Zustand von öffentlichen Einrichtungen bzw. öffentlicher Infrastruktur, wie zum Beispiel Straßen, insbesondere Daten zu Schlaglöchern, sonstigen Mängeln etc., erhoben werden. Auch Informationen betreffend Parkmöglichkeiten können erhoben werden. In einer Weiterbildung der Erfindung kann vorgesehen sein, dass wenigstens einer der Nutzwerte einen wirtschaftlichen Ertrag, eine Datenqualität, eine Datenquantität und/oder eine Datenaktualität betrifft.
Somit können die Datenerfassungsaufträge unter Verwendung von maschinellem Lernen hinsichtlich des wirtschaftlichen Ertrags bei der Weiterver- wendung der erfassten bzw. erhobenen Daten optimiert werden. Neben dem wirtschaftlichen Aspekt können auch weitere Nutzwerte optimiert werden. Beispielsweise kann die Datenaktualität zusammen mit dem zu erwartenden wirtschaftlichen Ertrag in die Bewertung eines Datenerfassungsauftrags mit einbezogen werden, um neben der Ertragsmaximierung bei der Veräußerung der Daten gleichzeitig die Kundenzufriedenheit bzw. Kundenbindung sicherzustellen.
In einer bevorzugten Weiterbildung kann vorgesehen sein, dass die zentrale Stelle die durch die Sensorknoten erfassten Daten auf einer Handelsplattform anbietet. Beispielsweise kann dann eine Optimierung der Datenerfassungsaufträge hinsichtlich der (erwarteten) Nachfrage auf der Handelsplattform erfolgen und auf diese Weise der wirtschaftliche Nutzen der Daten optimiert werden.
Anstelle einer Handelsplattform können die erfassten Daten selbstverständlich auch Dritten direkt angeboten werden, beispielsweise können die erfass- ten Daten Kartendienstleistern, Messeanbietern, Städteplanungsbüros, usw., angeboten werden. In einer Weiterbildung der Erfindung kann außerdem vorgesehen sein, dass die Erfassung der auftragsspezifischen Daten durch die Sensorknoten an auftragsspezifischen Bedingungen geknüpft ist, wobei die auftragsspezifischen Bedingungen zur Optimierung des wenigstens einen Nutzwertes der auftragsspezifischen Daten unter Verwendung des Algorithmus zum maschinellen Lernen durch die zentrale Stelle erstellt werden.
Hierdurch kann die Datenlast weiter reduziert sein, da die Sensorknoten nur dann Daten erfassen und/oder an die zentrale Stelle übermitteln, wenn dies hinsichtlich des Nutzwertes sinnvoll erscheint. In einer Weiterbildung kann dabei vorgesehen sein, dass die auftragsspezifischen Bedingungen eine Zeitvorgabe und/oder ein Attribut der Sensorknoten, insbesondere eine Position des jeweiligen Sensorknotens, einen Zustand des jeweiligen Sensorknotens und/oder einen Sensorknotentyp betreffen. Es kann somit vorgesehen sein, dass ein Sensorknoten nur auftragsspezifische Daten erfasst und/oder übermittelt, wenn sich dieser an einem vorbestimmten Ort befindet. Beispielsweise können als auftragsspezifische Bedingung der "Umkreis München" (Ortsbeziehung) und/oder ein beliebiger Zeitraum (beispielsweise "die nächsten vier Wochen"), vorgesehen sein. Der Sensorknoten kann aufgrund der auftragsspezifischen Bedingungen des Datenerfassungsauftrags selbst "entscheiden", ob die Daten zu erfassen sind, oder nicht. Eine aufwendige Abstimmung mit der zentralen Stelle ist damit unnötig.
In einer vorteilhaften Weiterbildung der Erfindung kann vorgesehen sein, dass der Algorithmus zum maschinellen Lernen als künstliches neuronales Netz, als Bayessches Netz, als Regressionsanalyse, als Support Vector Ma- chine, als Ensemblemethode, als Clusteranalyse und/oder als Hauptkomponentenanalyse ausgebildet ist oder die genannten Verfahren umfasst.
Insbesondere ein künstliches neuronales Netz kann vorteilhaft zur Optimierung des wenigstens einen Nutzwertes der auftragsspezifischen Daten her- angezogen werden.
In einer Weiterbildung der Erfindung kann die zentrale Stelle für das maschinelle Lernen einen Trainingsalgorithmus vorsehen, der vor der Erstellung der Datenerfassungsaufträge auf Basis von Bestandsdaten und/oder während der Erstellung der Datenerfassungsaufträge auf Basis von Echtzeitdaten ausgeführt wird.
Insbesondere bei Verwendung eines Fahrzeugs als Sensorknoten kann vorgesehen sein, dass die Daten von wenigstens einem Fahrzeugbus, insbesondere von einem CAN-Bus, einem LIN-Bus und/oder eine FlexRay-Bus er- fasst werden. Es kann aber auch vorgesehen sein, dass die Daten durch das Verwenden von fahrzeugeigenen Sensoren erfasst werden.
Die Erfindung betrifft auch ein System zur Datenerhebung, umfassend ein Sensornetz mit einer zentralen Stelle und einer Mehrzahl von Sensorknoten. Die zentrale Stelle ist dazu eingerichtet, Datenerfassungsaufträge für die Datenerhebung zu erstellen und wenigstens einen der Datenerfassungsaufträge an wenigstens einen der Sensorknoten zu übermitteln. Ferner ist der Sensorknoten eingerichtet, auftragsspezifische Daten zu erfassen und an die zentrale Stelle zu übermitteln.
Für das erfindungsgemäße System ist ferner vorgesehen, dass die zentrale Stelle eine Steuereinrichtung umfasst, auf der ein Algorithmus zum maschi- nellen Lernen ausführbar ist, um die Datenerfassungsaufträge im Hinblick auf die Optimierung wenigstens eines Nutzwertes der auftragsspezifischen Daten zu erstellen. Merkmale und Vorteile, die bereits zu dem vorstehend beschriebenen erfindungsgemäßen Verfahren beschrieben wurden, können selbstverständlich auch für das erfindungsgemäße System herangezogen werden.
Das System zur Datenerhebung kann unter Verwendung der zentralen Stel- le, vorzugsweise einer Servereinrichtung, derart konfiguriert werden, dass zeitlich und örtlich variabel (bezüglich der Sensorknoten) lediglich diejenigen auftragsspezifischen Daten von der Mehrzahl von Sensorknoten erhoben und übertragen werden, für die eine optimale Ertragserwartung berechnet wurden. Bestandteile der zentralen Stelle können insbesondere eine Empfangseinheit für die von den Sensorknoten übermittelten Daten, eine Verarbeitungseinheit und eine Speichereinheit sein. Der Algorithmus zum maschinellen Lernen kann dabei die Datenauswahl auf Basis von Metriken bzw. wenigstens einem Nutzwert optimieren. Das Ergebnis der Bewertung kann schließlich an eine Einrichtung zur Konfiguration der Datenerfassungsaufträge weitergeleitet werden.
Für das System können folgende Bestandteile vorgesehen sein:
- eine Vorrichtung zur Erfassung der Daten, umfassend den wenigstens einen Sensorknoten;
- jeweils eine Vorrichtung zur Übertragung der Daten von der zentralen Stelle zu dem wenigstens einen Sensorknoten und umgekehrt;
- eine Vorrichtung zur Berechnung des wirtschaftlichen Nutzens auf Basis von maschinellem Lernen;
- eine Vorrichtung zum Anlernen bzw. Trainieren eines Modells zum ma- schinellen Lernen zur Berechnung des wirtschaftlichen Nutzens auf Basis von Daten (durch Bestandsdaten und/oder Echtzeitdaten).
Nachfolgend ist ein Ausführungsbeispiel der Erfindung anhand der Zeichnung prinzipmäßig näher dargestellt. Es zeigt:
Fig. 1 ein System zur Datenerhebung mittels eines Sensornetzes, umfassend eine Mehrzahl von Sensorknoten und eine zentrale Stelle in schematischer Darstellung; und Fig. 2 eine schematische Darstellung des Verfahrens zur Datenerhebung.
Fig. 1 zeigt stark schematisch ein System 1 zur Datenerhebung, umfassend ein Sensornetz 2 mit einer zentralen Stelle 3 und einer Mehrzahl von Sensorknoten 4, 5. Bei den Sensorknoten 4, 5 handelt es sich im Ausführungs- beispiel im Wesentlichen um Kraftfahrzeuge 4, grundsätzlich können aber beliebige Sensorknoten vorgesehen sein, beispielsweise ein mobiles Endgerät 5, ein Gebäudeautomationsmodul, ein Verkehrsüberwachungsmodul und/oder ein Hardwaremodul eines intelligenten persönlichen Assistenten. Die Verwendung einer Fahrzeugflotte ist vorliegend nur beispielhaft und nicht einschränkend zu verstehen. Zur Verdeutlichung sind in Fig. 1 zwei mobile Endgeräte 5 (vorliegend Smartphones) gestrichelt dargestellt. Es kann auch vorgesehen sein, unterschiedliche Typen von Sensorknoten in dem Sensornetz 2 gemischt zu verwenden, beispielsweise also Kraftfahrzeuge 4 und Smartphones 5. Ein Sensorknoten, beispielsweise also ein Kraftfahrzeug 4, kann einen oder mehrere Sensoren 6 umfassen, um beispielsweise Umgebungsinformationen zu erfassen.
Bei der zentralen Stelle 3 handelt es sich im Ausführungsbeispiel um eine Servereinrichtung, wobei die näheren Details der nachfolgend beschriebenen Fig. 2 entnommen werden können.
In Fig. 2 ist der Ablauf innerhalb der zentralen Stelle 3 zur Verdeutlichung schematisch dargestellt. Es ist vorgesehen, dass die zentrale Stelle 3 Datenerfassungsaufträge 7 für die Datenerhebung erstellt und wenigstens einen der Datenerfassungsaufträge 7 an wenigstens einen der Sensorknoten, vorliegend ein Kraftfahrzeug 4, übermittelt. Ein Datenerfassungsauftrag 7 kann dabei einen Datenbe- schreibungsteil 7.1 und einen Bedingungsteil 7.2 umfassen. In dem Datenbeschreibungsteil 7.1 kann somit die Art der zu erfassenden auftragsspezifischen Daten 8 beschrieben bzw. kodiert sein. Dabei kann es sich beispielsweise um Bewegungsinformationen, Zustandsinformationen und/oder Umgebungsinformationen bezüglich des Kraftfahrzeugs 4 handeln. Es ist vorgesehen, dass die zentrale Stelle 3 die Datenerfassungsaufträge 7 zur Optimierung des wenigstens einen Nutzwertes xi , ... ,xn der auftragsspezifischen Daten 8 unter Verwendung eines Algorithmus f[xi , ... ,xn] zum maschinellem Lernen erstellt.
Die Erfassung der auftragsspezifischen Daten 8 kann an auftragsspezifische Bedingungen geknüpft sein, die im Bedingungsteil 7.2 des Datenerfassungsauftrags 7 hinterlegt sein können. Dabei kann vorgesehen sein, dass die auftragsspezifischen Bedingungen zur Optimierung wenigstens eines Nutzwertes xi , ... ,xn der auftragsspezifischen Daten 8 unter Verwendung des Algorithmus f[xi ,... ,xn] zum maschinellen Lernen durch die zentrale Stelle 3 er- stellt werden. Bei einer auftragsspezifischen Bedingung kann es sich beispielsweise um eine Zeitvorgabe und/oder ein Attribut der Sensorknoten, insbesondere eine Position des jeweiligen Sensorknotens, einen Zustand des jeweiligen Sensorknotens und/oder einen Sensorknotentyp handeln.
Die von den Sensorknoten, also beispielsweise einem Kraftfahrzeug 4 oder einem mobilen Endgerät 5, auftragsspezifisch erfassten Daten 8 können an die zentrale Stelle 3 übermittelt und in der zentralen Stelle 3 in einem Datenspeicher 9 abgelegt werden. Vorzugsweise bietet die zentrale Stelle 3 die durch die Sensorknoten erfass- ten Daten 8, die beispielsweise in dem Datenspeicher 9 der zentralen Stelle 3 abgelegt sind, auf einer Handelsplattform 10 an. Innerhalb der Handelsplattform 10 können die erfassten Daten 8 einem oder mehreren Kunden 10.1 , 10.2, 10. m angeboten werden. Die Daten 8 können allerdings auch ohne Verwendung einer Handelsplattform 10 direkt entsprechenden Kunden angeboten werden.
Schließlich kann es sich bei dem wenigstens einen Nutzwert Xi , .. . ,xn, der optimiert werden soll, um einen wirtschaftlichen Ertrag, eine Datenqualität, eine Datenquantität und/oder eine Datenaktualität handeln. Zur Bewertung des wirtschaftlichen Ertrags im Hinblick auf die Kosten der Datenerfassung und Datenübertragung kann beispielsweise bei der Veräußerung der erfassten Daten 8 Rückmeldung, beispielsweise über den Ertrag, an die zentrale Stelle 3 gegeben werden (in Fig. 2 durch gestrichelte Pfeile 1 1 angedeutet), wobei dann beispielsweise der Ertrag neben den eigentlichen Daten 8 in dem Datenspeicher 9 oder einem weiteren Datenspeicher der zentralen Stelle 3 abgelegt werden.
Auf einer Steuereinrichtung 12 der zentralen Stelle 3 kann der Algorithmus [x-i , .. . ,xn] zum maschinellen Lernen ausführbar sein, bei dem es sich vor- zugsweise um ein künstliches neuronales Netz handelt. Es kann allerdings auch vorgesehen sein, dass ein beliebiger weiterer Algorithmus f[xi ,... ,xn] zum maschinellen Lernen verwendet wird, beispielsweise ein Bayessches Netz, eine Regressionsanalyse, eine Support Vector Machine, eine Ensemblemethode, eine Clusteranalyse und/oder eine Hauptkomponentenanalyse. Es kann vorgesehen sein, dass die zentrale Stelle 3 für das maschinelle Lernen einen Trainingsalgorithmus 13 verwendet, der vor der Erstellung der Datenerfassungsaufträge 7 auf Basis von Bestandsdaten und/oder während der Erstellung der Datenerfassungsaufträge 7 auf Basis von Echtzeitdaten ausgeführt wird.

Claims

P a t e n t a n s p r ü c h e
Verfahren zur Datenerhebung mittels eines eine zentrale Stelle (3) und eine Mehrzahl von Sensorknoten (4, 5) aufweisenden Sensornetzes (2), wobei die zentrale Stelle (3) Datenerfassungsaufträge (7) für die Datenerhebung erstellt und wenigstens einen der Datenerfassungsaufträge (7) an wenigstens einen der Sensorknoten (4, 5) übermittelt, und wobei die Sensorknoten (4, 5) jeweils auftragsspezifische Daten (8) erfassen und an die zentrale Stelle (3) übermitteln,
dadurch gekennzeichnet, dass
die zentrale Stelle (3) die Datenerfassungsaufträge (7) zur Optimierung wenigstens eines Nutzwertes (xi,...,xn) der auftragsspezifischen Daten (8) unter Verwendung eines Algorithmus (f[xi ,...,xn]) zum maschinellen Lernen erstellt.
Verfahren nach Anspruch 1 ,
dadurch gekennzeichnet, dass
wenigstens einer der Sensorknoten als Fahrzeug (4), mobiles Endgerät (5), Gebäudeautomationsmodul, Verkehrsüberwachungsmodul und/oder Hardwaremodul eines intelligenten persönlichen Assistenten ausgebildet ist.
Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet, dass
die Datenerfassungsaufträge (7) Bewegungsinformationen, Zustandsinformationen und/oder Umgebungsinformationen bezüglich der Sensorknoten (4, 5) betreffen.
Verfahren nach einem der Ansprüche 1 bis 3,
dadurch gekennzeichnet, dass
wenigstens einer der Nutzwerte (xi , .. . ,xn) einen wirtschaftlichen Ertrag, eine Datenqualität, eine Datenquantität und/oder eine Datenaktualität betrifft.
Verfahren nach einem der Ansprüche 1 bis 4,
dadurch gekennzeichnet, dass
die zentrale Stelle (3) die durch die Sensorknoten (4, 5) erfassten Daten auf einer Handelsplattform (10) anbietet.
Verfahren nach einem der Ansprüche 1 bis 5,
dadurch gekennzeichnet, dass
die Erfassung der auftragsspezifischen Daten (8) durch die Sensorknoten (4, 5) an auftragsspezifische Bedingungen geknüpft ist, wobei die auftragsspezifischen Bedingungen zur Optimierung des wenigstens einen Nutzwertes (xi,...,xn) der auftragsspezifischen Daten (8) unter Verwendung des Algorithmus (f[xi ,...,xnj) zum maschinellen Lernen durch die zentrale Stelle (3) erstellt werden.
Verfahren nach Anspruch 6,
dadurch gekennzeichnet, dass
die auftragsspezifischen Bedingungen eine Zeitvorgabe und/oder ein Attribut der Sensorknoten (4, 5), insbesondere eine Position des jeweiligen Sensorknotens (4, 5), einen Zustand des jeweiligen Sensorknotens (4, 5) und/oder einen Sensorknotentyp betreffen.
Verfahren nach einem der Ansprüche 1 bis 7,
dadurch gekennzeichnet, dass
der Algorithmus (f[xi,...,xn]) zum maschinellen Lernen als künstliches neuronales Netz, als Bayessches Netz, als Regressionsanalyse, als Support Vector Machine, als Ensemblemethode, als Clusteranalyse und/oder als Hauptkomponentenanalyse ausgebildet ist oder ein solches Verfahren umfasst.
9. Verfahren nach einem der Ansprüche 1 bis 8,
dadurch gekennzeichnet, dass
die zentrale Stelle (3) für das maschinelle Lernen einen Trainingsalgorithmus (13) vorsieht, der vor der Erstellung der Datenerfassungsauf- träge (7) auf Basis von Bestandsdaten und/oder während der Erstellung der Datenerfassungsaufträge (7) auf Basis von Echtzeitdaten ausgeführt wird.
10. System (1 ) zur Datenerhebung, umfassend ein Sensornetz (2) mit einer zentralen Stelle (3) und einer Mehrzahl von Sensorknoten (4, 5), wobei die zentrale Stelle (3) eingerichtet ist, Datenerfassungsaufträge (7) für die Datenerhebung zu erstellen und wenigstens einen der Datenerfassungsaufträge (7) an wenigstens einen der Sensorknoten (4, 5) zu übermitteln, und wobei die Sensorknoten (4, 5) eingerichtet sind, auftragsspezifische Daten (8) zu erfassen und an die zentrale Stelle (3) zu übermitteln,
dadurch gekennzeichnet, dass
die zentrale Stelle (3) eine Steuereinrichtung (12) umfasst, auf der ein Algorithmus (f[xi,...,xn]) zum maschinellen Lernen ausführbar ist, um die Datenerfassungsaufträge (7) im Hinblick auf die Optimierung we- nigstens eines Nutzwertes (xi,...,xn) der auftragsspezifischen Daten (8) zu erstellen.
EP18725799.3A 2017-06-28 2018-05-14 Verfahren und system zur datenerhebung Withdrawn EP3646302A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102017210975.0A DE102017210975A1 (de) 2017-06-28 2017-06-28 Verfahren zur Datenerhebung
PCT/EP2018/062321 WO2019001824A1 (de) 2017-06-28 2018-05-14 Verfahren und system zur datenerhebung

Publications (1)

Publication Number Publication Date
EP3646302A1 true EP3646302A1 (de) 2020-05-06

Family

ID=62200428

Family Applications (1)

Application Number Title Priority Date Filing Date
EP18725799.3A Withdrawn EP3646302A1 (de) 2017-06-28 2018-05-14 Verfahren und system zur datenerhebung

Country Status (3)

Country Link
EP (1) EP3646302A1 (de)
DE (1) DE102017210975A1 (de)
WO (1) WO2019001824A1 (de)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018108538B4 (de) 2018-04-11 2024-07-18 Audi Ag Verfahren zur Ermittlung von Verkehrsinformationen
CN110444022A (zh) * 2019-08-15 2019-11-12 平安科技（深圳）有限公司 交通流数据分析模型的构建方法和装置
US12005909B2 (en) 2020-03-13 2024-06-11 Ford Global Technologies, Llc Vehicle roof assembly
CN114166277B (zh) * 2021-12-02 2024-05-24 北京国网富达科技发展有限责任公司 一种数据采集优化方法及***
DE102022111182A1 (de) 2022-05-05 2023-11-09 Bayerische Motoren Werke Aktiengesellschaft Verfahren und vorrichtung zur steuerung eines sammelns von fahrzeug-umfelddaten, die mittels einem an einem fahrzeug verbauten sensorsystem gesammelt werden

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19513640C2 (de) 1994-11-28 1997-08-07 Mannesmann Ag Verfahren zur Reduzierung einer aus den Fahrzeugen einer Fahrzeugflotte zu übertragenden Datenmenge
DE10133945A1 (de) 2001-07-17 2003-02-06 Bosch Gmbh Robert Verfahren und Vorrichtung zum Austausch und zur Verarbeitung von Daten
US20060271661A1 (en) * 2005-05-27 2006-11-30 International Business Machines Corporation Method for adaptively modifying the observed collective behavior of individual sensor nodes based on broadcasting of parameters
US20070294360A1 (en) * 2006-06-15 2007-12-20 International Business Machines Corporation Method and apparatus for localized adaptation of client devices based on correlation or learning at remote server
ES2621942T3 (es) * 2011-11-16 2017-07-05 Agt International Gmbh Procedimiento y sistema para selección de sensor espacio-temporal
US20140062725A1 (en) * 2012-08-28 2014-03-06 Commercial Vehicle Group, Inc. Surface detection and indicator
US10034144B2 (en) * 2013-02-22 2018-07-24 International Business Machines Corporation Application and situation-aware community sensing
DE102013223217A1 (de) 2013-11-14 2015-05-21 Robert Bosch Gmbh Verfahren zum Betreiben eines Servers
CN107615348B (zh) * 2015-06-12 2021-01-26 三菱电机株式会社 驾驶辅助装置及驾驶辅助方法
DE102015210881A1 (de) 2015-06-15 2016-12-15 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Bestimmung von Position und/oder Orientierung eines Fahrzeugs

Also Published As

Publication number Publication date
DE102017210975A1 (de) 2019-01-17
WO2019001824A1 (de) 2019-01-03

Similar Documents

Publication Publication Date Title
WO2019001824A1 (de) Verfahren und system zur datenerhebung
DE10235525B4 (de) Verfahren und System zur Überwachung des Zustands eines Fahrzeugs
DE102014218050A1 (de) Übergang von autonomer Fahrzeugsteuerung zu Fahrer-Steuerung
EP3616180B1 (de) Verfahren zur datenerhebung
DE102016003969B4 (de) Verfahren zum Erfassen von Umgebungsdaten mittels mehrerer Kraftfahrzeuge
EP2629268A2 (de) Diagnoseverfahren und Diagnosevorrichtung für eine Fahrzeugkomponente eines Fahrzeugs
DE102018126830A1 (de) Vorrichtung und Steuereinheit zur Automatisierung einer Zustandsänderung einer Fensterscheibe eines Fahrzeugs
DE102018125621A1 (de) Verfahren zum Unterstützen eines Fahrbetriebs eines Kraftfahrzeugs und zum Betreiben eines Kraftfahrzeugs, Kraftfahrzeug und Servereinrichtung
WO2020011655A1 (de) Verfahren und system zur datenerfassung in fahrzeugen
DE102019114626A1 (de) System und Verfahren zur Hardware-Überprüfung in einem Kraftfahrzeug
EP3748453B1 (de) Verfahren und vorrichtung zum automatischen ausführen einer steuerfunktion eines fahrzeugs
EP3789983A1 (de) Zentralisierte regulierung eines verkehrsflusses
DE102012023409A1 (de) Verfahren zur Einstellung von Fahrzeugeinbauten
DE102019000403A1 (de) Verfahren zumindest zur Ausgabe einer Warnung vor einer Gefahrenstelle
DE102021201539A1 (de) Erzeugung von Trainingsdaten für einen Algorithmus des maschinellen Lernens
WO2021110399A1 (de) Verfahren und vorrichtung zum austauschen von manöverinformationen zwischen fahrzeugen
DE102020209987A1 (de) Vorrichtung und Verfahren zum Verarbeiten von Umfeldsensordaten
DE102018215017A1 (de) Verfahren zur Bestimmung einer Betriebsstrategie für Fahrzeug, System, Steuereinrichtung für ein Fahrzeug und ein Fahrzeug
DE102018009451A1 (de) Verfahren zum Überprüfen wenigstens eines Fahrzeugs sowie elektronische Recheneinrichtung
WO2018206481A1 (de) Verfahren zum generieren von trainingsdaten für ein auf maschinellem lernen basierendes mustererkennungsverfahren für ein kraftfahrzeug, kraftfahrzeug, verfahren zum betreiben einer recheneinrichtung sowie system
WO2019063168A1 (de) Kommunikation mit kraftfahrzeugen
DE102021204191B4 (de) Vorrichtung und Verfahren zur echtzeit-basierten dynamischen Verkehrszuordnung für zumindest zwei nachfolgende Fahrbahnen
EP3644582B1 (de) Verfahren, vorrichtung und zentraleinrichtung zum erkennen einer verteilungsverschiebung in einer daten- und/oder merkmalsverteilung von eingangsdaten
DE102020116693A1 (de) Verfahren zum nutzerindividuellen Anpassen eines Fahrassistenzsystems zum automatisierten Fahren
DE102020206433A1 (de) Computerprogrammprodukt und Trainingssteuervorrichtung für künstliche Intelligenz

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20200128

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR

AX Request for extension of the european patent

Extension state: BA ME

DAV Request for validation of the european patent (deleted)
DAX Request for extension of the european patent (deleted)
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: EXAMINATION IS IN PROGRESS

17Q First examination report despatched

Effective date: 20220615

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE APPLICATION IS DEEMED TO BE WITHDRAWN

18D Application deemed to be withdrawn

Effective date: 20221025