ACHIEVE: Eine allgemeine Methode zur Bewertung des Schutzes der Privatsphäre und der Kollisionserkennung von kooperativen Architekturen zur Kollisionsvermeidung für gefährdete Verkehrsteilnehmer*innen

2019 starben in Deutschland 862 gefährdete Verkehrsteilnehmer (engl. VRUs, Vulnerable Roads Users), wie Fußgänger und Fahrradfahrer, und 116.000 wurden aufgrund von Unfällen im Straßenverkehr verletzt. Um diese Unfallszahlen zu reduzieren, ist der Einsatz von kooperativen Kollisionsvermeidungssystemen, in denen sowohl VRU als auch Autofahrer mit einem Gerät ausgestattet sind, das sie über bevorstehende Kollisionen warnen kann, vielversprechend. Um solche kooperativen Schutzsysteme zu realisieren, gibt es verschiedene Architekturen. Sie reichen von Peer-to-Peer (P2P) Architekturen mit Device-to-Device (D2D) Kommunikation und lokaler Verarbeitung bis hin zu solchen basierend auf Hybridkommunikation (zellulare Kommunikation und D2D) mit einer Verarbeitung verteilt über Auto, VRU und Server. Diese verschiedenen Architekturen beeinflussen nicht nur die Kollisionserkennungsleistung, sondern gefährden auch die Privatsphäre des VRU unterschiedlich. Dies resultiert aus der Erfassung, Verarbeitung und aus dem Austausch von Daten über diese VRUs. Die Privatsphäre des VRU zu schützen ist nicht nur aus juristischer Sicht notwendig, sondern es erhöht auch die Akzeptanz. In der Literatur wurden verschiedene Architekturmuster vorgeschlagen und einzeln evaluiert. Allerdings ist es bisher nicht möglich zu bestimmen, welche Architekturen die beste Kollisionserkennungsleistung und den besten Schutz der Privatsphäre bieten. Dies da es noch keine Methode zum Vergleichen von verschiedenen Architekturen unter Berücksichtigung von Kollisionserkennungsleistung und Schutz der Privatsphäre gibt. Dies führt zur Hauptforschungsfrage: Wie können wir die Leistungen von Architekturen eines kooperativen Kollisionsvermeidungssystem bzgl. Kollisionserkennung und Schutz der Privatsphäre evaluieren und vergleichen? Wir werden in diesem Projekt eine neue Methode zum Bewerten und Vergleichen von verschiedenen Architekturen basierend auf diesen zwei Gesichtspunkten entwickeln. Dazu werden wir zuerst die Varianten von Architekturen identifizieren und eine gründliche Gefährdungsanalyse der Privatsphäre durchführen. Wir werden zusätzlich die Auswirkung der Einführung datenschutzfreundlicher Lösungen auf die Kollisionserkennungsleistung analysieren. Des Weiteren werden wir uns auf die Definition und Analyse von Leistungsindikatoren fokussieren, die die Kollisionserkennungsleistung als auch den Schutz der Privatsphäre beschreiben und in unsere allgemeine Methode integriert werden. Zusätzlich zur Erforschung und Beschreibung der Methode werden wir diese neue Methode auf die Architekturen, die von Interesse sind, anwenden und eine umfassende Evaluation durchführen. Mittels unserer Methode und der Evaluation durch sie, ist es möglich, die geeigneten Varianten von Architekturen zu vergleichen und somit fundierte Entscheidungen basierend auf derer Leistung in Bezug auf Kollisionserkennung und Schutz der Privatsphäre zu treffen.

Publikationen

• S. Huster, J. Götz, K. David, D. Reinhardt. Privacy Threats in Cooperative Collision Avoidance System Architectures. IEEE Transactions on Intelligent Vehicles, 2025. Accepted for publication.
  

Ansprechpartner*innen

Partner