Ein Konzept zur Plausibilitätsprüfung von Car-to-X Mobilitätsdaten basierend auf Pfadprädiktionen und Hidden Markov Models

Abstract:
Die Datensicherheit ist eine Grundvoraussetzung für eine erfolgreiche Etablierung der Car-to-X Technologie auf dem Markt. Die Senderauthentifizierung, die Integrität der Nachricht sowie die Plausibilität des Nachrichteninhaltes stellen dabei eine der wichtigsten Aspekte in diesem Bereich dar. Während die ersten beiden Anforderungen mit kryptografische Verfahren abgedeckt werden, ist Letzeres immer noch Gegenstand aktueller Forschung. Neuere Arbeiten im Gebiet der Fahrzeug-Verhaltensanalyse beinhalten vielversprechende Ansätze, sind jedoch immer noch fehleranfällig bei hochdynamischen Fahrmanövern. In dieser Arbeit präsentieren wir ein robustes, zweistufiges Verfahren zur Überprüfung von Car-to-X Mobilitätsdaten. Die erste Stufe besteht dabei aus einem Mobilitätsschätzer, realisiert mit einem Kalman-Filter, der eingehende Nachrichten im Bezug auf die Fahrthistorie bewertet. In einer zweiten Stufe wird eine Plausibilitätsprüfung durchgeführt, basierend auf einer probabilistischen Erkennung hochdynamischer Fahrmanöver mittels Hidden Markov Models. Das Gesamtkonzept wurde prototypisch implementiert und mit realen Daten evaluiert.