Visualisierung von Busdaten

Premiumfahrzeuge enthalten heutzutage immer mehr innovative elektronische Funktionen im Bereich Fahrerassistenz und Infotainment. Ein Blick hinter die Kulissen zeigt jedoch, dass mit der Funktionsmehrung auch die Komplexität der Fahrzeuge enorm steigt, insbesondere bei den fahrzeuginternen Kommunikationsnetzen. In einem aktuellen Fahrzeug sind über 70 elektronische Steuergeräte verbaut, die üblicherweise mit den Technologien LIN, CAN, FlexRay oder MOST miteinander verbunden sind und bis zu 15000 Nachrichten pro Sekunde austauschen.

Beispiel: Fehleranalyse von Busdaten

Diese Flut an Kommunikationsdaten bringt Herausforderungen in verschiedenen Bereichen der Fahrzeugentwicklung mit sich. Beispielsweise werden in der Absicherung von elektronischen Systemen unzählige Testfahrten absolviert und dabei die Buskommunikation (15000 Nachrichten/s) aufgezeichnet. Eine Aufzeichnung von einer Stunde kann dementsprechend bis zu 54 Millionen Nachrichten enthalten. Im Fehlerfall müssen die Testingenieure diese Traces (Aufzeichnungen) analysieren, damit der Fehler lokalisiert und behoben werden kann. Diese großen Datenmengen effizient und effektiv zu analysieren, stellt in der Praxis jedoch eine große Herausforderung dar.

Analysetools stoßen an ihre Grenzen

Diese Darstellungen sind für viele Aufgaben sehr hilfreich, insbesondere, wenn Ingenieure bereits vor der Analyse eine relativ genaue Vorstellung haben, in welchen Nachrichten und Signalen sie nach der Fehlerursache suchen müssen. In diesem Fall können sie mit einem Trace nach den entsprechenden Nachrichten und Signalen filtern und deren Werte gezielt überprüfen.
Mit steigender Vernetzung und Komplexität im Fahrzeug reicht dieses Vorgehen jedoch oft nicht mehr aus. Viele Fehler entstehen durch die unvorhergesehene Interaktion zwischen Kommunikationsprozessen oder durch das Zusammenspiel von mechanischen und elektronischen Komponenten. In solchen Fällen fehlen oft klare Hypothesen über mögliche Fehlerquellen, so dass Tracedaten explorativ analysiert werden müssen: Spezielle Ingenieure navigieren bei der Analyse durch die Flut an Informationen, versuchen sich einen Überblick zu verschaffen, Zusammenhänge zu verstehen, und alles in einen sinnvollen Kontext zu setzen, der zur Hypothesenbildung und Fehlerfindung beiträgt. Herkömmliche Tools unterstützten diese Art von explorativer Datenanalyse jedoch nur bedingt.

Lösung: Visualisierung?

die bestimmte Signalwerte in Anlehnung an reale Messinstrumente darstellen. Der Mehrwert solcher Darstellungsformen zur Datenanalyse ist jedoch fraglich. Im Gegensatz zur realen Fahrsituation, in der eine intuitive und einfache Darstellung im Vordergrund steht, ist es im Analysebetrieb von Vorteil, möglichst viel relevante Information aus den Daten abzuleiten und parallel darzustellen. Ein virtueller Tachometer kann jedoch nur einen einzigen Wert pro Zeiteinheit darstellen. Verwendet man hingegen zum Beispiel ein einfaches Liniendiagramm wie in Bild 1, kann man sich neben der aktuellen Geschwindigkeit auch die Historie der Geschwindigkeit darstellen lassen und hat somit einen höheren Informationsgehalt bei gleichem Bildschirmplatz.

AutobahnVis: Ein Visualisierungsprototyp

Wenn man mit der Maus im Autobahnview beispielsweise über eine Nachricht fährt, hebt das Programm im 3D-Model das sendende Steuergerät visuell hervor. Der Nutzer kann hierzu die Transparenz der Fahrzeughülle des 3D-Models verändern, um in das Fahrzeug „hinein“, also auf die Komponenten der Bussysteme, zu blicken. Diese als „Linking and Brushing“ bezeichnete Kopplung zwischen den beiden Views (Ansichten) ermöglicht es dem Nutzer, in einfacher Art und Weise eine Verknüpfung zwischen elektronischen Komponenten und mechanischen Verbauorten herzustellen. Zudem lassen sich über das 3D-Modell auch mechanische Vorgänge wiedergeben, die während der Traceaufzeichnung stattfanden: Sobald der Nutzer bei der zeitlichen Navigation im AutobahnView (Panning entlang der x-Achse) über ein mechanisches Ereignis fährt (zum Beispiel das Öffnen einer Fahrzeugtüre), wird dieses auch in der 3D-Ansicht animiert. Der analysierende Ingenieur erhält hierdurch einerseits die Möglichkeit, mechanische Vorgänge nachzuvollziehen, andererseits kann er zu jeder Zeit den Kontext des mechanischen Fahrzeugzustandes im Auge behalten.
Zusätzlich zur 3D-Ansicht, wurde der Prototyp mit klassischen Listen- (unten im Bild 3) und Diagrammansichten ausgestattet. Wie aus traditionellen Tools bekannt, sind diese Sichten bestens dafür geeignet, um Details beispielsweise über Nachrichten, Signale oder Busse anzuzeigen; diese sollten daher nicht ersetzt, sondern durch neuartige Tools erweitert werden.

Neue Einsichten in Traces

Baustein zur Komplexitätsbewältigung

Bei gezieltem Einsatz stellt Informationsvisualisierung ein sehr hilfreiches Mittel dar, um die Datenflut, die durch die hohe Funktionalität im Fahrzeug entsteht, in den Griff zu bekommen. Neben AutobahnVis zeigten auch andere Visualisierungsprojekte bei der BMW Group Forschung und Technik ähnliche Erfolge im praktischen Einsatz. Wichtiger Erfolgsfaktor bei all diesen Projekten war die Entscheidung, Daten grafisch so darzustellen, dass ein wirklicher Mehrwert für die zugrundeliegende Aufgabe entsteht und nicht lediglich eine schönere und realitätsnähere Darstellung der bereits vorhandenen Informationen erfolgt.
Zu bedenken ist allerdings, dass Visualisierung alleine nicht sämtliche Probleme der Datenanalyse lösen wird, sondern lediglich ein Baustein in einer vielfältigen Methodenpalette zur Bewältigung großer Datensätze ist. Visualisierung ist vor allem immer dann wichtig, wenn Experten Daten explorativ analysieren müssen. Sobald sich ein Prozess automatisieren lässt, hat die Visualisierung ihren Zweck erfüllt, und Techniken aus dem Bereich Machine Learning, Data Mining oder Statistik bieten adäquate Analysemethoden.

(av)

Dr. Michael Sedlmair

: promovierte zum Thema „Visual Analysis of In-car Networks“ bei der BMW Group Forschung und Technik. Aktuell arbeitet er als PostDoc an der University of British Columbia in Vancouver/Kanada. Dr. Michael Schraut von der BMW Group Forschung und Technik sowie Wolfgang Hintermaier von der BMW Group sind Co-Autoren.