Bild aus der Vogelperspektive eines Lkws, der auf einer Straße am Meer fährt.

Daten zur Fuhrparksicherheit: Bei der Analyse des Fahrverhaltens ist der Kontext entscheidend

Veröffentlicht am 22. Februar 2023 in Telematik von Geotab |  Lesedauer: 2 Minuten


Geotabs Analyse kontextbezogener Risiken vermittelt Fuhrparkmanagern ein besseres Verständnis der Umweltfaktoren, die die Fuhrparksicherheit über das Fahrverhalten und den Fahrzeugzustand hinaus betreffen.

Um die Fuhrparksicherheit zu verbessern, beurteilen Fuhrparkmanager das Fahrverhalten üblicherweise anhand der sogenannten „ABCS“ („acceleration, braking, cornering and speeding“) – Beschleunigung, Bremsen, Kurvenfahrt und zu schnelles Fahren. Ohne jedoch zu wissen, weshalb ein Fahrer auf eine bestimmte Weise reagiert hat, sind diese Daten wenig aussagekräftig und es kann nicht entsprechend auf diese reagiert werden. Scharfe Kurvenfahrten zum Umfahren von Schlaglöchern werden zum Beispiel in der Regel als sicher eingestuft, während das Ausreizen der Geschwindigkeitsbegrenzung bei Schneefall hingegen als unsicher gilt. Anhand dieser Beispiele wird klar, weshalb der Kontext bei der Bewertung der allgemeinen Fuhrparksicherheit entscheidend ist.

Dateneinblicke zur Fuhrparksicherheit: Der kontextbezogene Ansatz

Geotab bezieht drei Faktoren in den Sicherheitskontext ein: die Fahrzeugsicherheit (Verkehrssicherheit), das Fahrverhalten und die äußeren Einflüsse.

Symbole für Fahrzeuge, Fahrerverhalten und Umwelt

Die folgenden Aspekte gehören zu den wichtigsten im Fuhrpark- und Versicherungsbereich:

  • Die meisten Risikomanager und Versicherer wünschen sich eine Möglichkeit, alle wesentlichen Sicherheitsrisiken (Fahrzeugintegrität, Fahrerreaktionen, Umwelt) in Form von leicht verständlichen Analyse-Dashboards (z. B. Fahrerbewertung) darstellen zu können.
  • Fuhrparkmanager benötigen vorausschauende Dateneinblicke zu ihren Fahrzeugen: Umsetzbare Berichte mit umfassenden Daten, die auf spezifische Bereiche des Fuhrparkbetriebs anwendbar sind – keine Gesamtauswertung, die sowohl für schwere Lastkraftwagen (Lkw) als auch für private Personenkraftwagen (Pkw) gilt. Mit diesen Dateneinblicken, die Fahrern ein eindeutiges, unwiderlegbares Feedback geben, können diese ihre Fahrgewohnheiten verbessern.
  • Für Fuhrparkmanager ist der Kontext entscheidend. Sie haben schließlich keinen Einfluss darauf, wann und wo Sie geschäftlich agieren. Dennoch ist es in jedem Fall hilfreich, relevante Umweltrisikofaktoren zu kennen.
  • Aus Sicht der Versicherer handelt es sich dabei um Umweltfaktoren, die für alle Kreuzungen, Postleitzahlen, Bundesstaaten oder -länder und NAICS-Codes (North American Industry Classification System; Nordamerikanisches Ökonomieklassifikationssystem für Unternehmen) ihrer Versicherten unterschiedlich sind.

Diese Merkmale sollten alle innerhalb des jeweiligen Fuhrparks gemessen und mit anderen ähnlichen Fuhrparks verglichen werden. Sie sollten auch mit den Verlaufsdaten zur Leistung des jeweiligen Fahrers verglichen werden, da die tägliche Leistung durch viele Faktoren beeinflusst werden kann. 

Beispielszenario Fuhrparksicherheit

 Weitere Analyse des Beispielszenarios „Kontext-Risikoindex (Contextual Risk Index, CRI)“

Auf den ersten Blick haben Joan und John eine ähnliche Fahrweise. Beide fahren knapp über acht Kilometer pro Stunde, bremsen zweimal abrupt und beschleunigen einmal stark. 
 

Beispielszenario „Wie Kontext bei der Einschätzung der Fuhrparksicherheit hilft“


 

Bei näherem Hinsehen wird deutlich, wie unterschiedlich ihre Routen sind. Joan fährt auf ihrer Route durch drei Gefahrenbereiche, wohingegen sich auf Johns Strecke keine solchen Bereiche befinden.

Beispielszenario „Wie Kontext bei der Einschätzung der Fuhrparksicherheit hilft“

Dementsprechend sind unterschiedliche Coachings erforderlich. Im Vergleich zu ihren Kollegen fährt Joan in Gefahrenbereichen gut. John hingegen fährt auf der Autobahn sehr schlecht. 


Sicherheits-Benchmarking durch maschinelles Lernen

Geotab nutzt maschinelles Lernen (ML) für die Telematikdaten von mehr als 3 Millionen vernetzten Fahrzeugen. So können wir Fahrzeuge einzelner Fuhrparks mit Hunderten oder Tausenden ähnlichen Fahrzeugen vergleichen. Auf diese Weise findet sich für jedes Fahrzeug eine Art „digitaler Zwilling“ im Kundenstamm von Geotab. Ein Beispiel für diese Funktion ist die Ermittlung des Nutzungszwecks jedes Fahrzeugs (auf Englisch). Mit diesem Ansatz konnten wir im Geotab Analytics Lab auch auf Fahrzeug- und Fuhrparkebene die Sicherheit bewerten (auf Englisch).

Ermitteln von Fahrzeugzwillingen mit Fuhrpark-Benchmarking auf Grundlage von maschinellem Lernen

Kontext-Risikoindex: Kontextbezogene Sicherheit trifft maschinelles Lernen

Um Kontext mit Benchmarking zu kombinieren, hat Geotab zudem den Kontext-Risikoindex (Contextual Risk Index, CRI) eingeführt, um den Vorhersagewert der drei oben beschriebenen Faktoren (Verkehrssicherheit, Fahrverhalten und äußere Einflüsse) zu messen. Die Datenvalidierung erfolgt dabei anhand der „Minimum Viable Products (MVP)“-Strategie. Weitere Details finden Sie unten:

API Kontext-Risikoindex

Geotab arbeitet mit TNEDICCA zusammen, um den Zusammenhang zwischen gefährlichen Standorten und Risiken zu untersuchen

 

Geotab arbeitet beispielsweise zusammen mit dem Verkehrssicherheits-Informationsunternehmen TNEDICCA (auf Englisch) an einem Pilotprojekt, um die Auswirkungen gefährlicher Standorte auf das wahrgenommene Risikosignal zu untersuchen. 

 

TNEDICCA hat es sich zur Aufgabe gemacht, Verkehrsunfälle durch die bessere Nutzung von Daten und Analysen zu reduzieren. Das Unternehmen hat die umfassendste Datenbank für Unfallorte mit mehr als 30 Millionen Unfällen erstellt, die 94 % des Kfz-Versicherungsmarkts der Vereinigten Staaten abdeckt. TNEDDICA bietet Lösungen für die Branchen Kfz-Versicherung, Navigationsservice, Automobilherstellung und Transportplanung.

 

Für die Analyse hat Geotab mehr als 600 Millionen Fahrten von mehr als 800.000 Fahrzeugen untersucht. Bei der Analyse unserer Fahrzeugbewegungsmuster anhand der von TNEDICCA ausgewerteten Risikobewertungen konnten wir eindeutige, positive Zusammenhänge feststellen. Fahrer, die durch insgesamt riskantere Standorte fahren, sind auch einem höheren Unfallrisiko ausgesetzt. 

 

Für unsere Analyse haben wir die Risikobewertungen dahingehend angepasst, dass wir die Auswirkungen der Gesamtkilometerzahl des Fahrzeugs nicht berücksichtigt haben. So kann das Risiko, das mit dem Fahren durch Standorte mit hoher Unfallgefährdung verbunden ist, isoliert betrachtet werden. Mit anderen Worten: Wenn Ihre Fahrer ständig durch Standorte mit hohem Unfallrisiko fahren, sind sie auch häufiger an Unfällen beteiligt.

 Ein Streudiagramm mit der Anzahl von Unfällen pro 1.000 Fahrzeuge wird der normalisierten Risikobewertung gegenübergestellt; das Diagramm zeigt ein logarithmisches Verhältnis zwischen Unfallrate und normalisierter Risikobewertung.

Erhalten Sie mithilfe des Kontexts neue Dateneinblicke für mehr Sicherheit

Wir ermutigen unsere Kunden und Partner dazu, unsere Sicherheitsexperimente in Active Insights (auf Englisch) in MyGeotab und im Analytics Lab auszuprobieren. Suchen Sie im Geotab API Explorer (auf Englisch) nach der API für den Kontext-Risikoindex.


Wenn Ihnen dieser Beitrag gefallen hat, lassen Sie es uns wissen!


Haftungsausschluss

Geotabs Blogbeiträge sollen Informationen bereitstellen und Diskussionen über Themen anregen, die für die gesamte Telematik-Gemeinschaft von Interesse sind. Geotab bietet durch diese Blogbeiträge keine technische, professionelle oder rechtliche Beratung an. Obwohl alle Bemühungen unternommen wurden, um sicherzustellen, dass die Informationen in diesem Blogbeitrag zeitnah und genau sind, können Fehler und Auslassungen auftreten, und die hier präsentierten Informationen können Laufe der Zeit veraltet sein.

Abonnieren Sie den Geotab Blog

Erhalten Sie aktuelle Informationen und Tipps zum Thema Fuhrparkmanagement. Sie können sich jederzeit wieder abmelden.