Fahrerassistenzsysteme übernehmen zunehmend die Fahrsteuerung in regulären Fahrsituationen. Diese schlagen dem Fahrer z.B. die optimale Zielnavigation vor, sorgen für mehr Fahrkomfort und erhöhen die Fahrsicherheit. Die hierzu verwendeten Systeme und Sensoren können auch genutzt werden, um das Fahrverhalten des Fahrers zu lernen. Dadurch könnten die Fahrerassistenzsysteme individuell auf den Fahrer ausgerichtet werden. Der telematische Fingerabdruck ist auch ein aktuelles Thema für Versicherungen, die zunehmend auf individuelle „pay-as-you-drive“ Versicherungskonzepte setzen. Es wird eine Methode dargestellt, die es ermöglicht, unterschiedliche Fahrer an Hand von geloggten CANBUS Daten zu identifizieren. Zur Validierung des Ansatzes wurde ein Datensatz analysiert, der von der VW Data Lab Flotte zusammengetragen wurde. Die Fahrzeuge sind mit Datenloggern ausgestattet, welche kontinuierlich Signaldaten an einen Server senden.
Für die Analyse wurden Variablen extrahiert und berechnet, die möglichst unabhängig von Umfeldbedingungen sind, um sicher zu stellen, dass das individuelle Fahrverhalten und nicht die Fahrsituation vom Algorithmus gelernt wird. Es wurden unterschiedliche Classifier implementiert. Die besten Ergebnissen lieferte die AdaBoost Methode, welche mit einer Genauigkeit von 69% den tatsächlichen Fahrer, aus einem Set von 30 Fahrten von 7 unterschiedlichen Fahrern, richtig klassifiziert.
