GNSS Störeridentifikation
© adobestock/ehrenberg-bilder
Lkw Maut / Transport

GNSS Interferenz-Detektion mit Maschinellem Lernen und Crowdsourcing (DARCY)

Globale Satellitennavigationssysteme (GNSS) werden für robuste und genaue Positions- sowie Zeitinformationen eingesetzt und sind mittlerweile zu einem elementaren Bestandteil unserer kritischen Infrastruktur (KRITIS) geworden. Das Stören und Täuschen dieser Signale kann somit schwerwiegende Auswirkungen wie den Ausfall des Stromnetzes oder des Mobilfunknetzes haben.

Zunehmende Gefahr durch Störungen von GNSS-Signalen

Bei Störungen der GNSS-Signale wird zwischen unabsichtlichen und absichtlichen Störern unterschieden. Unabsichtliche Störungen treten unter anderem durch fehlerhafte Elektronik in der Umgebung von GNSS-Empfängern auf. Bei absichtlichen Störungen werden bewusst GNSS-Signale beeinflusst. Beide Arten von Störern führen dazu, dass die Signale im Empfänger nicht mehr korrekt verarbeitet werden können. Dabei kann der Empfänger keine oder falsche Informationen liefern – wie sich der Empfänger in der Nähe von Störern im Einzelfall verhält, hängt von unterschiedlichen Faktoren ab. Sog. Jammer sind auf GNSS-Signale optimierte Störer und können bereits für wenig Geld im Internet erworben werden. Messkampagnen in Europa haben gezeigt, dass Jammer inzwischen breite Verwendung finden. Durch den zunehmenden Einsatz von GNSS auch in anderen Anwendungen als kritischen Infrastrukturen wie pay-as-you-drive-Autoversicherungen, Diebstahlschutz und Mauterhebung wird daher mit einer weiteren Zunahme durch Störer gerechnet.

Projektziele

Das Projekt DARCY (Development of an advanced interference detection and robustness capabilities system) hat die Entwicklung eines Netzwerks von Sensoren zur Erkennung, Bewertung (Einfluss auf Positions- und Zeitbestimmung), Charakterisierung (Art) sowie Lokalisierung von Störern zum Ziel. Im Vordergrund stehen dabei die Entwicklung und Erprobung von unterschiedlichen Detektoren (low-/medium-/high-end), Algorithmen zur lokalen Auswertung, Ansätze aus den Bereichen Maschinelles Lernen (ML) und Crowdsourcing, zur Fusion der Ereignisse sowie deren Darstellung.

Testkampagnen und Erprobung des Systems durch »Störer-Blitzer«

Das Projekt wird in Abstimmung und mit Unterstützung durch die Bundesnetzagentur (BNetzA) sowie das Bundesamt für Kartographie und Geodäsie (BKG) umgesetzt. Es sollen gemeinsame Testkampagnen zur Erprobung des DARCY-Systems durchgeführt werden und in ausgewählten Referenzstationen des BKG Galileo PRS Empfänger betrieben werden. Mit der BNetzA sind Auswertungen über die Häufigkeit von Störungen sowie die Erörterung möglicher Gegenmaßnahmen auf Basis der gewonnenen Informationen geplant.

Zusätzlich soll in mindestens einem Testfeld für automatisierte und vernetzte Mobilität der Einsatz einer Art »Störer-Blitzer« geprüft werden. Dabei soll mittels der dort verbauten Kameras die Quelle der Störung aufgezeichnet und durch einen Galileo PRS-Snapshot manipulationssicher dokumentiert werden. Langfristig ist die rechtssichere Identifizierung von Störern Grundvoraussetzung für das Ergreifen von ordnungsrechtlichen oder gar strafrechtlichen Maßnahmen.

Mehr Informationen

 

Satelllitenbasierte Lokalisierungssysteme

Satellitennavigationsempfänger und -antennen für vielfältige Anwendungen

 

Data Analytics und Machine Learning

Robuste Tracking-Algorithmen und Datenanalyseverfahren mittels maschinellem Lernen sowie statistischer Methoden