On the Digital Forensic Investigation of Hit-And-Run Accidents
In this dissertation, we introduce a digital forensic approach to investigate hit-and-run accidents. The result of this investigation is a priority ranking of suspects that can be used to optimize subsequent investigation steps.
In the proposed approach, we first investigate which of the suspects could have taken a route that leads through the accident location. For this, we introduce an algorithm that reconstructs the likely traveled routes of a driver by mapping the distances and turns caused by traveling the actual route onto the street network of the area in which the trip took place. The distances and turns are calculated from the wheel speeds of the suspect's vehicle recorded by a forensic data logger while driving. The presence of the accident location on any of the reconstructed routes is an indication of a possible involvement of the suspect in the accident. We show that the algorithm is suitable for the reconstruction of likely traveled routes in urban areas by means of a simulation based on real driving data. Furthermore, we demonstrate the applicability of the algorithm in the investigation of hit-and-run accidents with real driving experiments.
Next, we investigate the aggressiveness of the suspects' driving behavior, since aggressive driving behavior increases the risk of accidents. In addition, we analyze the driving behavior of the suspects near the accident location to determine which of the suspects performed risky driving maneuvers there. To this end, we introduce an algorithm for assessing driving behavior using wheel speeds. Based on this algorithm, we categorize the driving maneuvers performed by a suspect while driving according to their severity. This enables to discover risky driving maneuvers near the accident location. By means of real driving experiments, we show that the algorithm can identify aggressive driving behavior and can be used to discover risky driving maneuvers at any point of a trip. These driving experiments also include common accident maneuvers, which shows the applicability of the methodology in the investigation of hit-and-run accidents.
In dieser Dissertation wird ein Ansatz zur digitalen forensischen Untersuchung von Fahrerfluchtunfällen vorgestellt. Das Ergebnis der Untersuchung ist eine Prioritätsrangfolge der Verdächtigen, die zur Optimierung der weiteren Ermittlungsschritte verwendet werden kann.
In dem vorgestellten Ansatz wird zunächst untersucht, welche der Verdächtigen eine Strecke gefahren sein könnten, die durch den Unfallort führt. Dazu wird ein Algorithmus eingeführt, der Distanz- und Kurvenbewegungsdaten auf das Straßennetz des Fahrtgebietes abbildet und dadurch eine Menge von möglicherweise gefahrenen Strecken rekonstruiert. Die Distanz- und Kurvenbewegungsdaten werden aus den Radgeschwindigkeiten des Fahrzeugs des Verdächtigen berechnet, die während der Fahrt durch einen forensischen Datenlogger aufgezeichneten wurden. Wenn eine der rekonstruierten Strecken den Unfallort enthält, ist dies ein Hinweis auf eine mögliche Unfallbeteiligung des Verdächtigen. Mit einer auf realen Fahrdaten basierenden Simulation wird demonstriert, dass der Algorithmus zur Rekonstruktion von gefahrenen Strecken in Stadtgebieten geeignet ist. Darüber hinaus wird mit realen Fahrversuchen gezeigt, dass der Algorithmus in der Ermittlung von Fahrerfluchtunfällen anwendbar ist.
Anschließend wird die Aggressivität des Fahrverhaltens der Verdächtigen untersucht, da ein aggressives Fahrverhalten das Unfallrisiko erhöht. Zudem wird das Fahrverhalten der Verdächtigen in der Nähe des Unfallorts näher untersucht, um herauszufinden, welche der Verdächtigen an dieser Stelle riskante Fahrmanöver durchgeführt haben. Dazu wird ein Algorithmus zur Bewertung des Fahrverhaltens mittels Radgeschwindigkeiten eingeführt. Basierend auf diesem Algorithmus werden die während der Fahrt durchgeführten Fahrmanöver hinsichtlich ihres Schweregrads kategorisiert. Dies ermöglicht es, riskante Fahrmanöver in der Nähe des Unfallorts zu erkennen. Anhand von realen Fahrversuchen wird gezeigt, dass der Algorithmus aggressives Fahrverhalten erkennt und riskante Fahrmanöver an jedem Punkt der Fahrt entdeckt werden können. Diese Fahrversuche umfassen auch häufig vorkommende Unfallmanöver, was die Anwendbarkeit der Methodik in der Untersuchung von Fahrerfluchtunfällen zeigt.