# Autonomy and Autonomous Self-Driving Vehicles
In diesem Abschnitt sollen die Begriffe "Autonomy" "Autonomous" und "Self-Driving" in Bezug auf Fahrzeuge beleuchtet und unterschieden werden. Es wird erklärt wie diese Begriffe zusammenhängen und in dieser Arbeit zu deuten sind.

## Autonomy

Als Autonomie bezeichnet man den Zustand der Selbstbestimmung, Unabhängigkeit (Souveränität), Selbstverwaltung oder Entscheidungs- bzw. Handlungsfreiheit.

Source: doi:10.2466/pr0.1989.64.3c.1263

In dieser Arbeit wird der Term "autonom" im Zusammenhang mit selbstfahrenden Fahrzeugen genannt und meint damit den tatsächlichen Zustand der unabhängigen Entscheidungsfindung im Prozess des Fahrens. Das bedeutet dass weder eine direkte Steuerung durch einen Fahrer noch eine indirekte Steuerung durch Aktuatoren stattfindet. Auch eine Fernsteuerung über eine verbundenen Steuereinheit findet nicht statt. Aufgrund von Algorithmen und festgelegten Kontrollzyklen und Schwellwerten findet das Fahrzeug seinen Weg in einem gewissen Rahmen der Entscheidungsfreiheit selbstständig und unabhängig. Dies hat zur Folge und lässt sich dadurch prüfen dass das Fahrzeug bei gleichem Startpunkt nie zweimal den exakt gleichen Weg nehmen wird. Die Autonomie liegt hier aber auch in der Überwindung der gegebenen Form wie wir die Steuerung von Fahrzeugen seit Jahrhunderten kennen. Ein fester Bestandteil der Benutzung eines Fahrzeugs war lange Zeit die (Fern-)Steuerung. Ein Fahrzeug ohne Fahrer war eine Unmöglichkeit oder eine Unabsicht. Führerloses Fahrzeuge richteten nicht selten große Schäden an. Heute gelten von Computern geführte Fahrzeuge oft schon als sicherer, weniger fehler- und unfallanfällig als von Menschen gesteuerte Fahrzeuge. Die gegebene Form der Anhängigkeit von einem menschlichen Fahrer und der Fremdbestimmung durch diesen wird mit der Autonomie umgangen und macht das autonome Fahrzeug zu einem selbstständigen Entscheidungsträger im Straßenverkehr.

## Autonomous Self-Driving Vehicles

Ein autonomes Fahrzeug zeichnet sich dadurch aus dass es seine Umgebung erkennt und ohne menschliche Hilfe fahren kann. Ein menschlicher Fahrer muss zu keinem Zeitpunkt die Kontrolle über das Fahrzeug übernehmen oder sich zum Teil nicht einmal im Fahrzeug befinden. Ein autonomes Fahrzeug besitzt die Freiheit wie ein herkömmliches Fahrzeug zu fahren und alles zu tun was auch ein menschlicher erfahrener Fahrer tun und wie dieser entscheiden würde.

Der Begriff "selbstfahrend" wird oft gleichbedeutend mit "autonom" verwendet. Es handelt sich jedoch um etwas anderes. Ein selbstfahrendes Auto kann in einigen oder sogar allen Situationen selbst fahren aber ein menschlicher Beifahrer muss immer anwesend und bereit sein die Kontrolle zu übernehmen. Selbstfahrende Autos würden unter bedingte Fahrautomatisierung oder hohe Fahrautomatisierung fallen. Im Gegensatz zu einem vollständig autonomen Fahrzeug das überall hinfahren kann unterliegen sie einem Geofencing.

# Algorithms for Autonomous Self-Driving Vehicles

## Color Spaces

A color space is a specific organization of colors. In combination with color profiling supported by various physical devices, it supports reproducible representations of color - whether such representation entails an analog or a digital representation. Some generic, most used Color Spaces are:

1. RGB Color Space
- uses additive color mixing, because it describes what kind of light needs to be emitted to produce a given color. RGB stores individual values for red, green and blue.
2. CMYK Color Space
- CMYK uses subtractive color mixing used in the printing process, because it describes what kind of inks need to be applied so the light reflected from the substrate and through the inks produces a given color. CMYK stores ink values for cyan, magenta, yellow and black.
4. HSV (hue, saturation, value) Color Space
- also known as HSB (hue, saturation, brightness). HSV is a transformation of an RGB color space, and its components and colorimetry are relative to the RGB color space from which it was derived.

In this work for the detection of lane lines we use the HSV Color Space. The benefit of this color space is that an entire color range can be mapped and recognized for a specific color. Let's take a lane line for example with the color blue. The car's camera looks at the road and searches for blue areas in the image. Because of different brightness due to shadows/sunlight etc., the blue lane marking appears lighter in some places and darker in others. By converting to HSV color space, all blue areas are taken into consideration and not filtered according to a fixed color value.

Quelle für diesen Abschnitt:
@article{article,author = {Yudho, Bhakti and Ghaida, Aulia and Hikmarika, Hera and Dwijayanti, Suci},year = {2020},month = {07},pages = {42},title = {Road and Vehicles Detection System Using HSV Color Space for Autonomous Vehicle},volume = {6},journal = {Jurnal Ilmiah Teknik Elektro Komputer dan Informatika},doi = {10.26555/jiteki.v16i1.16949}}

Fig. 1 - Cylinder of HSV Color Space

@article{article,author = {Yudho, Bhakti and Ghaida, Aulia and Hikmarika, Hera and Dwijayanti, Suci},year = {2020},month = {07},pages = {42},title = {Road and Vehicles Detection System Using HSV Color Space for Autonomous Vehicle},volume = {6},journal = {Jurnal Ilmiah Teknik Elektro Komputer dan Informatika},doi = {10.26555/jiteki.v16i1.16949}}

Fig. 2 - HSV Color Range

@article{article,author = {Yudho, Bhakti and Ghaida, Aulia and Hikmarika, Hera and Dwijayanti, Suci},year = {2020},month = {07},pages = {42},title = {Road and Vehicles Detection System Using HSV Color Space for Autonomous Vehicle},volume = {6},journal = {Jurnal Ilmiah Teknik Elektro Komputer dan Informatika},doi = {10.26555/jiteki.v16i1.16949}}

Regarding to Figure 2 the color blue is in the range of 120 and 300. This attribute of the HSV Color Space gives a wider scope for detecting the lane lines and is more suitable than the RGB color space.

## Canny Edge Detector

The Canny Edge Detector is a popular edge detection algorithm. It was developed by John F. Canny. It is a multi-stage algorithm with 4 stages:

1. Noise Reduction
2. Finding Intensity Gradient of the Image
3. Non-maximum Suppression
4. Hysteresis Thresholding

Source: @InProceedings{10.1007/978-3-642-23223-7_13,author="Li, Junand Ding, Sheng",editor="Zhang, Jun",title="A Research on Improved Canny Edge Detection Algorithm",booktitle="Applied Informatics and Communication",year="2011",publisher="Springer Berlin Heidelberg",address="Berlin, Heidelberg",pages="102--108",abstract="Classical Canny Operator plays an important role in the image edge detection. The paper analyses the theory of the traditional Canny edge algorithm and does some improvements on the parts of smoothing filter selection, point amplitude calculation, and high or low threshold selection. The improved Canny algorithm uses B-spline function instead of Gaussian function; calculates gradient amplitude in 3{\texttimes}3 neighborhoods; and selects thresholds on the basis of gradient histogram. The experiment proves that the new algorithm improves the accuracy of positioning and provides a better and evident de-noising effect.",isbn="978-3-642-23223-7"}

## Hough Transformation

Die Hough-Transformation ist ein robustes globales Verfahren zur Erkennung von Geraden, Kreisen oder beliebigen anderen parametrisierbaren geometrischen Figuren in einem binären Gradientenbild, also einem Schwarz-Weiß-Bild, nach einer Kantenerkennung. Das Verfahren wurde 1962 von Paul V. C. Hough unter dem Namen „Method and Means for Recognizing Complex Patterns“ patentiert.

Zur Erkennung von geometrischen Objekten wird ein Dualraum erschaffen (speziell: Parameterraum, Hough-Raum), in den für jeden Punkt im Bild, der auf einer Kante liegt, alle möglichen Parameter der zu findenden Figur im Dualraum eingetragen werden. Jeder Punkt im Dualraum entspricht damit einem geometrischen Objekt im Bildraum. Bei der Geraden kann das z. B. die Steigung und der y-Achsen-Abschnitt sein, beim Kreis der Mittelpunkt und Radius. Danach wertet man den Dualraum aus, indem man nach Häufungen sucht, die dann der gesuchten Figur entsprechen.

Quelle: @article{ILLINGWORTH198887,
title = {A survey of the hough transform},
journal = {Computer Vision, Graphics, and Image Processing},
volume = {44},
number = {1},
pages = {87-116},
year = {1988},
issn = {0734-189X},
doi = {https://doi.org/10.1016/S0734-189X(88)80033-1},
url = {https://www.sciencedirect.com/science/article/pii/S0734189X88800331},
author = {J. Illingworth and J. Kittler},
}

# Classification of Autonomous Self-Driving

Die Society of Automotive Engineers (SAE) definiert derzeit 6 Stufen der Fahrautomatisierung, die von Stufe 0 (vollständig manuelles Fahren) bis Stufe 6 (vollständig autonomes Fahren) reichen. Diese Stufen wurden vom US-amerikanischen Verkehrsministerium übernommen.

Fig. - Five Level of Autonomous Self-Driving

Source: @Online {AutomatedVehiclesforSafetyNHTSA-2022-01-25, title = {Automated Vehicles for Safety | NHTSA}, date = {2022-01-25}, year = {2022}, file = {:./references/technology-innovation-automated-vehicles-safety.html:html}, url = {https://www.nhtsa.gov/technology-innovation/automated-vehicles-safety}, urldate = {2022-01-25}}

1. Level 0 No Automation
- Manual control. The human performs all driving tasks (steering, acceleration, braking etc.)
2. Level 1 Driver Assistance
- Vehicle is controlled by the driver but some driving assist features may be included in the vehicle design.
3. Level 2 Partial Automation
- Vehicle has combined automated functions, like acceleration and steering, but the driver must remain engaged with the driving task and monitor the environment at all times.
4. Level 3 Conditional Automation
- Driver is a necessity, but is not required to monitor the environment. The driver must be ready to take control of the vehicle at all times with notice.
5. Level 4 High Automation
- The vehicle is capable of performing all driving functions under certain conditions. The driver may have the option to control the vehicle.
6. Level 5 Full Automation
- The vehicle is capable of performing all driving functions under all conditions. The driver may have the option to control the vehicle.

# History of Autonomous Self-Driving Vehicles

In der GM-Ausstellung von 1939 entwarf Norman Bel Geddes das erste selbstfahrende Auto. Es handelte sich dabei um ein Elektrofahrzeug das durch funkgesteuerte elektromagnetische Felder gesteuert wurde. Diese elektromagnetischen Felder wurden durch in die Fahrbahn eingelassene magnetisierte Metallspitzen erzeugt. Bis 1958 hatte General Motors dieses Konzept umgesetzt. Die Frontpartie des Fahrzeugs war mit Sensoren ausgestattet die den Strom aus einem in die Strasse eingelassenen Draht erfassen konnten. Der Strom konnte so manipuliert werden dass das Fahrzeug das Lenkrad nach links oder rechts bewegen konnte. 1977 verbesserten die Japaner diese Idee und verwendeten ein Kamerasystem das Daten an einen Computer weiterleitete um Bilder der Straße zu verarbeiten. Allerdings konnte dieses Fahrzeug nur mit einer Geschwindigkeit von weniger als 20 Meilen pro Stunde fahren. Eine Verbesserung kam ein Jahrzehnt später von den Deutschen in Form des VaMoRs. Dies war ein mit Kameras ausgestattetes Fahrzeugs das mit einer Geschwindigkeit von 56 km/h sicher fahren konnte. Mit der Verbesserung der Technologie stieg auch die Fähigkeit der selbstfahrenden Fahrzeuge ihre Umgebung zu erkennen und darauf zu reagieren.(1*)

(1*)
@INPROCEEDINGS{7350466,
author={Bimbraw, Keshav},
booktitle={2015 12th International Conference on Informatics in Control, Automation and Robotics (ICINCO)},
title={Autonomous cars: Past, present and future a review of the developments in the last century, the present scenario and the expected future of autonomous vehicle technology},
year={2015},
volume={01},
number={},
pages={191-198},
doi={}}

Derzeit gelten viele Fahrzeuge auf der Straße als teilautonom da sie über Sicherheitsfunktionen wie Einpark- und Bremsassistenten verfügen. Einige wenige sind in der Lage selbst zu fahren, zu lenken, zu bremsen und zu parken. Die autonome Fahrzeugtechnologie stützt sich auf GPS-Funktionen und fortschrittliche Erkennungssysteme die Fahrbahnbegrenzungen, Schilder und Signale sowie unerwartete Hindernisse erkennen können. Die Technologie ist zwar noch nicht perfekt aber es wird erwartet dass sie sich mit zunehmender Verbesserung immer weiter verbreitet. Manche Prognosen gehen davon aus dass bis zum Jahr 2025 bis zur Hälfte der Autos autonom sein werden. Dutzende von Bundesstaaten haben bereits Gesetze für den Einsatz autonomer Fahrzeuge erlassen um sich auf den Einsatz dieser Technologie vorzubereiten.

# Benefits and Challenges of Autonomous Self-Driving-Vehicles

## Challenges of Autonomous Self-Driving-Vehicles

Völlig autonome Fahrzeuge (Stufe 5) werden in verschiedenen Regionen der Welt getestet aber noch sind sie nicht für die breite Öffentlichkeit verfügbar. Davon sind wir noch Jahre entfernt. Die Herausforderungen reichen von technischen und rechtlichen bis hin zu ökologischen und philosophischen Fragen. Dieser Abschnitt geht auf einige dieser offenen Fragen und Challenges ein.

1. Lidar and Radar

Lidar is expensive and is still trying to strike the right balance between range and resolution.

2. Weather Conditions

Die Wetterbedingungen stellen für autonomes Fahren eine große Herausforderung dar. Wenn wir mit Lane Detection arbeiten, was passiert dann wenn ein autonomes Auto bei starkem Niederschlag fahren? Wenn beispielsweise eine Schneeschicht auf der Straße liegt und die die Fahrbahntrennungen verschwinden. Wie können Kameras und Sensoren die Fahrbahnmarkierungen erkennen wenn diese durch Wasser, Öl, Eis oder Schutt verdeckt sind? Diesen Fragen muss sich die Autoindustrie zukünftig stellen.

3. Traffic Conditions and Laws

Wie verhalten sich autonome Autos in Tunneln? Wie werden sie sich im dichten Verkehr verhalten? Werden autonome Autos auf eine bestimmte Fahrspur verwiesen werden? Werden sie Zugang zur Fahrgemeinschaftsspur erhalten? Und was ist mit den alten Autos, die noch die nächsten 20 oder 30 Jahre auf den Straßen unterwegs sein werden? Wie werden sich neuartige, autonome Fahrzeuge mit nicht-autonomen Fahrzeugen auf der Straße verhalten?

4. State vs. Federal Regulation

Einige Bundesstaaten in den USA haben bereits eine Kilometersteuer für autonome Fahrzeuge vorgeschlagen um die Zunahme von "Zombie-Autos" zu verhindern die ohne Passagiere unterwegs sind. Der Gesetzgeber hat auch Gesetzesentwürfe verfasst die vorsehen dass alle autonomen Autos emissionsfrei sein und einen Panikknopf haben müssen. Werden die Gesetze von Staat zu Staat unterschiedlich sein? Wird es möglich sein mit einem autonomen Auto die Staatsgrenzen zu überqueren?

5. Accident Liability

Wer haftet für Unfälle die durch ein autonomes Auto verursacht werden? Der Hersteller? Der menschliche Beifahrer? Die neuesten Entwürfe deuten darauf hin dass ein vollständig autonomes Fahrzeug der Stufe 5 weder ein Armaturenbrett noch ein Lenkrad haben wird so dass ein menschlicher Beifahrer nicht einmal die Möglichkeit hätte in einem Notfall die Kontrolle über das Fahrzeug zu übernehmen.

6. Artificial vs. Emotional Intelligence

Menschliche Fahrer verlassen sich auf subtile Hinweise und nonverbale Kommunikation. Blickkontakt mit Fußgängern oder das Lesen der Mimik und Körpersprache anderer Fahrer zum Beispiel um in Sekundenbruchteilen Entscheidungen zu treffen und Verhaltensweisen vorherzusagen. Werden autonome Autos in der Lage sein diese Verbindung zu reproduzieren? Werden sie die gleichen lebensrettenden Instinkte haben wie menschliche Fahrer? Wie soll dies umgesetzt werden?

## Benefits of Autonomous Self-Driving-Vehicles

Es wird erwartet dass autonome Fahrzeuge eine Reihe von Vorteilen mit sich bringen aber der wichtigste dürfte wohl die Verbesserung der Sicherheit auf den Straßen sein. Die Zahl der Unfälle die durch Fahruntüchtigkeit verursacht werden wird wahrscheinlich deutlich zurückgehen da Autos nicht wie menschliche Fahrer durch Alkohol- und Drogenkonsum in ihrer Fahrweise beeinträchtigt werden können. Selbstfahrende Autos werden auch nicht schläfrig und müssen sich keine Sorgen machen dass sie durch Textnachrichten oder Mitfahrer im Fahrzeug abgelenkt werden. Und es ist unwahrscheinlich dass ein Computer aufgrund von Verkehrsrowdytum in einen Unfall verwickelt wird. In einem Bericht der National Highway Traffic Safety Administration aus dem Jahr 2015 wurde festgestellt dass 94 Prozent der Verkehrsunfälle auf menschliches Versagen zurückzuführen sind: Indem wir den Menschen aus der Gleichung herausnehmen dürften selbstfahrende Fahrzeuge die Straßen für alle viel sicherer machen.

Weiterhin gibt es wohl genügend Beispiele die man sich für mehr Bequemlichkeit und Verbesserung der Lebensqualität in Bezug auf autonomes Fahren vorstellen kann. Ältere und körperlich eingeschränkte Menschen wären unabhängig. Ein autonomes Auto könnte Dinge ausliefern oder Personen die nicht alt genug sind um selbst zu fahren transportieren ohne dass es manpower binden würde.

Das eigentliche Versprechen der autonomen Autos ist jedoch das Potenzial für eine drastische Senkung der CO2-Emissionen und der Unfallzahlen. In einer aktuellen Studie haben Experten drei Trends ausgemacht die bei gleichzeitiger Umsetzung das volle Potenzial autonomer Autos freisetzen würden:

- Fahrzeugautomatisierung
- Elektrifizierung von Fahrzeugen und
- Ridesharing.

Bis 2050 könnten diese "drei Revolutionen im städtischen Verkehr" Folgendes bewirken:

- die Verkehrsüberlastung verringern (30 % weniger Fahrzeuge auf der Straße)
- die Transportkosten um 40 % senken (in Bezug auf Fahrzeuge, Kraftstoff und Infrastruktur)
- Verbesserung der Fußgängerfreundlichkeit und Lebensqualität
- Freie Parkplätze für andere Zwecke (Schulen, Parks, Gemeindezentren)
- Reduzierung der städtischen CO2-Emissionen um 80 % weltweit
- Verringerung der Unfälle auf Grund von Unachtsamkeit im Straßenverkehr

@article{doi:10.1177/1541931213601332,
author = {Michael A. Nees},
title ={Acceptance of Self-driving Cars: An Examination of Idealized versus Realistic Portrayals with a Self- driving Car Acceptance Scale},
journal = {Proceedings of the Human Factors and Ergonomics Society Annual Meeting},
volume = {60},
number = {1},
pages = {1449-1453},
year = {2016},
doi = {10.1177/1541931213601332},
URL = { https://doi.org/10.1177/1541931213601332},
eprint = {
https://doi.org/10.1177/1541931213601332}}}

# Legal and Ethical Constraints of Autonomous Self-Driving-Vehicles

Im folgenden Abschnitt wird auf legale und ethische Constraints of Autonomous Self-Driving-Vehicle in Bezug auf das autonome Fahren eingegangen.

1. Verantwortlichkeit bei Unfällen

Die erste ethische Frage soll die nach der Verantwortung für Unfälle sein die durch selbstfahrende Autos verursacht werden. Liegen Unfälle in der Verantwortung des Fahrers, der Autohersteller oder der Ingenieure der Software? Einige sind der Meinung dass die Situation zu komplex ist und dass man Unfälle einfach geschehen lassen sollte. Andere halten es für unethisch wenn Menschen über das Leben anderer Menschen entscheiden und zufällige Unfälle begünstigen.

2. Unternehmen, Regierungen und politische Entscheidungsträger legen fest wie das Auto entscheidet

Man könnte auch argumentieren dass es unethisch ist wenn jemand anderes als man selbst über das eigene Schicksal bei einem Autounfall bestimmt. Im Fall der selbstfahrenden Autos haben die Ingenieure die Technologie auf der Grundlage ihrer ethischen Vorstellungen entwickelt. Was sie für richtig und falsch halten steuert das autonome Auto und ihre Entscheidung beeinflusst das Leben des Fahrers der Passagiere und der Umstehenden. Auch die Politik und die Regierung versuchen Regeln und Vorschriften für selbstfahrende Autos aufzustellen was zusätzlichen Einfluss auf Fahrer, Beifahrer und Umstehende hat. Da dies den Menschen die Macht gibt über das Leben anderer Menschen zu bestimmen fühlen sich viele unwohl und halten selbstfahrende Autos für unethisch. Das weitverbreiteste Argument ist dabei der Glaube dass man nicht von anderen kontrolliert werden sollte.

Deutschlands Regierung hat bereits versucht die ethischen Probleme von selbstfahrenden Autos mit konkreten Richtlinien zu lösen und eine Ethikkomission zum Thema vernetztes und autonomes Fahren gegründet. (siehe Quelle @Online {berichtderethikkommissionpdf-2020-08-05, title = {bericht-der-ethik-kommission.pdf}, date = {2020-08-05}, year = {2020}, file = {:./references/SharedDocs-DE-Publikationen-DG-bericht-der-ethik-kommission.pdf.html:html}, url = {https://www.bmvi.de/SharedDocs/DE/Publikationen/DG/bericht-der-ethik-kommission.pdf?__blob=publicationFile}, urldate = {2022-01-26}})

Die Grundsätzliche Forderung aus der entstandenen Richtlinie lautet wir folgt:

"Selbstfahrende Autos sollten immer versuchen, den Tod von Menschen zu minimieren, und sie sollten nicht zwischen Individuen aufgrund von Alter, Geschlecht oder anderen Faktoren diskriminieren. Menschenleben sollten auch immer Vorrang vor Tieren oder Eigentum haben".

Deutschland ist der Ansicht dass selbstfahrende Autos auf der Grundlage von Präzedenzfällen die von der Regierung festgelegt wurden ethische Entscheidungen darüber treffen sollten wer gerettet oder geschädigt werden soll. In einer von Science veröffentlichten Studie sprachen sich mehr als 75 % der Teilnehmer für diesen utilitaristischen Ansatz aus. Die anderen 25 % waren jedoch nicht der Meinung dass der Staat in ihr Leben eingreifen sollte. Sie glauben nicht dass die Regierung das Recht hat dem Leben einen Wert beizumessen. Die Gegner des selbstfahrenden Autos haben triftige Gründe dagegen da die Menschen unterschiedliche Ansichten über Ethik haben.

3. Datenspeicherung und Hacker stellen eine Bedrohung für die Gesellschaft dar

Damit selbstfahrende Autos effizient arbeiten können müssen über die Sensoren des Fahrzeugs große Mengen an Daten gesammelt werden. Während der Fahrt speichern autonome Autos kontinuierlich Daten über ihre Umgebung die es ihnen ermöglichen zu lernen und intelligenter zu werden. Dies wirft viele Sicherheitsprobleme auf da selbstfahrende Autos große Datenmengen speichern. Darunter sind die Aufenthaltsorte von Fahrer und Beifahrer, die Kommunikation des Fahrers, wenn das Mobiltelefon angeschlossen ist, und Gespräche zwischen Fahrer und Beifahrer im Fahrzeug. Menschen die gegen autonome Autos sind halten es für unethisch dass selbstfahrende Autos diese Art von persönlichen und sensiblen Informationen sammeln. Ein Missbrauch der Daten könnte sich nachteilig auf die Identität, die Finanzen und den Lebensunterhalt einer Person auswirken.

Außerdem ist die Angst groß dass Kriminelle das Auto hacken und fernsteuern könnten. Selbstfahrende Autos verfügen über mehrere Verbindungspunkte. Darunter das Computer Area Network, die Bremsen, der Antriebsstrang, die Verbindungen zwischen dem Auto und dem Hersteller, die Verbindungen zwischen dem Auto und anderen autonomen Fahrzeugen sowie jede verkabelte öffentliche Infrastruktur. Diese Verbindungen können gehackt werden und wenn sie in die falschen Hände geraten kann dies zu schweren Schäden führen. Aufgrund des erhöhten Risikos von selbstfahrenden Autos sind viele der Meinung dass sie unsicher sind.