Исследование и разработка модели сбора данных о дорожном покрытии в промышленном интернете вещей
Обеспечение безопасности дорожного движения. Сбор данных об опасных участках на дорогах независимо от погодных условий. Разработка модели для отслеживания системы курсовой устойчивости автомобиля. Визуализация полученных данных на панели мониторинга.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | магистерская работа |
| Язык | русский |
| Дата добавления | 07.12.2019 |
| Размер файла | 3,3 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Рис. 22. Имитация срабатывания ESP на нескольких автомобилях
Далее для проверки отображения числа установленных меток на местности карта будет отмасштабирована таким образом, что на ней будут видны города. Отмасштабированная карта с числом меток представлена на рисунке 23. На данном рисунке видно, что было установлено 10 меток и текущего теста включая одну метку из предыдущего, получилось всего установлено 11 меток.
Рис. 23. Отображение числа установленных меток на местности
Вывод: тест пройден успешно, все требования соблюдены, имитировано срабатывание системы контроля устойчивости от нескольких автомобилей, на платформу переданы все тестовые геоданные, переданные данные получены и отображаются верно на карте, при масштабировании карты отображается число установленных меток на местности.
5.3.3 Проведение эксперимента на автомобиле
Целью данного эксперимента является подтверждение возможности снятия показаний с датчиков в автомобиле и отправки данных местоположения автомобиля на платформу ThingsBoard. В данном эксперименте снимались показания с акселерометра, который имитировал датчик поперечного ускорения.
В действительности датчик поперечного ускорения располагается в области ног под сидением водителя [29]. Акселерометр установлен на телефоне и, соответственно, телефон располагался примерно там же, где и датчик поперечного ускорения.
Для того чтобы система курсовой устойчивости вмешалась в работу на управлением автомобиля, необходимы данные с нескольких датчиков, но для простоты эксперимента, данные снимались только с одного.
При резком повороте автомобиля появляется угловое ускорение, которое должно быть компенсировано системой курсовой устойчивости.
Для проведения эксперимента был предоставлен автомобиль Skoda Rapid с мощностью двигателя 110 л.с.
Эксперимент проводился в городских условиях в дождливую погоду, когда на улице шел дождь, на дорогах было много луж. На автомобиле проводился следующий манёвр - резкий разворот в последующей остановкой. На рисунке 24 показаны данные снятые с акселерометра.
На данном рисунке красным графиком по оси Х показано поперечное ускорение. Можно заметить, что при развороте немного была сброшена скорость. Это показывает красный график, находящийся в отрицательной плоскости.
Далее было легкое смещение задней оси автомобиля вправо - легкий занос и затем выравнивание траектории движения с набором скорости, о чем говорит расположение красного графика уже в положительной плоскости.
Рис. 24. Показания с акселерометра
Рис. 25. Метка на карте по проведенному эксперименту
Затем была произведена остановка автомобиля, что показывают уменьшение колебаний в данных. В то время, когда у автомобиля был легкий занос, данные о местоположении были отправлены на платформу ThingsBoard (Рис. 25).
Вывод по 5 главе
был проведен эксперимент по имитации снятия показаний с датчика поперечного ускорения, обязательно входящего в систему курсовой устойчивости. В ходе эксперимента был выполнен разворот на автомобиле с последующей остановкой. В результате при развороте автомобиля были сняты показания с акселерометра, который имитировал датчик поперечного ускорения. Цель эксперимента - показать возможность снятия показаний с датчика и дальнейшей отправкой местоположения на платформу ThingsBoard была достигнута. Таким же образом для повышения точности дальнейших экспериментов можно имитировать снятие показаний одновременно с большего количества датчиков.
Заключение
В ходе выпускной квалификационной работы были исследованы методы сбора данных о дорожном покрытии и разработана модель сбора данных о дорожном покрытии в промышленном Интернете вещей. Были решены следующие поставленные задачи:
1. Проведен обор и анализ методов сбора данных о дорожном покрытии.
2. Проведен сравнительный анализ и выбор платформы для моделирования.
3. Проведен сравнительный анализ и выбор протокола передачи данных.
4. Разработана модель сбора данных о дорожном покрытии.
5. Проведена экспериментальная проверка разработанной модели.
Теоретическая и практическая значимости заключаются в разработке модели сбора данных о дорожном покрытии в промышленном Интернете вещей для повышения безопасности на дорогах путем предупреждения участников дорожного движения. Разработанная модель сбора данных позволяет:
ѕ имитировать срабатывание системы контроля устойчивости от одного автомобиля;
ѕ имитировать срабатывание системы контроля устойчивости от нескольких автомобилей;
ѕ визуализировать собранные данные о местоположении срабатывания системы контроля устойчивости на карте панели мониторинга;
ѕ анализировать собранные геоданные на панели мониторинга.
Данная модель может в будущем использоваться как участниками дорожного движения, так и дорожными службами для выявления каких-либо повреждений дорожного покрытия. Так же данная модель может использоваться совместно с другими методами обнаружения повреждений дорожного покрытия для повышения безопасности. Сбор данных о дорожном покрытии с системы курсовой устойчивости автомобиля может предупреждать о возможных проблемах на дорогах всех участников дорожного движения, независимо оснащен или нет автомобиль данной системой.
В дальнейших разработках предполагается:
ѕ улучшить отображение на карте проставленных меток;
ѕ разработать модуль для сбора данных о срабатывании системы курсовой устойчивости с реального автомобиля;
ѕ доработать временное хранение меток в зависимости от количества срабатываний на местности (в зависимости от уровня опасности);
ѕ добавить голосовое сопровождение при приближении к опасному участку дороги с высоким уровнем опасности;
ѕ исследовать методы обеспечения безопасности при передаче данных с системы курсовой устойчивости на платформу.
С развитием технологий и сетей 5G данная разработка будет оставаться актуальной, ввиду того что технология 5G будет применяться в разработках различных решений для Интернета вещей. Дополнительное предупреждение об опасностях на дорогах всегда очень помогает в предотвращении ДТП. На данный момент проводятся исследования и разработки беспилотных автомобилей, и данная модель сбора данных о дорожном покрытии может так же применяться в данных разработках и, соответственно, помочь в повышении безопасности дорожного движения.
Список литературы
1.Индустриальный интернет. Режим доступа: http://systemsauto.ru/active/esp.html (Дата обращения: 1.12.2018)
2.Технологии и концепции IIoT. Режим доступа: http://systemsauto.ru/active/esp.html (Дата обращения: 1.12.2018)
3.Показатели состояния безопасности дорожного движения. Режим доступа: http://stat.gibdd.ru/ (Дата обращения: 1.12.2018)
4.Система мониторинга и оповещения о качестве дорог. Режим доступа: http://systemsauto.ru/another/monitoring-and-reporting-road-quality.html
(Дата обращения: 1.12.2018)
5.Система курсовой устойчивости. Режим доступа: http://systemsauto.ru/active/esp.html (Дата обращения: 12.01.2019)
6.Антиблокировочная система тормозов. Режим доступа: http://systemsauto.ru/active/abs.html (Дата обращения: 12.01.2019)
7.Антипробуксовочная система ASR в автомобиле. Режим доступа: https://povozcar.ru/automatic-slip-regulation-asr.html (Дата обращения - 12.01.2019)
8.Система распределения тормозных усилий. Режим доступа: http://systemsauto.ru/active/ebd.html (Дата обращения:15.02.2019)
9.Дифференциал. Режим доступа: http://systemsauto.ru/transmission/differential.html (Дата обращения - 14.03.2019)
10.Бескаравайный М.И. Ведущий мост. В кн.: Устройство автомобиля просто и понятно для всех. Москва, 2008. С. 41-43.
?
11.Целых Д. С., Привалов О. О. Устройства для анализа и оценки состояния дорожного покрытия // Технические науки: теория и практика: материалы Междунар. науч. конф. (г. Чита, апрель 2012 г.). -- Чита: Издательство Молодой ученый, 2012. -- С. 74-78. -- URL https://moluch.ru/conf/tech/archive/7/2149/ (дата обращения: 20.01.2019).
12.«Дороги России» - мониторинг качества дорожного покрытия. Режим доступа: https://te-st.ru/entries/russian-roads/ (Дата обращения - 6.03.2019)
13.Дороги России - новый сервис качества дорог на Android. Режим доступа: http://android4all.ru/soft/gps/664-dorogiru-dlja-android. (Дата обращения: 6.03.2019)
14.RoadBotics. Режим доступа: https://roadbotics.com/ (Дата обращения: 6.03.2019)
15.Нейросеть мониторит качество городских дорог и создает карту с оценками. Режим доступа: https://neurohive.io/ru/novosti/road-assessment/ (Дата обращения: 6.03.2019)
16.Цибизова Т.Ю., Карпунин А.А. ПРИМЕНЕНИЕ МЕТОДА АНАЛИЗА ИЕРАРХИЙ В ОЦЕНКЕ КАЧЕСТВА ПРОЦЕССОВ УПРАВЛЕНИЯ // Современные проблемы науки и образования. - 2015. - № 2-1.;
Режим доступа: http://www.science-education.ru/ru/article/view?id=20847 (дата обращения: 11.03.2019).
17.Чернышов, В.Н. Теория систем и системный анализ. Тамбов, 2008. - 96 с.
18.IBM Watson IoT. Режим доступа: https://www.ibm.com/ru-ru/internet-of-things (Дата обращения: 15.03.2019)
19.Использование платформы Microsoft Azure IoT Suite для автоматизации управления предприятиями. Режим доступа: http://nauka-rastudent.ru/39/4161/ (Дата обращения: 15.03.2019)
20.Документация по IoT Suite. Режим доступа: https://azure.microsoft.com/ru-ru/documentation/suites/iot-suite/ (Дата обращения: 15.03.2019 г.)
21.Документация ThingsBoard. Режим доступа: https://thingsboard.io/docs/ (Дата обращения: 10.03.2019)
22.Документация Iotify. Режим доступа: https://iotify.help/ (Дата обращения: 10.03.2019)
23.PTCThingWorx. Режим доступа: http://www.tadviser.ru/index.php/%D0%9F%D1%80%D0%BE%D0%B4%D1%83%D0%BA%D1%82:PTC_ThingWorx (Дата обращения: 15.03.2019)
24.Протокол CoAP. Режим доступа: http://microsin.net/adminstuff/others/coap-protocol.html (Дата обращения: 18.03.2019)
25.MQTT 101. Режим доступа: https://www.hivemq.com/blog/how-to-get-started-with-mqtt/ (Дата обращения:18.03.2019)
26.MQTT: Enabling the Internet of Things. Режим доступа: https://www.ibm.com/developerworks/community/blogs/c565c720-fe84-4f63-873f-607d87787327/entry/tc_overview?lang=en (Дата обращения:18.03.2019)
27.XMPP versus MQTT: comparing apples with pears. Режим доступа: https://servicelab.org/2015/05/08/xmpp-versus-mqtt-comparing-apples-with-pears/ (Дата обращения: 18.03.2019)
28.XMPP. Режим доступа: http://www.xmpp-iot.org/ (Дата обращения: 18.03.2019)
29.ESP - Электронно-стабилизационная программа. Конструкция и функционирование. Режим доступа https://vwts.ru/all_brake.html (Дата обращения: 30.04.2019)
Приложение А
Архитектурная схема модели
Приложение Б
Код приложения эмулятора ESP
Размещено на Allbest.ru
Подобные документы
Осуществление анализа предметной области и определение модели базы данных. Реализация базы данных в среде Microsoft Access. Создание и исследование формы ввода информации, запросов с условиями выбора, диаграмм по результатам вычислений и отчетов.
курсовая работа [246,1 K], добавлен 19.10.2013Разработка программы, моделирующей торможение автомобиля, с использованием языка С+. Определение тормозного пути с учетом погодных условий, свойств резины, состояния тормозной системы, дорожного покрытия; интерфейс, защита от некорректно введенных данных.
курсовая работа [474,8 K], добавлен 27.07.2013Описание торговой сети, сбор данных, которые должны содержаться в базе данных. Определение сущностей и атрибутов и построение концептуальной модели. Переход к физической модели. Определение таблиц, полей и типов данных. Определение связей между таблицами.
курсовая работа [1,5 M], добавлен 31.03.2015Разработка структурной схемы системы. Выбор и обоснование не указанных в задании элементов. Анализ временных параметров системы. Разработка файла конфигурации для системы сбора-обработки данных на языке AHDL. Моделирование цифровой части системы.
курсовая работа [1,1 M], добавлен 26.10.2014Даталогическая и инфологическая модели системы управления базой данных футбольного клуба. Обоснование выбора даталогической модели данных. Разработка структуры и системы управления базой данных. Выбор системы программирования, создание форм ввода.
курсовая работа [406,0 K], добавлен 24.12.2014Разработка информационно-аналитической системы агентства недвижимости. Обоснование выбора архитектуры базы данных и СУБД. Моделирование потоков данных (DFD диаграмм). Проектирование инфологической модели данных с использованием модели "сущность-связь".
дипломная работа [5,4 M], добавлен 06.06.2013Системный анализ предметной области. Построение концептуальной и даталогичной модели базы данных. Физическое проектирование базы данных. Описание функциональной модели системы управления базами данных. Разработка экранных форм ввода-вывода и отчета.
курсовая работа [1,1 M], добавлен 09.12.2014Особенности разработки инфологической модели и создание структуры реляционной базы данных. Основы проектирования базы данных. Разработка таблиц, форм, запросов для вывода информации о соответствующей модели. Работа с базами данных и их объектами.
курсовая работа [981,4 K], добавлен 05.11.2011Система контроля и управления доступом на предприятии. Анализ обрабатываемой информации и классификация ИСПДн. Разработка модели угроз безопасности персональных данных при их обработке в информационной системе персональных данных СКУД ОАО "ММЗ".
дипломная работа [84,7 K], добавлен 11.04.2012Построение логической модели базы данных "Сбор сведений о писателях и их литературных произведениях". Описание таблиц и построение физической модели системы. Проектирование базы данных в XML и разработка клиентской части в среде программирования C#.
курсовая работа [817,3 K], добавлен 13.01.2015
