Комп’ютерна система аналізу і прогнозування витрат палива на основі інформації про рух автомобіля

Abstract

У кваліфікаційній роботі магістра досліджено методи і засоби проектування комп’ютерних систем для прогнозування витрат палива, які враховують поведінку руху автомобіля з використанням сенсорів телефонів мобільного зв’язку та діагностичних сканерів. Проведено аналіз особливостей обміну даними між електронним блоком управління автомобіля та сенсорами, у результаті якого визначено принципи функціонування CAN-шини, проаналізовано стандарт OBD II, який передбачає підтримку п’яти базових протоколів обміну повідомленнями та досліджено структуру його інтерфейсу. Розроблено алгоритм та процедури збору даних із сенсорів автомобіля з використанням смартфону, як мобільного терміналу та діагностичного пристрою, сумісного з OBD інтерфейсом, обгрунтовано підходи до прогнозування витрат палива та побудовано відповідні моделі з використанням методів машинного навчання. Розроблено алгоритм та спроектовано архітектуру комп’ютерної системи збору та прогнозування витрат палива з використанням спеціалізованого програмного забезпечення Torque PRO (працює з OBD пристроями) та Real Time GPS Tracker (працює на смартфоні), а також баз даних для зберігання переданих від кінцевих пристроїв даних та формування результатів прогнозування витрат палива.

The master's thesis explores methods and tools for designing computer systems for fuel consumption forecasting, which take into account the behavior of the car using mobile phone sensors and diagnostic scanners. The peculiarities of data exchange between the electronic control unit of the car and sensors are analyzed, as a result of which the principles of CAN bus operation are determined, the OBD II standard is analyzed, which provides support for five basic messaging protocols and the structure of its interface is studied. An algorithm and procedures for collecting data from car sensors using a smartphone as a mobile terminal and a diagnostic device compatible with the OBD interface have been developed, approaches to fuel consumption forecasting have been substantiated and appropriate models have been built using machine learning methods. An algorithm has been developed and the architecture of a computer system for collecting and forecasting fuel consumption has been designed using specialized software Torque PRO (works with OBD devices) and Real Time GPS Tracker (works on a smartphone), as well as databases for storing data transmitted from end devices and formation of fuel consumption forecasting results.