ПРАВИТЕЛЬСТВО РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования
«НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ
«ВЫСШАЯ ШКОЛА ЭКОНОМИКИ»
Московский институт электроники и математики им. А.Н. Тихонова
Выпускная квалификационная работа -- магистерская диссертация
Исследование и разработка модели сбора данных о дорожном покрытии в промышленном интернете вещей
по направлению 090401 Информатика и вычислительная техника
студент Соломатина Татьяна Анатольевна
образовательной программы магистратуры
«Компьютерные системы и сети»
Научный руководитель:
к.т.н‚, проф. б Л‚С. Восков
Москва 2019
Аннотация
В современном мире безопасность на дорогах является важным аспектом, так как ежесекундно миллионы людей используют транспорт. Цель данной магистерской диссертации - разработать модель сбора данных о дорожном покрытии в промышленном Интернете вещей для повышения безопасности дорожного движения путем оповещения о возможных опасных участках дороги. В ходе данной работы была разработана модель, имеющая возможность отслеживать срабатывание системы курсовой устойчивости автомобиля, а также визуализировать полученные данные на панели мониторинга. Данная модель облегчает сбор данных об опасных участках на дорогах независимо от погодных условий. В дальнейшем предполагается разработка модуля сбора данных с системы курсовой устойчивости с реального автомобиля.
Объем данной работы составляет 67 страниц, включая титульный лист, аннотации, оглавление и приложения. Магистерская диссертация содержит 25 иллюстраций, поясняющие принципы технологий, а также с демонстрационными примерами работы модели, 3 таблицы сравнительного анализа, 10 таблиц и 8 формул, используемых в методе принятия решений. В работе было использовано 29 источников информации.
Abstract
Now road safety is an important aspect because millions of people use transport every second. The purpose of this master's thesis is development model of data collection on road surface in the industrial Internet of things to increase road safety by warning about possible dangerous sections of the road surface. In this work, a model was developed that can track the response of ESP, as well as visualize the data obtained in the dashboard. This model facilitates data collection on dangerous areas on roads disregarding the weather conditions. It is planned to develop a module of data collection from real car ESP in the further research.
The volume of this paper is 67 pages, including the title page, summary, table of contents and applications. The master's thesis contains 25 illustrations that explain the principles of technology, as well as demonstration examples of the work of the model, 3 tables of comparison analysis, 10 tables and 8 formulas that are used in decision-making method. In this thesis 29 sources of information were used.
Оглавление
Введение
Глава 1. Обзор и анализ методов сбора данных о дорожном покрытии
1.1 Обзор существующих методов сбора данных о дорожном покрытии
1.2 Сравнительный анализ методов сбора данных о дорожном покрытии
Выводы по 1 главе
Глава 2. Выбор платформы для моделирования
2.1 Обзор существующих платформ для моделирования
2.2 Сравнительный анализ платформ для моделирования
Выводы по 2 главе
Глава 3. Выбор протокола передачи данных
3.1 Обзор существующих протоколов передачи данных для интернета вещей
3.2 Сравнительный анализ протоколов передачи данных для интернета вещей
Выводы по 3 главе
Глава 4. Теоретическая часть
4.1 Разработка модели
4.1.1 Описание модели сбора данных
4.1.2 Подключение дополнительных сервисов
Глава 5. Экспериментальная часть
5.1 Создание основы модели сбора данных
5.1.1 Подготовка виртуального устройства ESP
5.1.2 Создание и настройка виджета карты
5.1.3 Создание и настройка панели мониторинга
5.2 Разработка приложения
5.3 Экспериментальная проверка
5.3.1 Отправление и получение текущего местоположения
5.3.2 Отправление и получение тестовых данных
5.3.3 Проведение эксперимента на автомобиле
Вывод по 5 главе
Заключение
Список литературы
Приложение А
Приложение Б
Введение
В современном мире технологий человека окружает огромное количество информации, которую необходимо анализировать для отслеживания того, что происходит вокруг в данный момент. Самому человеку сложно ориентироваться в таком огромном количестве поступающей информации, поэтому здесь на помощь приходят современные технологии, позволяющие автоматизировать сбор информации и представление ее в удобный вид для анализа, а также позволяющие автоматизировать непосредственно анализ информации, если это необходимо.
На данный момент для сбора и анализа данных используется концепция, называемая Интернет вещей (IoT - Internet of Things).
Концепция интернета вещей подразумевает под собой объединение в сеть устройств, датчиков, сенсоров, используя один протокол доступа к глобальной сети.
В том случае, если речь идет о производственных процессах, тогда используют понятие промышленного или, другими словами, индустриального интернета вещей (IIoT - Industrial Internet of Things) [1,2].
Промышленный интернет вещей может найти применение в различных сферах - здравоохранении, транспорте, производстве, финансах, энергетике, строительстве, а также в добыче полезных ископаемых.
К примеру, в случае производства это автоматизация производственных процессов, а в случае транспорта это может быть управление и обслуживание.
Предметной областью данного исследования служит сфера безопасности транспорта в промышленном интернете вещей, а именно повышение безопасности на дорогах.
По статистическим данным аварийности на дорогах за последние несколько лет (2016 - 2018) наименее удачным был 2017 год, а наиболее безопасным 2018.
Количество ДТП в 2018 году снизилось на 6%, количество раненых - на 4%, а количество погибших в ДТП - на 16% [3]. Однако, используя дополнительные способы предупреждения о потенциальной опасности на дороге данные показатели можно улучшить.
В данной сфере для повышения безопасности на дорогах, с использованием концепции промышленного интернета вещей было проведено мало исследований и разработок.
Необходимость разработки подтверждается в следующем источнике - [4], поэтому проведение данного исследования актуально на сегодняшний день. дорожный автомобиль устойчивость мониторинг
Данное исследование и разработка направлены на повышение безопасности на дорогах путем предупреждения водителей об опасных участках на дорогах, отображая опасные места на карте.
Для осуществления предупреждения водителей о проблемах на дороге в данной работе предлагается метод сбора данных с системы курсовой устойчивости автомобиля (ESP - Electronic Stability Program) [5], которая позволяет сохранить устойчивость и управляемость автомобиля в сложных и критических ситуациях на дороге.
Система курсовой устойчивости включает в себя другие системы безопасности, такие как антиблокировочную систему тормозов (ABS) [6], антипробуксовочную систему (ASR) [7], систему распределения тормозных усилий (EBD) [8] и электронную блокировку дифференциала (EDS) [9,10].
Кроме вышеперечисленных систем в системе ESP входят блок управления, гидравлический блок и следующие датчики: датчики ускорения (поперечного и продольного), датчик давления в тормозной системе, датчик скорости поворота, датчик угла поворота рулевого колеса, датчики угловой скорости колес.
Блок управления считывает показания датчиков, отражающие действия водителя, передавая при необходимости управляющие воздействия на устройства систем безопасности, входящих в систему ESP.
Система срабатывает в том случае, когда возникает аварийная ситуация. Ситуация считается аварийной тогда, когда фактические показания датчиков отличаются от желаемых показаний.
Таким образом, когда срабатывает система, можно определить состояние дорожного покрытия на конкретном участке дороги, учитывая, к примеру, погодные условия.
Если срабатывание произошло зимой или дождливую погоду, можно сказать, что на данном участке дороге скользко и нужно быть крайне внимательным.
Однако, не всегда срабатывание системы говорит о скользком участке дороги или плохих погодных условиях.
На дороге может быть разлито масло, или же произошло резкое торможение или ускорение одного из участников дорожного движения, вследствие чего сработала система, поэтому при разработке модели сбора данных в данной работе погодные условия учитываться не будут.
Объектом исследования являются платформы для моделирования инфраструктуры промышленного интернета вещей.
Предметом исследования являются сбор и визуализация данных о дорожном покрытии в промышленном интернете вещей.
Основными целями данной выпускной квалификационной работы являются исследование и разработка модели сбора данных о дорожном покрытии в промышленном интернете вещей.
Для достижения поставленных целей необходимо решить следующие поставленные задачи:
ѕ Обзор и анализ методов сбора данных о дорожном покрытии.
ѕ Выбор платформы для моделирования.
ѕ Выбор протокола передачи данных.
ѕ Разработка и экспериментальная проверка разработанной модели сбора данных о дорожном покрытии.
На рисунке 1 цели и задачи данной выпускной квалификационной работы представлены в виде дерева целей.
Рис. 1. Дерево целей
Новизна данного исследования заключается в разработке модели сбора данных о дорожном покрытии с системы курсовой устойчивости автомобиля в промышленном интернете вещей.
С помощью сбора данных с системы курсовой устойчивости появится возможность дополнительно повысить безопасность на дорогах.
Практическая значимость данного исследования заключается в обеспечении возможности мониторинга качества дорог водителями автомобилей для объезда опасных участков, а также дорожными и коммунальными службами для повышения безопасности и качества дорог.
Критериями оценки эффективности данной выпускной квалификационной работы считаются:
ѕ Исследованы существующие решения по сбору данных о дорожном покрытии.
ѕ Выбрана платформа для моделирования.
ѕ Разработана модель сбора данных о дорожном покрытии:
· Собираются геоданные о местоположении срабатывания системы.
· Данные отображаются на карте.
Глава 1. Обзор и анализ методов сбора данных о дорожном покрытии
На сегодняшний день известно несколько методов сбора информации о дорожном покрытии: используя информационные технологии - бесконтактный, и, специальные устройства, которые оценивают качество дорожного покрытия при контакте с дорогой.
В методе, использующем специальные устройства для сбора информации о дорожном покрытии, эти устройства делятся на устройства внешней оценки и устройства глубинной оценки [11].
В данной главе будут рассмотрены существующие методы сбора данных о дорожном покрытии, а также будет проведен сравнительный анализ и принято решение о доработке одного из существующих методов или разработке нового с нуля в настоящей дипломной работе.
1.1 Обзор существующих методов сбора данных о дорожном покрытии
Проект «Дороги России». Проект «Дороги России» [12,13] -- это некоммерческий проект от компании Google, который помогает в оценке дорожного покрытия по России.
Для оценки необходимо наличие мобильного телефона и установленное на нем приложение.
При помощи акселерометра в процессе поездки приложение учитывает колебания подвески автомобиля, а также его характеристики движения, затем собранные данные отправляются на сервер, где отображаются на карте.
Преимущества:
1. Удобно смотреть состояние дорожного покрытия в процессе поездки.
2. Простота в использовании.
3. Возможность добавлять собственные материалы.
4. Высокая точность определения состояние дорожного покрытия.
5. Разделение данных как от водителя, так и от пешехода.
Недостатки:
1. Поверхностная оценка состояния дорожного полотна.
2. На данный момент оценка состояния дорог производится только в городах - миллионниках.
RoadBotics. RoadBotics [14] -- это интеллектуальная система отслеживания качества дорог.
В данной системе мониторинг качества дорог производится с помощью нейросетей и камеры телефона с GPS [15]. Телефон устанавливается в автомобиле перед лобовым стеклом камерой на дорогу.
Во время поездки происходит видеозапись дорожного покрытия, а затем видео вместе с местоположением по wi-fi отправляется, непосредственно на сервер - облачную платформу, где производится попиксельно анализ каждого кадра видео.
В результате проведенного анализа происходит построение карты дорог в реальном времени с указанием состояния дорог различными цветами, где зеленый цвет обозначает нормальное состояние, а красный - критичное, при котором ремонт дороги необходим.