Lista przedmiotów z materiałami udostępnionymi dla studentów

Dla_studentów
  • Increase font size
  • Default font size
  • Decrease font size

Adrian Wójcicki

Elektroniczny moduł analizy stylu jazdy


Electronic driving style analysis module


Opiekun pracy dyplomowej: dr inż. Piotr Korbel prof. ucz.
Praca dyplomowa inżynierska obroniona 2021-03-31
Streszczenie pracy dyplomowej:
Głównym założeniem pracy było opracowanie systemu, który na podstawie danych otrzymywanych z magistrali CAN samochodu jest w stanie określić styl jazdy kierowcy tj. czy jest on agresywny czy spokojny. Najważniejszym elementem systemu było zaprojektowanie urządzenia, które będzie w stanie komunikować się bezprzewodowo z pojazdem i zbierać dane. Dodatkowo musi posiadać możliwość zasilania z gniazda zapalniczki samochodowej. Do zrealizowania projektu wykorzystano platformę Raspberry PI 3B+, wyświetlacz dotykowy, adapter OBD II z komunikacją Bluetooth. W celu zapewnienia funkcjonalności systemu opracowano w środowisku Python dwie aplikacje. Pierwszy program służy do zbierania informacji z systemów diagnostyki pokładowej pojazdu. Druga aplikacja wykorzystuje algorytmy uczeniu maszynowego do analizy gromadzonych danych i określania na ich podstawie stylu jazdy kierowcy. Słowa kluczowe: pojazd, system, komunikacja, oprogramowanie, uczenie maszynowe.
Abstract:
The main assumption of the project was to create a system that, based on the data received from the car's CAN bus, is able to determine the driver's driving style, i.e. whether he is aggressive or rather conservative. The most important element of the system was to design a device that would be able to communicate wirelessly with the vehicle and collect data. Additionally, it must be able to be powered from a car cigarette lighter socket. To realize the project, a Raspberry PI 3B+ platform, a touchscreen display, an OBD II adapter with Bluetooth communication were used. In order to put everything together, two Python applications were created, one for collecting information and the other for data analysis and determination of the driving style with the use of machine learning algorithms. Keywords: vehicle, system, communication, software, machine learning.