Este documento descreve um sistema embarcado para análise e classificação da condução de motoristas. O sistema captura dados do barramento CAN do veículo, como velocidade, RPM e pressão no pedal do acelerador, e usa algoritmos de inteligência artificial como k-vizinhos mais próximos para classificar o comportamento do motorista com base em frenagens e trocas de marcha. O documento discute os componentes do sistema, como Arduino, CAN-Shield e cabo OBD-II, além da metodologia para captura e análise dos dados em tempo real.
2. Capítulo I: Introdução
Capítulo II: Fundamentação Teórica
Capítulo III: Captura de Dados no Barramento CAN
Capítulo IV: Processamento dos Dados
Capítulo V: Interface com Usuário
Capítulo VI: Trabalhos Futuros
2
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
3. Redes Automotivas Como Área De Grande Interesse Na Computação:
Mercados de Carros Autônomos, Segurança e Aplicativos para Automóveis.
Barateamento e Aumento da Capacidade Computacional de Sistemas Embarcados.
Espaço para Aplicação com Algoritmos Complexos (Inteligência Artifical).
3
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
4. 4
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Source : Wired
5. CAN (Controller Area Network)
Protocolo de rede mais empregado nos véiculos atuais.
Utilizado para controlar ECUs (Eletronic Control Unit).
Controle de sistemas veiculares como Freios ABS e AirBag.
Podem conter mais de 50 ECUs conectadas entre si.
Alta quantidade de dados trafegando dentro do veículo.
5
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
6. 6
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Source : hollisbrothersauto.com
7. Embedded Systems (Sistemas Embarcados)
Sistemas eletrônicos com tamanho e e capacidade computacional reduzidos.
Sistemas com propósito específico.
Sua evolução tem possibilitado a criação de aplicações que demandam maior poder
computacional, como aplicações com Inteligência Artificial.
7
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
8. 8
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Source : PixShark.com
9. Tecnologias Móveis e a Exigências Por Novos Serviços
A democratização das tecnologias móveis e o conceito de nuvem condicionando usuários a
reinvidicar novos serviços disponíveis em todo lugar.
9
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
10. 10
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Source : eng-cs.syr.edu
11. 11
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Observar Tráfego Intraveicular
Processar Os Dados
Classificar o Comportamento do
Motorista
Dados em Tempo Real na Web
13. Redes Automotivas
CAN – Controller Area Network
Mensagem CAN
Arbitração
Verificação de Erro
Inteligência Artificial
kNN – K Nearest Neighboor Algorithm
13
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
14. Redes Automotivas
Carros estão se tornando cada vez mais eletrônicos com dispositivos conectados entre si para
MONITORAR e CONTROLAR o estado do veículo.
Diversos tipos de redes intraveiculares, cada qual com suas particularidades:
Largura de Banda.
Custo.
Complexidade.
Exemplos de Redes Intraveiculares:
LIN (Local Interconnect Network).
FlexRay.
MOST (Media Oriented Systems Transport).
CAN (Controller Area Network).
14
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
15. CAN – Controller Area Network
Protocolo desenvolvido pela BOSCH como solução para o ambiente intraveicular, robusta à
interferência eletromagnética e de baixo custo de implementação.
Protocolo de comunicação BROADCAST, onde todos os nós conectados na rede têm acesso às
mensagens trocadas.
15
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
16. 18
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Campos da mensagem do Standard CAN [3].
CAN – Controller Area Network
Mensagem CAN
O protocolo CAN possui duas variações de composição de campos de mensagem:
Standard CAN possui 11 bits de ID.
Extended CAN possui 29 bits de ID.
ID: Campo responsável por identificar e por definir a prioridade das mensagens.
IDE: Bit responsável por identificar o padrão utilizado (Standard ou Extended ).
DLC: Indica a quantidade de bytes de dados sendo transmitidos.
DATA: Composto pelos dados sendo transmitidos.
17. 19
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
CAN – Controller Area Network
Arbitração
A arbitração é uma característica fundamental do protocolo CAN que garante que mensagens
com maior prioridade poderão trafegar no barramento sem colisões ou erros.
Se dois nós tentam ocupar o barramento no mesmo instante, o acesso ao barramento é
implementado de maneira não destrutiva com uma arbitração bit a bit, garantindo o
barramento para a mensagem com o menor valor de Identifier [3].
Para que a arbitração aconteça, cada nó segue verificando o barramento à medida que
transmite, possibilitando uma comparação entre bit enviado e bit presente no barramento.
Caso uma mensagem com maior prioridade esteja presente no barramento, o nó para
imediatamente a sua transmissão.
18. 20
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
CAN – Controller Area Network
Arbitração
Exemplo de arbitração no barramento CAN.
19. CAN – Controller Area Network
Verificação de Erro
A robustez do protocolo CAN pode ser atribuída em parte ao abundante procedimento de
verificação de erros.
O protocolo CAN possui cinco diferente métodos de checagem de erro:
Três em nível de mensagem.
Dois em nível de bits.
Se a mensagem falhar em qualquer um deles, esta não é aceita pelo receptor e uma
mensagem de erro é gerada no barramento, obrigando o emissor a reenviar a mensagem até
que esta seja recebida corretamente.
Se um nó começar a enviar mensagens de erro continuamente no barramento, sua capacidade
de transmissão é removida por seu controlador após atingir um limite máximo de mensagens
[3].
21
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
20. Inteligência Artificial
Área da computação responsável por estudar e desenvolver algoritmos capazes de
RECONHECER e CLASSIFICAR padrões, como por exemplo:
Reconhecimento de Fala.
Identificação Biométrica.
Existem diversos algoritmos de IA existentes na literatura:
Redes Neurais.
Árvores de Decisão.
kNN – K Nearest Neighboor Algorithm.
Utilizou-se IA neste projeto com o objetivo de classificar o comportamento do motorista de
maneira AUTOMATIZADA ao término de um período de direção.
22
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
21. Inteligência Artificial
kNN – K Nearest Neighboor
Algoritmo baseado em instância, por não precisar ‘ensinar’ a máquina previamente. Ou seja,
todo o processamento é transferido para o processo de classificação, sendo o processo de
aprendizagem apenas o armazenamento do conjunto de treinamento.
Conjunto de Treinamento: Grupo de objetos cujas características têm valores conhecidos, e suas
classes definidas.
Objeto de Análise: Objeto cujas características têm valores conhecidos, e cuja classe se deseja
descobrir baseado nas informações do Conjunto de Treinamento.
Vetor de Características: Sequência de características de um objeto dada por:
𝑎1 𝑥 , 𝑎2 𝑥 , … , 𝑎 𝑛 𝑥 (2.1)
onde an(x) denota a r-ésima característica do elemento x.
23
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
22. Inteligência Artificial
kNN – K Nearest Neighboor
Distância Euclidiana: A distância Euclidiana entre duas instâncias xi e xj é dada por d(xi,xj), onde:
𝑑 𝑥𝑖, 𝑥𝑗 = (𝑎 𝑟 𝑥𝑖 − 𝑎 𝑟(𝑥𝑗))2𝑛
𝑟=1 (2.2)
Calculadas as distâncias entre todos os elementos do Conjunto de Treinamento e o Elemento de
Análise, escolhem-se os K elementos mais próximos. A classe com maior incidência dentre esses
K elementos é então escolhida para classificar o elemento de análise.
24
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
24. Introdução
Componentes Utilizados
Arduino Uno
CAN-Shield
Cabo OBD-II
Metodologia
Funcionamento
26
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
25. Introdução
Etapa inicial do projeto cujo objetivo era ACESSAR o barramento CAN de um carro em
funcionamento, e colher informações a respeito do status do veículo.
Construi-se um sniffer* para se conectar à entrada de diagnósticos automotivos conhecida
como OBD-II para colher, em tempo real, informações como:
Velocidade Instantânea.
Rotações por Minuto.
Pressão exercida no pedal do acelerador.
Estes dados foram então salvos em arquivos de log pra serem utilizados na etapa descrita no
próximo capítulo.
27
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
*Em redes de computadores, sniffer é o termo designado para uma ferramenta de hardware ou software
capaz de se conectar a uma rede, interceptar e registrar o tráfego de dados. Esta ferramenta ainda é capaz
de capturar cada pacote, decodificá-lo e analisar seu conteúdo [6].
26. Componentes Utilizados
Arduino Uno
O Arduino é a placa com microcontrolador baseada no ATmega328:
14 saídas/entradas digitais (das quais 6 podem ser utilizadas como saídas PWM (Pulse-Width
Modulation).
6 saídas analógicas.
Um cristal de quartzo de 16MHz.
Uma conexão USB, uma entrada de energia, e um botão de reset.
28
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
27. Componentes Utilizados
Arduino Uno
29
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Arduino Uno.
28. Componentes Utilizados
Arduino Uno
30
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Especificações técnicas do Arduino Uno
29. Componentes Utilizados
CAN-Shield
Esta foi a placa utilizada como interface entre o Arduino Uno e o barramento CAN do
automóvel.
Integra o controlador CAN MCP2515 e o transceiver CAN MCP2551 através de uma interface SPI
proporcionando ao Arduino a capacidade de executar ações que um nó CAN de um carro
também possui.
A comunicação entre este dispositivo e o carro ocorre com o auxílio de um cabo OBD-II.
31
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
30. Componentes Utilizados
CAN-Shield
32
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Seeed CAN Shield.
31. Componentes Utilizados
CAN-Shield
33
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Especificações técnicas do Seeed CAN Shield.
32. Componentes Utilizados
Cabo OBD-II
O padrão OBD-II é uma interface utilizada para diagnósticos em automóveis e está presente na
maioria dos carros atualmente.
Um cabo OBD-II foi utilizado para possibilitar a conexão entre veículo e a porta serial da CAN-
Shield.
Dentre os 16 pinos presentes no padrão OBD-II, os pinos 4 (GND), 6 (CANH), 14 (CANL) e 16
(12V) são aqueles utilizados especificamente para permitir o acesso ao barramento CAN do
carro.
34
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
33. Componentes Utilizados
Cabo OBD-II
35
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Cabo OBD-II.
34. Componentes Utilizados
Cabo OBD-II
36
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Configuração da pinagem do cabo OBD-II.
35. Metodologia
Vale lembrar que o objetivo final do projeto era classificar o comportamento do motorista
baseado em suas FRENAGENS e TROCAS DE MARCHA.
O sniffer foi conectado à entrada OBD-II do automóvel Renault Sandero (2015) requisitando três
informações distintas a respeito do estado interno do veículo a cada 0.6 segundos:
Velocidade instantânea: A velocidade é dada em Km/h sendo esta informação essencial para a
análise da frenagem.
Rotações por minuto: O valor do RPM instantâneo é dado em valor absoluto, sendo essencial
para a análise das trocas de marchas.
Pressão no pedal do acelerador: O valor retornado desta requisição está entre 0 e 100, e indica
a posição relativa do pedal do acelerador no momento em que a requisição é atendida.
37
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
36. Componentes Utilizados
Metodologia
A figura abaixo mostra a conexão do sniffer no carro através da ferramenta de diagnósticos
OBD-II:
38
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
37. Componentes Utilizados
Metodologia
A figura abaixo mostra a conexão do sniffer ao laptop para que os dados pudessem ser
impressos no monitor serial:
39
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
38. Componentes Utilizados
Funcionamento
Inicialmente, o desenvolvimento do sniffer dependeu da integração entre Arduino e o CAN-
Shield, utilizando duas bibliotecas de terceiros:
SPI (Serial Peripheral Interface): Responsável por implementar funções de controle e
comunicação entre microcontroladores que utilizam este tipo de interface para troca de dados,
como o controlador e transceiver presentes no CAN-Shield;
mcp_can.h: Liberada pela própria Seeed, fabricante do CAN-Shield, disponibilizando funções
com alto nível de abstração para o desenvolvedor.
40
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
39. Componentes Utilizados
Funcionamento
Após desenvolvido e carregado na memória interna do Arduino, o código passa ser executado
assim que a placa é energizada, neste caso, ao se conectar com o automóvel.
Quando conectada a um computador pessoal, o desenvolvedor tem a possibilidade de
acompanhar os dados gerados no embarcado através de um monitor de saída serial do Arduino.
41
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
40. Componentes Utilizados
Funcionamento
Exemplo de saída no monitor Serial do Arduino:
42
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Trecho dos dados impressos no monitor serial.
41. Componentes Utilizados
Funcionamento
Diagrama com o funcionamento do algoritmo implementado no sniffer:
43
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Setup Inicial
do monitor
serial e CAN-
Shield
Requisições
no CAN Bus
Impressões
no serial
monitor
Arquivo de
log
43. Introdução
A Intel Edison
Análises
Análise das Frenagens
Análise das Trocas de Marcha
Relatório do Percurso
Aplicação de IA
Criação do Banco de Dados
Classificação do Comportamento do Motorista
45
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
44. Introdução
Esta etapa intermediária do trabalho consistiu em PROCESSAR os dados colhidos:
DETECTAR eventos de frenagem e troca de marcha;
CATEGORIZÁ-LOS em intervalos de acordo com o nível de ameaça à integridade do veículo;
GERAR dados estatísticos sobre esses eventos;
CLASSIFICAR o comportamento do motorista utilizando o algoritmo de Inteligência Artificial
KNN.
Foi utilizada outra plataforma embarcada chamada Edison e fornecida pela empresa Intel.
46
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
45. A Intel Edison
A placa Intel Edison é uma das melhores plataformas de prototipação de aplicações IoT
(Internet of Things) existentes no mercado atualmente.
Esta placa roda uma versão diferenciada do Linux chamada Yocto, possibilitando um ambiente
capaz de rodar linguagens como Python e Java em um ambiente embarcado.
Juntamente com o módulo Intel Edison, também foi utilizado o Arduino Breakout Board, cuja
finalidade é destrinchar os 70 pinos da Edison em uma placa de prototipação semelhante a uma
placa Arduino.
47
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
46. A Intel Edison
48
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Intel Edison conectada à Arduino Breakout Board.Intel Edison.
47. A Intel Edison
49
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Processador Atom Dual-Core 500Mhz
Memória RAM 1GB DDR3
Memória Flash 4GB
WiFi 802.11 a/b/g/n Dual Band
Bluetooth 4.0
I/O Pins Total de 40 Pinos
SD Card
UART (2)
I2C (2)
SPI
...
Sistema Operacional Yocto Linux v1.6
Ambiente de Desenvolvimento Arduino IDE; Eclipse com suporte a C, C++ e
Python; Intel XDK.
48. A Intel Edison
Por que não utilizar apenas UM embarcado?
Inicialmente, foi projetado que a Intel Edison TAMBÉM se responsabilizaria pela etapa de Captura
de Dados de um carro em funcionamento, criando um sistema completo que se comunicaria com o
barramento CAN do veículo, processaria os dados e os enviaria a um servidor externo.
Por não existirem bibliotecas disponíveis para o sistema da Edison que possibilitasse o uso do CAN-
Shield, a alternativa de separar os sistemas surgiu como uma SOLUÇÃO.
A unificação dos dois sistemas embarcados é mencionada como um possível trabalho futuro no
Capítulo VI.
50
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
49. Análises
Até o momento os únicos dados disponíveis são valores de:
Velocidade.
Rotações por Minuto.
Pressão no Pedal do Acelerador.
Etapa responsável por encontrar PADRÕES que pudessem indicar eventos de TROCAS DE MARCHA e
FRENAGENS.
Escolha por transformar os dados disponíveis em GRÁFICOS.
51
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
50. Análises
Gráficos com Rotações por Minuto, Velocidade e Pressão no Pedal do Acelerador, respectivamente:
52
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Gráficos dos dados originais gerados.
51. Análises
Análise das Frenagens
Utilizou- se os dados da VELOCIDADE INSTANTÂNEA.
Sabendo o PERÍODO de amostragem do sniffer, um gráfico com a ACELERAÇÃO INSTANTÂNEA em
𝒎 𝒔 𝟐
foi gerado.
Definiu-se que onde existisse ACELERAÇÃO NEGATIVA, teríamos um evento de FRENAGEM.
Classificou-se esses eventos de frenagem entre três classes diferentes, de acordo com o nível de
ameaça que esses eventos indicavam ao veículo.
53
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
52. Análises
Análise das Frenagens
54
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Gráficos de velocidade e aceleração.
53. Análises
Análise das Frenagens
55
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Classificações dos eventos de frenagem.
Classificação Intervalo
Verde Entre 0 m/s2 e -1 m/s2
Amarelo Entre -1 m/s2 e -2 m/s2
Vermelho Entre -2 m/s2 e -10 m/s2
54. Análises
Análise das Trocas de Marcha
Utilizou- se TODOS os dados disponíveis.
Sabendo o PERÍODO de amostragem do sniffer, um gráfico com a VARIAÇÃO DE RPM em 𝑹𝑷𝑴 𝒔 foi
gerado.
Definiu-se que onde existisse PICOS DE RPM (derivada passando de positiva para negativa),
teríamos um evento de TROCA DE MARCHA.
Classificou-se esses eventos de troca de marcha entre três classes diferentes, de acordo com o nível
de ameaça que esses eventos indicavam ao veículo, utilizando o valor do RPM INSTANTÂNEO como
parâmetro.
56
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
55. Análises
Análise das Trocas de Marcha
57
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Derivada do RPM.
56. Análises
Análise das Trocas de Marcha
58
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Classificações dos eventos de frenagem.
Classificação Intervalo
Verde Entre 0 a 1000 RPM.
Amarelo Entre 1000 a 2000 RPM.
Vermelho Entre 2000 a 7000 RPM
57. Relatório do Percurso
Fase final da etapa de Processamento de Dados contendo os dados estatísticos.
Consistiu em:
Contabilizar os eventos de FRENAGEM e TROCA DE MARCHA.
Calcular o PERCENTUAL de cada uma das classes.
Disponibilizar esses dados de maneira formatada.
59
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Exemplo da saída do Relatório do Percurso.
58. Relatório do Percurso
60
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Gráfico de setores com estatísticas dos eventos.
59. Aplicação de Inteligência Artificial
Criação do Banco de Dados
Necessidade de ter um conjunto de treinamento com características devidamente mensuradas e
objetos classificados.
Criação de 200 instâncias com valores aleatórios, mas obedecendo as restrições de um objeto real.
Uma planilha foi disponbilizada na nuvem com esses dados para que colaboradores pudessem
classificar os objetos manualmente.
61
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
60. Aplicação de Inteligência Artificial
Criação do Banco de Dados
62
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
BD de treinamento.
61. Aplicação de Inteligência Artificial
Classificação do Comportamento do Motorista
Utilizou-se o algoritmo KNN definido no Capítulo III.
Definição do VETOR DE CARACTERÍSTICAS:
Utilizou-se as SEIS saídas da etapa de RELATÓRIO DO PERCURSO.
Definição das CLASSES dos objetos:
Criou-se 5 classes, com valores de 1 a 5. Quanto menor o valor da classe, MENOS RISCO o
motorista oferece à integridade do veículo.
63
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
62. Aplicação de Inteligência Artificial
Classificação do Comportamento do Motorista
64
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Índice do
Vetor
Característica (%)
a1 Frenagens GREEN
a2 Frenagens YELLOW
a3 Frenagens RED
a4 Trocas de Marcha GREEN
a5 Trocas de Marcha YELLOW
a6 Trocas de Marcha RED
Classe Descrição da Classe
1 Ótimo
2 Bom
3 Regular
4 Ruim
5 Péssimo
Vetor de Características do Sistema. Classes do Knn.
64. Disponibilização dos Dados
Comunicação Intel Edison e Servidor Web
Dados na Web
Telas do Sistema
Tela de Acompanhamento em Tempo Real
Tela de Relatório de Percurso
Tela de Classificação do Percurso
66
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
65. Disponibilização dos Dados
Comunicação Intel Edison e Servidor Web
Utilização do framework Django na linguagem Python para desenvolver o Servidor Web.
Utilizou-se o módulo WiFi da Intel Edison para enviar os dados do percurso ao Servidor Web.
67
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
WiFi Broadcom* 43340 802.11 a/b/g/n;
Dual-band (2.4 and 5 GHz)
Onboard antenna
Informações técnicas do módulo WiFi da Intel Edison.
66. Disponibilização dos Dados
Dados na Web
Os dados recebidos pelo Servidor são guardados em sistema de arquivos e disponibilizados na web
quando requisitados.
Dados apagados dos arquivos no processo de leitura/requisição.
68
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
67. Disponibilização dos Dados
Dados na Web
69
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Dados Processados e
Formatados
Escrita e Leitura dos
Dados Formatados nos
arquivos .txt
Requisições por novos
dados a cada período
Envio de novos dados
ou status de Finalização
Diagrama de funcionamento do sistema de comunicação.
68. Telas do Sistema
Tela de Acompanhamento em Tempo Real
70
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Tela do Acompanhamento em Tempo Real.
69. Telas do Sistema
Tela de Relatório de Percurso
71
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Tela final com os dados estatísticos do percurso.
70. Telas do Sistema
Tela de Classificação do Percurso
72
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
Tela da classificação do motorista
72. Unificação dos Sistemas Embarcados
Unificar em apenas UM Sistema Embarcado a Captura e o Processamento de Dados.
Detecção de Outros Eventos de Direção
Lane-Drifting
Velocidade em Curvas
Necessidade de outros tipos de informações do barramento CAN que não são fornecidas
publicamente pelas montadoras, como POSIÇÃO DO VOLANTE e ESTADO DAS SETAS.
74
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista
73. Fornecimento de Dados a Empresas
Esses dados a respeito do motorista poderiam ser fornecidos a empresas como SEGURADORAS e
EMPRESAS DE LOGÍSTICA.
Refinamento da Classificação de Frenagens e Trocas de Marcha
Realizar um trabalho em conjunto com profissionais de Engenharia Mecânica para refinar a
classificação dos eventos de direção como, por exemplo, FRENAGENS e TROCAS DE MARCHA.
75
Um Sistema Embarcado para Análise e Classificação de Condução de Motorista