Проєктування засобів автоматизованого збирання даних для систем ІоТ моніторингу стану дорожнього покриття
DOI:
https://doi.org/10.25140/2411-5363-2023-2(32)-210-223Ключові слова:
ІoT; SmartCity; система моніторингу; дорожнє покриття; STM32Анотація
Моніторинг стану дорожнього покриття – одне з актуальних завдань технічного обслуговування розумного міста. Ефективна система моніторингу дозволить підвищити комфорт водіїв, якість життя та зменшити використання людських та матеріальних ресурсів.
У відомих системах моніторингу стану дорожнього покриття наявні загальні проблеми, на кшталт незручності користування устаткуванням, складності реалізації процесу збирання та аналізу даних, додаткових енерговитрат, високої вартості устаткування та значних трудовитрат. Серед проблем ефективності функціонування, значними є проблеми швидкодії обробки великих обсягів даних у реальному часі, точності та достовірності отриманих результатів.
Метою дослідження є розроблення підходів та засобів до автоматизованого збирання даних з ІоТ пристроїв для систем моніторингу стану дорожнього покриття.
Для досягнення мети основним було розробити архітектурно-функціональну концепцію системи моніторингу стану дорожнього покриття з можливістю інтеграції в масштабовані мережі ІоТ та розробити комплекс програмно-апаратних засобів для збирання та агрегації ІоТ даних.
Запропонована архітектурно-функціональна концепція системи моніторингу стану дорожнього покриття, забезпечує можливість вдосконалення існуючих систем моніторингу шляхом автоматизації збирання та обробки інформації про стан дорожнього покриття, динамічного та масштабованого моніторингу, використання автономних, дешевих та широкодоступних вбудованих систем для збирання ІоТ даних про стан дорожнього покриття, підвищення ефективності обробки даних в реальному часі. Архітектурна концепція реалізована у вигляді комплексу програмно-апаратних засобів для збирання та агрегації ІоТ даних, на базі яких розроблено експериментальний прототип системи моніторингу.
Розроблені засоби дозволяють оперативно реагувати на нерівності дорожнього покриття на довільній місцевості, а формат агрегованих даних придатний для подальшого аналізу, в тому числі інтелектуального. Запропоновані засоби можуть бути використані в системах технічного обслуговування розумними містами з метою покращення якості водіння та упередження критичних ситуацій, пов’язаних з неякісними дорожнім покриттям.
Посилання
Nkoro, A.B., & Vershinin, Y.A. (08-11 October 2014). Current and future trends in applications of Intelligent Transport Systems on cars and infrastructure. Proceeding of 17th International IEEE Conference on Intelligent Transportation Systems (ITSC) (рр. 514-519). Qingdao, China. doi:10.1109/ITSC.2014.6957741.
Bhamare, L., Mitra, N., Varade, G., & Mehta, H. (02-02 October 2021). Study Of Types of Road Abnormalities and Techniques Used for Their Detection. Proceeding of 7th International Conference on Electrical, Electronics and Information Engineering (ICEEIE) (рр. 472-477). Malang, Indonesia.
doi:10.1109/ICEEIE52663.2021.9616755.
Bishop, R. (05-05 October 2000). A survey of intelligent vehicle applications worldwide. Proceedings of the IEEE Intelligent Vehicles Symposium 2000 (Cat. No.00TH8511) (рр. 25-30). Dearborn, MI, USA. doi: 10.1109/IVS.2000.898313.
Wang, C., Wu, J., Zheng, X., & Pei, B. (2021). Leveraging ICN With Network Sensing for Intelligent Transportation Systems: A Dynamic Naming Approach. IEEE Sensors Journal, 21(14), 15875-15884. doi:10.1109/JSEN.2020.3004839.
Toth, C., Paska, E., & Brzezinska, D. (2008). Using Road Pavement Markings as Ground Control for Lidar Data. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XXXVII(B1). https://www.researchgate.net/publication/.
Wiratmoko A.D., Syauqi A.W., Handika M.S., & Nurrizki D.B. (2019). Design of Potholes Detection as Road’s Feasibility Data Information Using Convolutional Neural Network(CNN). Proceeding of 2019 International Symposium on Electronics and Smart Devices (ISESD) (рр. 1-5). doi:10.1109/ISESD.2019.8909461.
Agrawal, H., Gupta, A., Sharma, A., & Singh, P. (10-12 November 2021). Road Pothole Detection Mechanism using Mobile Sensors. 2021 International Conference on Technological Advancements and Innovations (ICTAI) (рр. 26-31). doi:10.1109/ICTAI53825.2021.9673193.
Eriksson, J., Girod, L., Hull, B., Newton, R., Madden, S., & Balakrishnan, H. (2008). The Pothole Patrol: Using a Mobile Sensor Network for Road Surface Monitoring. Proceedings of the 6th International Conference on Mobile Systems, Applications, and Services (MobiSys ’08) (рр. 29-39).
Williams, M. (2015). Volvo cars to start talking to each other. https://www.computerworld.com/article/2892095/volvo-cars-to-start-talking-to-each-other.html.
Кopiika, A., Piskun, R., Tkachenko, V., & Klymenko, I. (2020). Road monitoring system based on ІoT technology for SmartCity. Information, Computing and Intelligent systems, 1, 60-67. doi:10.20535/2708-4930.1.2020.216061.
Hoffmann, M., Mock, M., & May, M. (2013). Road-quality classification and bump detection with bicycle-mounted smartphones. Proceedings of the 3rd International Conference on Ubiquitous Data Mining, 1088, 39-43. http://www.ceur-ws.org.
Ayachi, R., Afif, M., Said, Y., & Abdelali, A.B. (28-30 May 2022). Traffic Sign recognition for smart vehicles based on lightweight CNN implementation on mobile devices. Proceeding of 2022 IEEE 9th International Conference on Sciences of Electronics, Technologies of Information and Telecommunications (SETIT) (рр. 12-18). doi:10.1109/SETIT54465.2022.9875912.
Landi, E., Parri, L., Moretti, R., & Fort, A. (2022). High Performance Analog MEMS for IoT Based Condition Monitoring, Characterization with a Bearing Failure Emulation Test Bench. 2022 IEEE International Workshop on Metrology for Automotive (MetroAutomotive) (рр. 1-5). doi:10.1109/
MetroAutomotive54295.2022.9855179.
LIS3DH - 3-axis MEMS accelerometer, ultra-low-power, ±2g/4g/8g/16g full scale, high-speed I2C/SPI digital output, embedded FIFO, high-performance acceleration sensor, LGA 16 3x3x1.0 package – STMicroelectronics. https://www.st.com/en/mems-and-sensors/lis3dh.html.
Kulkarni, А.М., & Baligar, V.P. (05-07 March 2020). Real Time Vehicle Detection, Tracking and Counting Using Raspberry-Pi. 2020 2nd International Conference on Innovative Mechanisms for Industry Applications (ICIMIA) (рр. 603-607). doi: 10.1109/ICIMIA48430.2020.9074944.
Chen, K., Lu, M., Fan, X., Wei, M., & Wu, J. (17–19 August 2011). Road condition monitoring using on-board three-axis accelerometer and GPS sensor. Proceedings of the 2011 6th International ICST Conference on Communications and Networking in China (CHINACOM) (рр. 1032-1037).
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
