Radni okvir za prikupljanje, kontekstno obogaćivanje i naprednu analitiku podataka iz vozila

The thesis addresses the challenges related to collection, contextual enrichment and analytics of automotive data. Current trends that focus on vehicle connectivity, i.e. vehicle-2-infrastructure and vehicle-2-vehicle, are seen as beneficial for data collection and analysis. However, collecting data from connected vehicles is not a simple task because connected vehicle hardware and software are a closed system meant to be used by vehicle manufacturers only. Additionally, when automotive data is combined with various heterogeneous data sources, it can provide valuable additional insights in data analysis. The key component for impactful research in this domain is a high-quality source of contextually enriched automotive data, enabling interdisciplinary study from environmental sustainability, automotive engineering, behavioural science, telecommunications and transportation science perspectives. To the best of the author's knowledge, there is no open source data set of contextually enriched automotive data available. To facilitate the creation of such a data set, this thesis presents a framework for the collection and contextual enrichment of automotive data. The framework utilizes smartphones to collect the vehicle's On-Board Diagnostics (OBD) or Controller Area Network (CAN) data and enriches it with Internet-based and built-in smartphone sensor data. The framework was evaluated on a case study of a data collection experiment. In this experiment, 9 drivers collected more than 90 hours of driving data, forming a contextually enriched automotive data set. A special emphasis in the analysis of the collected data was placed on deriving and calculating metrics for ranking the drivers and trips according to their eco-efficient driving patterns, which is a valuable insight that can be used to improve the transportation sustainability.Doktorski rad se bavi izazovima vezanim uz prikupljanje, kontekstno obogaćivanje i analitiku podataka iz vozila. Trenutni trendovi koji se fokusiraju prema umrežavanju vozila kao što su povezivanje vozila s infrastrukturom i povezivanje vozila s drugim vozilima, smatraju se korisnima za prikupljanje i analizu podataka. Međutim, prikupljanje podataka iz umreženih vozila nije jednostavan zadatak, jer su hardver i softver umreženih vozila zatvoreni sustav koji je namijenjen da mu pristupaju samo proizvođači vozila. Osim toga, kada se podaci iz vozila kombiniraju s različitim heterogenim izvorima podataka, moguće je pružiti vrijedne dodatne uvide tijekom analize podataka. Ključna komponenta za utjecajna istraživanja u ovoj domeni je visokokvalitetan izvor kontekstno obogaćenih podataka iz vozila, koji bi omogućio interdisciplinarna istraživanja iz perspektive okolišne održivosti, automobilskog inženjerstva, bihevioralne znanosti, telekomunikacija i prometnih znanosti. Koliko je autoru poznato, ne postoji javno dostupan skup kontekstno obogaćenih podataka iz vozila. Kako bi se olakšalo stvaranje takvog skupa podataka, doktorski rad predstavlja radni okvir za prikupljanje, kontekstno obogaćivanje i naprednu analitiku podataka iz vozila. Okvir koristi pametne telefone za prikupljanje podataka s OBD dijagnostičkog priključka ili CAN sabirnice i obogaćuje ih s podacima prikupljenih s internetskih izvora i podacima iz senzora ugrađenih unutar pametnog telefona. Radni okvir je evaluiran na studijskom slučaju eksperimenta prikupljanja podataka. U tom eksperimentu je 9 vozača prikupilo više od 90 sati podataka o vožnji, koji su zajedno formirali kontekstno obogaćen skup podataka iz vozila. U sklopu doktorskog rada je prikupljeni skup podataka analiziran te je poseban naglasak u analizi podataka stavljen na izračun metrike za rangiranje vozača i putovanja prema ekološkim obrascima vožnje koja se može iskoristiti za poboljšanje održivosti prijevoza