Ανάκτηση και ανάλυση δεδομένων θύρας on-board-diagnostics (OBD) με σκοπό την αποδοτική διαχείριση οχημάτων
Φόρτωση...
Ημερομηνία
Συγγραφείς
Ρίζος, Αθανάσιος
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Η/Υ & Πληροφορικής
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Η παρούσα διατριβή πραγματεύεται την ανάκτηση και επεξεργασία δεδομένων από τη θύρα OBD (On – Board – Diagnostics) η οποία εδώ και είκοσι χρόνια εγκαθίσταται υποχρεωτικά σε κάθε όχημα. Μέχρι πρότινος, μόνο εξειδικευμένο τεχνικό προσωπικό μηχανικών και τεχνικών αυτοκινήτου μπορούσε να διαβάσει με ειδικές συσκευές και προγράμματα τα δεδομένα που παράγονται στη θύρα OBD. Αλλά με την ραγδαία ανάπτυξη της τεχνολογίας των ηλεκτρονικών είναι πια εφικτό να δημιουργηθούν προγράμματα, καλώδια και μετατροπείς ούτως ώστε να μπορεί ο οποιοσδήποτε να διαβάσει αυτά τα δεδομένα σε ένα υπολογιστή ή ακόμα και μέσω εφαρμογής σε έξυπνο κινητό τηλέφωνο. Τα δεδομένα αυτά αφορούν τη λειτουργία του οχήματος και ανακτώνται από ειδικό προσαρμογέα που εγκαθίσταται στη θύρα και τα μεταδίδει ασύρματα μέσω τεχνολογίας Bluetooth. Για τη λήψη των δεδομένων της θύρας OBD αναπτύχθηκε εφαρμογή για έξυπνα κινητά (smartphones) τα οποία χρησιμοποιούν το λειτουργικό σύστημα Android. Τα δεδομένα αφού προβληθούν σε πραγματικό χρόνο συλλέγονται και μετά το τέλος κάθε διαδρομής του οχήματος δημιουργείται αρχείο με τα δεδομένα για αξιοποίηση. Εν συνεχεία, το στάδιο της αξιοποίησης των δεδομένων που συλλέχθηκαν, αρχικά περιλαμβάνει την αξιολόγηση του οδηγού παρουσιάζοντας π.χ. την κατανάλωση καυσίμου του οχήματος οδηγού πάνω σε χάρτη καθώς και την γενικότερη συμπεριφορά του. Επίσης, εξετάζεται και η δυνατότητα αναγνώρισης του οδηγού μέσα από τα δεδομένα με στόχο τη λήψη αποφάσεων ανάλογα με το εκάστοτε οδηγικό προφίλ. Τα δεδομένα αυτά θα μπορούσαν να χρησιμοποιηθούν από ειδικούς αναλυτές και ασφαλιστικές εταιρίες στην περίπτωση ατυχήματος ή ακόμα και στην κατάρτιση προσωπικού ασφαλιστήριου συμβολαίου ανάλογα με τις ανάγκες και το οδηγικό προφίλ κάθε χρήστη. Για την αναγνώριση του οδηγού μέσα από το οδηγικό του προφίλ, χρησιμοποιήθηκε ένα σετ δεδομένων από διαφορετικούς οδηγούς που οδηγούν το ίδιο όχημα στην ίδια διαδρομή. Έπειτα, αναπτύχθηκε μια μεθοδολογία αναγνώρισης του κάθε οδηγού μέσω κατάλληλων αλγορίθμων και εργαλείων μηχανικής μάθησης. Για την ταχύτερη και αποδοτικότερη χρήση αυτής της μεθόδου επιλέχθηκαν τα έξι καλύτερα χαρακτηριστικά από τα συνολικά πενήντα ένα που συλλέχθηκαν σε κάθε χρονική στιγμή του δείγματος. Τα αποτελέσματα από την περικοπή του αριθμού χαρακτηριστικών ήταν άκρως ενθαρρυντικά, δείχνοντας ότι δεν παρουσιάζεται αλλοίωση στα συμπεράσματα που προέκυψαν. Η μέθοδος αναγνώρισης με τη χρήση των δεδομένων της θύρας OBD που παρουσιάζεται, αποτελεί ένα χρήσιμο εργαλείο στην προσπάθεια βελτίωσης της ασφάλειας των οχημάτων αλλά και της διαχείρισης των δεδομένων που παράγονται και μεταφέρονται στη θύρα OBD μέσω του πρωτοκόλλου Controller Area Network (CAN bus ή απλώς CAN). Στην περίπτωση αναγνώρισης του οδηγού με βάση το οδηγικό του προφίλ που προκύπτει από τα χαρακτηριστικά, αν δεν ταυτοποιηθεί ο ιδιοκτήτης του οχήματος τότε συνάγεται ότι πρόκειται για κάποιον που προσπαθεί να το παραβιάσει και δίνεται η δυνατότητα να αποκοπεί η λειτουργία του οχήματος. Επίσης, αν ταυτοποιηθεί ότι δεν είναι κάποιος εξουσιοδοτημένος οδηγός τότε μπορεί να αποκλειστεί η οποιαδήποτε πρόσβαση στα δεδομένα μέσω της θύρας OBD. Τέλος, η συγκεκριμένη μεθοδολογία μπορεί να χρησιμοποιηθεί και για γονικό έλεγχο υιοθετώντας ένα διαφορετικό προφίλ ρυθμίσεων λειτουργίας του οχήματος ανάλογα με την αναγνώριση του εκάστοτε εγκεκριμένου οδηγού.
The growing use of the electronic systems in the automotive area is continuously multiplying the volume of the data that vehicles generate, use and transmit. Similarly, the same growth is observed on the number of the sensors and also the parameters and the settings that are available for configuration in a car not only during the production phase, but also in real – time by the driver through a variety of choices. The On – Board – Diagnostics (OBD) port is used in modern cars to transfer data between the different subsystems of the vehicle and its external systems, which internally are transmitted via the Controller Area Network (CAN bus or CAN). With the widespread use of Engine Control Units (ECU) in vehicles during 80s and 90s the first generation of the port was adopted, but the second generation was the one that became mandatory at the end of the 90s. Today, this generation is still used in all vehicles although the increasing production of autonomous vehicles which is scheduled for the next decade raised the discussion for the next generation of OBD. Until recently, only the certified engineers and technicians could read the OBD data from the port by using specialized programs. With the vast growth of the technology in electronics it is possible to create programs and specific cables and adapters so that the data can be read from a common laptop or even via an application from a smartphone. Thus, through data retrieval, processing, and analysis capabilities, it is now possible to analyze the driver’s profile and the condition of the vehicle. These data can be used by the driver or by special experts and insurance companies in the case of an accident or an insurance offer targeting to each driver. However, as ease it is to retrieve these data, it is also feasible to send data to the CAN via OBD. A user with specialized knowledge or software can interfere and either customize the contents or take control of all vehicle systems. Following the attempt of the standardization at both protocol and port level in CAN and OBD respectively, in the next (3rd) generation of OBD the goal is, to study, exploit and adopt data security solutions both against remote and domestic attackers. The increasing use of autonomous systems by vehicle industry makes it imperative to use automotive safety techniques against all types of hacking. This thesis deals with data retrieval from OBD port which is mandatory in all vehicles manufactured in the last twenty years. These data are retrieved via an adapter that sends them wirelessly via a Bluetooth connection. Aiming to receive the data a proper application has been developed that runs on smartphones that use the Android operating system. The application can display the data in real – time and collect them in a separate file after each drive route. These files are used for analysis. The exploitation part includes a driver’s evaluation in terms of fuel economy and behavior in accordance with the map of the route. We also examine the ability to identify the driver through this dataset. This part is achieved by using machine learning techniques. The identification is initially performed by using all the features taken from the sample. In second step, a reduction procedure on the number of the available features is applied, keeping only the most meaningful 10% of them. After reduction, the results remain unaltered proving that the driver identification procedure can be performed with a very small set of features which in turn reduces also the time of sampling, transferring and analyzing these data. In case of a non-authorized driver identification, proper actions can take place like the direct blockage of the vehicle usage or the denial of acquiring the data of the OBD port. The manuscript is organized as follow: The first chapter is the introduction. The second chapter discusses the state – of – the – art on the OBD port and how the data are created, transmitted in the CAN, and received via the OBD port. The third chapter describes the data retrieval process, in an Android environment and the export of the data in a file. The fourth chapter describes the analysis of the OBD data via machine learning techniques, the retrieval of proper features that give the ability to identify and characterize the behavior of the driver style. In the fifth chapter the conclusions are given and the future work is discussed.
The growing use of the electronic systems in the automotive area is continuously multiplying the volume of the data that vehicles generate, use and transmit. Similarly, the same growth is observed on the number of the sensors and also the parameters and the settings that are available for configuration in a car not only during the production phase, but also in real – time by the driver through a variety of choices. The On – Board – Diagnostics (OBD) port is used in modern cars to transfer data between the different subsystems of the vehicle and its external systems, which internally are transmitted via the Controller Area Network (CAN bus or CAN). With the widespread use of Engine Control Units (ECU) in vehicles during 80s and 90s the first generation of the port was adopted, but the second generation was the one that became mandatory at the end of the 90s. Today, this generation is still used in all vehicles although the increasing production of autonomous vehicles which is scheduled for the next decade raised the discussion for the next generation of OBD. Until recently, only the certified engineers and technicians could read the OBD data from the port by using specialized programs. With the vast growth of the technology in electronics it is possible to create programs and specific cables and adapters so that the data can be read from a common laptop or even via an application from a smartphone. Thus, through data retrieval, processing, and analysis capabilities, it is now possible to analyze the driver’s profile and the condition of the vehicle. These data can be used by the driver or by special experts and insurance companies in the case of an accident or an insurance offer targeting to each driver. However, as ease it is to retrieve these data, it is also feasible to send data to the CAN via OBD. A user with specialized knowledge or software can interfere and either customize the contents or take control of all vehicle systems. Following the attempt of the standardization at both protocol and port level in CAN and OBD respectively, in the next (3rd) generation of OBD the goal is, to study, exploit and adopt data security solutions both against remote and domestic attackers. The increasing use of autonomous systems by vehicle industry makes it imperative to use automotive safety techniques against all types of hacking. This thesis deals with data retrieval from OBD port which is mandatory in all vehicles manufactured in the last twenty years. These data are retrieved via an adapter that sends them wirelessly via a Bluetooth connection. Aiming to receive the data a proper application has been developed that runs on smartphones that use the Android operating system. The application can display the data in real – time and collect them in a separate file after each drive route. These files are used for analysis. The exploitation part includes a driver’s evaluation in terms of fuel economy and behavior in accordance with the map of the route. We also examine the ability to identify the driver through this dataset. This part is achieved by using machine learning techniques. The identification is initially performed by using all the features taken from the sample. In second step, a reduction procedure on the number of the available features is applied, keeping only the most meaningful 10% of them. After reduction, the results remain unaltered proving that the driver identification procedure can be performed with a very small set of features which in turn reduces also the time of sampling, transferring and analyzing these data. In case of a non-authorized driver identification, proper actions can take place like the direct blockage of the vehicle usage or the denial of acquiring the data of the OBD port. The manuscript is organized as follow: The first chapter is the introduction. The second chapter discusses the state – of – the – art on the OBD port and how the data are created, transmitted in the CAN, and received via the OBD port. The third chapter describes the data retrieval process, in an Android environment and the export of the data in a file. The fourth chapter describes the analysis of the OBD data via machine learning techniques, the retrieval of proper features that give the ability to identify and characterize the behavior of the driver style. In the fifth chapter the conclusions are given and the future work is discussed.
Περιγραφή
Λέξεις-κλειδιά
OBD, CAN, Αποδοτική διαχείρηση οχημάτων, Μηχανική μάθηση / ανάκτηση δεδομένων, Data retrieval, Efficient driving
Θεματική κατηγορία
Controller Area Network (Computer network)
Παραπομπή
Σύνδεσμος
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Η/Υ & Πληροφορικής
Όνομα επιβλέποντος
Τσιατούχας, Γεώργιος
Εξεταστική επιτροπή
Τσιατούχας, Γεώργιος
Καβουσιανός, Χρυσοβαλάντης
Ευθυμίου, Αριστείδης
Καβουσιανός, Χρυσοβαλάντης
Ευθυμίου, Αριστείδης
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Πολυτεχνική Σχολή. Τμήμα Μηχανικών Η/Υ & Πληροφορικής
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Βιβλιογραφία: σ. 75-80
Ονόματα συντελεστών
Αριθμός σελίδων
80 σ.