Geo Data Logger: Arduino + GPS + SD + Accelerometer att logga, tidsstämpel och geo-tag sensordata (8 / 10 steg)
Steg 8: PLOTTNING och färgkodningen ROAD CONDITION DATA med GPSVISUALIZER.COM
Steg 1: Hitta rullningsrutan med titeln "eller klistra in data här" och ta bort allt i den och sedan klistra in de data som du har kopierat från Excel in i den. Du borde få en ren tre kolumn innehåll med rubriker N latitud longitud. Se till att du inte ändrar i huvudena på något sätt när du klistrar in dem och lägger inte kommatecken eller tabbar i mellan. Bara en rak pasta från Excel.
Steg 2: Du kan hoppa över detta steg för nu eller du kan göra ändringar i "Alternativ för Data" att följa mina inställningar som visas i figuren. STEG 3
HUR MAN LÄSER KARTAN
En Google-karta visas och belade med Ruttpunkter fångas upp av vår geo datalogger. I mitt fall har jag valt stjärnor som ikonerna för datapunkterna. De större och mer blåaktig datapunkten eller mindre mer rödaktig ju större vägen stöta eller Jättegryta.
Genom att klicka på en stjärna, dyker en ballong upp med z-värdet läsa av ADXL335 accelerometern.
Långa vägen sträcker sig av jämförbara grönaktiga färger och värderingar (vanligtvis 520 i mitt fall) innebär att vägen är smidigare.
Vi kan ändra ikonen formerna, deras minsta och maximala storlek och andra parametrar från avsnittet "Data pekar alternativ".
ÖVERSÄTTA FRÅN GIVARE TILL ROAD CONDITION INFORMATION
Jag har förenklat denna del så nästan någon matematik behövs för att bedöma väglag med hjälp av de data som skapas av ADXL335 sensorn. Så blir det ingen översättning från raw accelerometer sensor utgångar till g-värden.
Hela tricket rycker i vägen skick profilering och sensor data jämförelse.
PROFILERING ROAD DATA
Olika geo data loggrar kan producera olika avläsningar än min för olika skäl som har att göra med sensortyp om en olika accelerometern används, suspension system skillnader från en bil till en annan, läggning av geo datalogger, etc. Så måste vi profilen normal väglag och onormal road skick innan vi kan göra känsla av våra data i din geo datalogger i din miljö.
Profilering väglag är enkel. Vi spela in senor data som genereras av ADXL335 sensorn medan vi kör över en bra väg sträcka sedan göra samma sak med sensordata genereras när vi kör över en grov väg stretch sådan en bula eller Jättegryta.
I mitt fall får jag i genomsnitt 520 för z-axeln på en bra väg. Jag kan använda detta som en referensram så om jag Hämta exempeldata 520 plus eller minus ett par hack (du bestämmer vad som är godtagbart intervall) så är det en bra väg. Så 520 +/-några värde som du väljer är profilen av en bra väg villkora. Men om jag kör över en bula eller Jättegryta, jag får sensormätningar z-axeln som svävar omkring 500 på den lägre delen och 535 på high end. Detta kommer vara min profil av en grov väg.
Det grundläggande antagandet här är att jag använder samma bil, med sensorn placeras på samma plats i bilen och köra med samma hastighet varje gång jag profil vägen med min geo datalogger.
I "Data punktalternativ" genom att tilldela fältet "Min" färg min min lägre z-nummer och "Max" fältet mitt höga z-nummer, nu jag kanna använda GPSvisualizer.com för att bestämma visuellt, av färg eller storlek på markör, var att hitta dåliga vägen sträcker sig, gropar, och gupp.
ANALYSERA SENSORDATA OCH VÄGFÖRHÅLLANDEN
När det gäller att analysera sensordata, ibland stöter min ser ut som gropar och vice versa. Det är möjligt att logga vad som känns som en Jättegryta skick när i själva verket vi bara sjunker tillbaka till normala gatunivå rätt efter en road bula. Det är också möjligt att få en sensor läsa den påminner om en bula när bilen börjar klättra ur Jättegryta.
Vi ser för små eller stora z-värden, baserat på min/max värden inom spänna av infångade data, att identifiera onormala vägförhållanden. Men klassificera dessa väglag kan kräva mer analys. Vi kan alltid leka med GPSvisualizer inställningar tills vi får den visuella framställningen som vi behöver.
Det är viktigt att konstatera förekomst av en road tillstånd i behov av uppmärksamhet eller att undvika det nästa gång du är på samma väg.