基于OBDII&EOBD的机动车监测系统分析与设计

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (1): 233-238.

基于OBDII&EOBD的机动车监测系统分析与设计

马聪，王璞，邵栋，荣国平，张贺

南京大学软件学院，南京 210093

出版日期:2016-01-01 发布日期:2015-12-30

Analysis and design of motor vehicle monitoring system based on OBDII & EOBD

MA Cong, WANG Pu, SHAO Dong, RONG Guoping, ZHANG He

Software Institute, Nanjing University, Nanjing 210093, China

Online:2016-01-01 Published:2015-12-30

摘要/Abstract

摘要： 针对国内个人用户、行业用户对实时性车辆状态、驾驶习惯和故障检修的需求，设计了一套机动车实时监测系统。基于OBDII&EOBD协议，车载OBD终端设备获取车辆故障码、地理位置、行车速度等数据信息，通过GPRS与基于J2EE架构的网站服务端建立通信。服务端对数据进行分析，从而对车辆的故障状态进行诊断，统计归纳驾驶员的驾驶习惯和行车状况，最终将车辆检测和统计分析的结果展现在网页客户端，或者iOS/Android移动手持设备上。视车辆的故障情况，驾驶员可以选择通过本系统与汽车维修厂建立联系，为驾驶员的行车安全、出行便利，以及交通管理和保险业提供参考建议和数据支持。

关键词: 实时性, 车辆状态, 驾驶习惯, 故障检修, OBDII&, EOBD协议

Abstract: A set of real-time motor vehicle monitoring system is designed according to the requirement of domestic personal users and industrial users on real-time vehicle status, driving habits and fault detection. Vehicle OBD terminal acquires fault codes, location, speed and other data based on OBDII&EOBD protocol, and establishes communication with a J2EE Web server using GPRS, where the data will be analyzed in order to make diagnosis on the fault state of the vehicle, and collect statistics on vehicle status, driving habit and conditions of the driver. The final result of vehicle detection and statistical analysis will be shown on the client Web page, or iOS/Android mobile handheld device. According to the error condition of the vehicle, driver can be able to build connection with garages using this system. It will provide reference and data support for the driver’s traffic safety and facilitation, as well as the area of traffic management and insurance.

Key words: real-time, vehicle status, driving habit, fault detection, OBDII&EOBD protocol

马聪，王璞，邵栋，荣国平，张贺. 基于OBDII&EOBD的机动车监测系统分析与设计[J]. 计算机工程与应用, 2016, 52(1): 233-238.

MA Cong, WANG Pu, SHAO Dong, RONG Guoping, ZHANG He. Analysis and design of motor vehicle monitoring system based on OBDII & EOBD[J]. Computer Engineering and Applications, 2016, 52(1): 233-238.

[1]	王凡，周国清，张荣庭，刘德全. 面向FPGA的连通域快速标记方法[J]. 计算机工程与应用, 2020, 56(22): 230-235.
[2]	徐喆，宋泽奇. 带比例因子的卷积神经网络压缩方法[J]. 计算机工程与应用, 2018, 54(12): 105-109.
[3]	张晓焱1，2，刘永1. 快速移不变稀疏分类算法在线识别汽油机故障[J]. 计算机工程与应用, 2018, 54(11): 230-235.
[4]	丁毅1，曹江涛1，李平1，姬晓飞2. 基于BOF-Gist特征的手势识别算法研究[J]. 计算机工程与应用, 2017, 53(9): 170-174.
[5]	刘宁，吕鲲. 实时以太网系统中控制与通信的协同调度方法[J]. 计算机工程与应用, 2017, 53(7): 15-20.
[6]	沈磊，杨剑锋，徐俊，郭成城. 基于Wi-Fi的无线控制网络TDMA协议的设计[J]. 计算机工程与应用, 2017, 53(11): 142-145.
[7]	马骏，柴志雷，王芝斌，钟传杰. 基于FPGA的稠密光流计算系统[J]. 计算机工程与应用, 2016, 52(3): 139-144.
[8]	梁晟，万羊所. 基于节点属性的启发式网络拓扑图布局算法[J]. 计算机工程与应用, 2016, 52(20): 122-126.
[9]	曹海鹏１，谢兴生１，祝宝友2. 一种改进的网格搜索闪电定位算法[J]. 计算机工程与应用, 2016, 52(16): 7-11.
[10]	孙劲光，侯加利. 新型烟花模拟方法[J]. 计算机工程与应用, 2016, 52(14): 215-219.
[11]	钱凯，陈秀宏，孙百伟. 一种鲁棒的时空上下文快速跟踪算法[J]. 计算机工程与应用, 2016, 52(12): 163-167.
[12]	宋爽1，任洪娥1，2，官俊1. 基于Sobel梯度模板的多阈值实时边缘检测方法[J]. 计算机工程与应用, 2015, 51(23): 199-202.
[13]	周欣，蒋欣荣，潘薇. 基于分块投影和语义约束的车牌定位算法[J]. 计算机工程与应用, 2014, 50(9): 141-144.
[14]	赵发君，李龙澍. 基于多Agent Q学习的RoboCup局部配合策略[J]. 计算机工程与应用, 2014, 50(23): 127-130.
[15]	雷金奎1，3，邵元元2，田力3. μC/OS-II系统下的代码执行时间测量方法[J]. 计算机工程与应用, 2013, 49(5): 51-54.