使用 Power BI 分析 “回家的路”

    很多年以前，不知道怎么就聽說，有個小小的轉換器，能夠把汽車CAN總線轉接為串口，然后，就出現了再轉成藍牙或者WIFI接口的小設備。這個小設備能夠獲取OBD II標準的數據。OBD II的標準廣泛用在各種汽車控制器上，能夠通過這些數據獲得汽車的各種狀態數據和告警。

    于是很多牛人基于這個小玩意，在電腦特別是手機上開發了不少應用。通過藍牙或者WIFI獲得數據后，處理顯示出來。數據的使用多種多樣，例如自定義儀表，然后利用擋風玻璃實現HUD抬頭顯示，利用手機對簡單的故障告警進行清楚（消碼）…我當時也很有興趣，花了幾十塊買了兩個玩。為了寫今天的文章，特意又去taobao看了一眼，現在變得更加便宜了。看上去就是這么個小玩意兒：

    利用OBD II通信收集數據的應用很多。好幾年前我就挺喜歡Torque，還支持插件。平時開車并不多，但每年不多的幾次回家，都喜歡一個人開夜路。每次開長途，就喜歡開著OBD II設備連著手機，因為這個應用除了能顯示，還能記錄Log。

    一直在想，這些Log能用來干啥呢？分析油耗？開車習慣？記錄行車狀態？不管怎么樣，還是把數據記錄了準備看看，說不定哪天能使用GIS系統在地圖上顯示一些數據分析呢？就像很久以前我做移動通信的時候，收集了路測的BTS信號數據和GPS信息，然后在地圖上顯示分析信號質量。

    今年回家又一次記錄了數據，然后突然有了一個想法：MVP提供了免費的Power BI訂閱，既然是強大的數據分析可視化展現工具，是不是能用來實現我以前的想法呢？于是從手機上下載了記錄的Log文件，仔細觀察了一下。

    以前并沒有特意設置日志記錄（開始也沒意識到可以定制），默認的Log文件里，每秒記錄一次GPS時間、經度、緯度、速度（米/秒）、高度、三維加速度等數據，為了方便閱讀，我自己加了一列速度轉換為公里/小時。后面使用Power BI，即針對這個Log文件進行分析。

    首先找了找Power BI的報表展現，真的有基于地理信息來展現的報表。把數據拖拉到對應的空位，Power BI就自動生成報表了。首先來個經緯度和高度的報表，這樣我就知道回家的路上是如何翻山越嶺的了~

    可以調整數據圖示的顏色，讓高度差異更加直觀。我選擇紅色為高、藍色為低，于是能直觀看到，在浙皖、皖贛邊界處有不少較高的山頭要爬~查了一下，主要穿過昱嶺山脈、鄣公山山脈等。

    高速上挺復雜的，一路回家，一會兒限速120，一會限速100，一會限速80。我開車算是十分規矩了。不信？有數據作證哦。

    使用經度、緯度和速度平均值作為報表數據輸入，就能夠在地圖上直觀看到一路上車輛行駛速度情況。在G60滬杭段，限速120，表現出來的就更加“紅”一點。而山路下坡，限速一般80，所以結合前圖看，這一段更加“藍”一點。

    除了滿足我一直的愿望，在地圖上顯示數據，利用報表也可以做出數據的“切面”。比如，我可以對照高度變化啥的查看加速度方向及大小變化。由于使用一個坐標軸，數據在這里不是很直觀，不過山勢倒體現出來了。

    所以，我把垂直放向的加速度單獨做了圖表，和高度變化對照著看，就挺明顯了。為了便于體現“超重失重”哈哈，我加了一條G=9.8的參考線。當然，這并不嚴謹。就如同通過手機加速傳感器收集到的三向加速度有方向和“壞數據”的問題，在這里僅作為一個參考。

    特意留了有問題的數據~10幾個G，飛行員估計也吃不消吧哈哈。除了垂直方向的加速度 G(z)，分析車輛方向的加速度G(x)和橫向的加速度G(y)，也挺有意思的。還是一樣的說明，我并沒有仔細對正手機傳感器和車輛方向，所以數據僅作為簡單的原理參考。

    車輛方向的加速度G(x)，可以知道車輛加減速的情況，駕駛習慣好的老司機，一般會盡量減少急加速急減速，降低油耗也避免事故。這部分使用了群集圖和折線圖，可以看到有一些G值很大的壞數據點，同時大部分的數據落在了一個相對集中的區域。

    對應的橫向加速度G(y)，可以關聯到車輛轉彎的情況。在路況好的時候，我一般勻速過彎，不大去刻意剎車。急轉彎同樣也容易出現事故，必須要集中注意力入彎出彎。一路開來，不少入彎時的急剎甚至裝上隔離欄。從圖中看到，除了一些壞數據點，大部分的轉彎加速度集中在一個相對小的范圍內。

    細心的你可能注意到了，同樣的取值范圍，為何上圖折線的拖動條比下圖長很多呢？由于每秒收集一次數據，整個行程有近三萬行數據，為了便于展現，我使用了視圖的高級過濾。針對不同的時間字串包含，濾出了不同數量的數據采樣。

    這次分析的數據內容還是比較少。我發現Torgue的日志記錄其實是可以定制字段的，接下來應該找機會再抓一些數據來分析了。同時，OBD II的數據我發現有人已經用Python做了庫，等有時間嘗試用樹莓派連接藍牙OBD II設備，然后把數據報到IoT Hub試試~別看×××萬的數據，這個文件也就4MB左右。到了云平臺上，還可以用機器學習ML來分析路況、駕駛方式和油耗之間的關系~移動互聯網和云計算技術的發展，讓以前的想法有了變成現實的可能。