CAN Bus Tabanlı Mobil Araç Telemetri, Veri Kaydı ve Sürücü Davranışı Analiz Sisteminin Geliştirilmesi

Öz

Bu çalışmada, CAN Bus tabanlı mobil araç telemetri, veri kaydı ve sürücü davranışı analiz sisteminin geliştirilmesi sunulmuştur. Önerilen sistem, araç elektronik kontrol ünitesinden alınan verileri CANable arayüzü üzerinden Android tabanlı mobil uygulamaya aktarmaktadır. Uygulama, gelen SLCAN çerçevelerini ayrıştırmakta, UDS tabanlı diagnostik cevapları işlemekte, ham CAN verilerini fiziksel mühendislik değerlerine dönüştürmekte ve seçilen telemetri parametrelerini gerçek zamanlı olarak kullanıcıya göstermektedir. Seat Ibiza 1.6 TDI araç üzerinde gerçekleştirilen saha testlerinde motor devri, araç hızı, gaz pedalı konumu, emme basıncı, motor yükü, soğutma suyu sıcaklığı, motor yağı sıcaklığı, egzoz gaz sıcaklığı ve seçili vites gibi parametreler izlenmiş ve kaydedilmiştir. Elde edilen veriler; zaman damgası, parametre adı, ham hexadecimal veri ve ölçeklendirilmiş fiziksel değer alanlarını içeren CSV formatında kaydedilmiştir. Kaydedilen log dosyaları daha sonra MATLAB ortamında Trip Evaluation V5 algoritması kullanılarak analiz edilmiştir. Bu algoritma, sinyalleri parametre adlarına göre ayrıştırmakta, ortak zaman tabanında senkronize etmekte, sürüşle ilişkili metrikleri hesaplamakta ve sürücü davranışını Driving Efficiency, Mechanical Sympathy ve Thermal Load Control olmak üzere üç başlık altında değerlendirmektedir. Bu alt skorlar ağırlıklı katsayılar kullanılarak birleştirilmiş ve nihai sürüş değerlendirme skoru elde edilmiştir. Sonuçlar, geliştirilen prototipin gerçek araç verilerini alabildiğini, canlı telemetri gösterebildiğini, yapılandırılmış log dosyaları oluşturabildiğini ve toplanan verileri mühendislik temelli bir sürücü davranışı değerlendirmesine dönüştürebildiğini göstermektedir. Sistem, araç telemetrisi, sürüş sonrası analiz ve gelecekteki bağlantılı araç uygulamaları için düşük maliyetli ve geliştirilebilir bir mimari sunmaktadır.

Anahtar Kelimeler

• CANBUS
• Araç telemetrisi
• Veri kaydı
• UDS
• Android uygulaması
• Sürücü davranışı analizi
• MATLAB

Destekleyen Kurum

Gazi Üniversitesi

Etik Beyan

Bu çalışma kapsamında kullanılan veriler, test aracı üzerinden CAN Bus/UDS haberleşmesi ile mühendislik amaçlı olarak elde edilmiştir. Çalışmada insan katılımcı, kişisel veri, hasta verisi veya hayvan deneyi bulunmamaktadır. Bu nedenle çalışma, etik kurul izni gerektiren araştırmalar kapsamında değerlendirilmemektedir. Makalede sunulan tüm veriler, bilgiler ve sonuçlar bilimsel etik kurallara uygun olarak hazırlanmıştır. Yazar, çalışmanın özgün olduğunu, başka bir dergide yayımlanmadığını ve eş zamanlı olarak başka bir dergide değerlendirme sürecinde olmadığını beyan eder.

Teşekkür

Yazar, bu çalışma sürecinde sağlanan akademik destek ve mühendislik altyapısı için Gazi Üniversitesi Teknoloji Fakültesi Otomotiv Mühendisliği Bölümüne teşekkür eder.

Development of a CAN bus-based mobile vehicle telemetry, data logging and driver behavior analysis system

Öz

This study presents the development of a CAN Bus-based mobile vehicle telemetry, data logging, and driver behavior analysis system. The proposed system acquires vehicle data from the engine control unit through a CANable interface and transfers the data to an Android-based mobile application. The application parses incoming SLCAN frames, processes UDS-based diagnostic responses, converts raw CAN data into physical engineering values, and displays selected telemetry parameters in real time. During field tests performed on a Seat Ibiza 1.6 TDI vehicle, parameters such as engine speed, vehicle speed, accelerator pedal position, intake pressure, engine load, coolant temperature, engine oil temperature, exhaust gas temperature, and selected gear were monitored and recorded. The acquired data were stored in CSV format with timestamp, parameter name, raw hexadecimal data, and scaled physical value fields. The recorded logs were then analyzed in MATLAB using the Trip Evaluation V5 algorithm. This algorithm separates signals according to parameter names, synchronizes them on a common time base, calculates driving-related metrics, and evaluates driver behavior under three categories: Driving Efficiency, Mechanical Sympathy, and Thermal Load Control. These sub-scores are combined using weighted coefficients to obtain a final trip evaluation score. The results show that the developed prototype can acquire real vehicle data, display live telemetry, record structured log files, and convert the collected data into an engineering-based driver behavior evaluation. The system provides a low-cost and expandable architecture for vehicle telemetry, post-drive analysis, and future connected vehicle applications.

Anahtar Kelimeler

• CANBUS
• Vehicle telemetry
• Data logging
• UDS
• Android Application
• Driving behaviour analysis
• MATLAB

Destekleyen Kurum

Gazi University

Etik Beyan

The data used in this study were obtained from the test vehicle through CAN Bus/UDS communication for engineering purposes. The study does not involve human participants, personal data, patient data, or animal experiments. Therefore, it does not require ethics committee approval. All data, information, and results presented in the manuscript were prepared in accordance with scientific and ethical principles. The author declares that the study is original, has not been published elsewhere, and is not under consideration by another journal.

Teşekkür

The author would like to thank the Department of Automotive Engineering, Faculty of Technology, Gazi University, for the academic support and engineering infrastructure provided during this study.

Kaynakça

1. International Organization for Standardization, ISO 11898-1:2024, Road vehicles — Controller area network (CAN) — Part 1: Data link layer and physical coding sublayer, Geneva, Switzerland: ISO, 2024.
2. International Organization for Standardization, ISO 14229-1:2026, Road vehicles — Unified diagnostic services (UDS) — Part 1: Application layer, Geneva, Switzerland: ISO, 2026.
3. International Organization for Standardization, ISO 26262-1:2018, Road vehicles — Functional safety — Part 1: Vocabulary, Geneva, Switzerland: ISO, 2018.
4. SAE International, SAE J1939_202306, Serial Control and Communications Heavy-Duty Vehicle Network — Top Level Document, Warrendale, PA, USA: SAE International, 2023.
5. Y. Yang, B. Chen, L. Su, and D. Qin, “Research and Development of Hybrid Electric Vehicles CAN-Bus Data Monitor and Diagnostic System through OBD-II and Android-Based Smartphones,” The Scientific World Journal, vol. 2013, Article ID 741240, 2013.
6. H. Zhang and D. Li, “Diagnostic Communication and Visual System based on Vehicle UDS Protocol,” arXiv preprint, arXiv:2206.12653, 2022.
7. U. Fugiglando, E. Massaro, P. Santi, S. Milardo, K. Abida, R. Stahlmann, F. Netter, and C. Ratti, “Driving Behavior Analysis through CAN Bus Data in an Uncontrolled Environment,” IEEE Transactions on Intelligent Transportation Systems, vol. 20, no. 2, pp. 737–748, 2019.
8. D. Rocha, G. Teixeira, E. Vieira, J. Almeida, and J. Ferreira, “A Modular In-Vehicle C-ITS Architecture for Sensor Data Collection, Vehicular Communications and Cloud Connectivity,” Sensors, vol. 23, no. 3, Article 1724, 2023.

9. R. Kumar and A. Jain, “Driving Behaviour Analysis and Classification by Vehicle OBD Data Using Machine Learning,” The Journal of Supercomputing, vol. 79, pp. 18800–18819, 2023.
10. G. Al-refai, M. Al-refai, and A. Alzu’bi, “Driving Style and Traffic Prediction with Artificial Neural Networks Using On-Board Diagnostics and Smartphone Sensors,” Applied Sciences, vol. 14, no. 12, Article 5008, 2024.
11. E. T. Michailidis, “A Review of OBD-II-Based Machine Learning Applications for Sustainable, Efficient, Secure, and Safe Vehicle Driving,” Sensors, vol. 25, no. 13, Article 4057, 2025.
12. I. Gace, H. Vdovic, J. Babic, and V. Podobnik, “An Eco-Aware Framework for AI-Based Analysis of Contextually Enriched Automotive Trip Data,” Energy Sources, Part A: Recovery, Utilization, and Environmental Effects, vol. 45, pp. 1274–1292, 2023.
13. D. Rimpas and A. Papadakis, “Driving Events Identification and Operational Parameters Correlation Based on the Analysis of OBD-II Timeseries,” in Proceedings of the 8th International Conference on Vehicle Technology and Intelligent Transport Systems, pp. 257–264, 2022.
14. M. Priest and C. M. Taylor, “Automobile engine tribology — approaching the surface,” Wear, vol. 241, no. 2, pp. 193–203, 2000.