使用 Power BI 分析 “回家的路”

    很多年以前，不知道怎么就听说，有个小小的转换器，能够把汽车CAN总线转接为串口，然后，就出现了再转成蓝牙或者WIFI接口的小设备。这个小设备能够获取OBD II标准的数据。OBD II的标准广泛用在各种汽车控制器上，能够通过这些数据获得汽车的各种状态数据和告警。

    于是很多牛人基于这个小玩意，在电脑特别是手机上开发了不少应用。通过蓝牙或者WIFI获得数据后，处理显示出来。数据的使用多种多样，例如自定义仪表，然后利用挡风玻璃实现HUD抬头显示，利用手机对简单的故障告警进行清楚（消码）…我当时也很有兴趣，花了几十块买了两个玩。为了写今天的文章，特意又去taobao看了一眼，现在变得更加便宜了。看上去就是这么个小玩意儿：

    利用OBD II通信收集数据的应用很多。好几年前我就挺喜欢Torque，还支持插件。平时开车并不多，但每年不多的几次回家，都喜欢一个人开夜路。每次开长途，就喜欢开着OBD II设备连着手机，因为这个应用除了能显示，还能记录Log。

    一直在想，这些Log能用来干啥呢？分析油耗？开车习惯？记录行车状态？不管怎么样，还是把数据记录了准备看看，说不定哪天能使用GIS系统在地图上显示一些数据分析呢？就像很久以前我做移动通信的时候，收集了路测的BTS信号数据和GPS信息，然后在地图上显示分析信号质量。

    今年回家又一次记录了数据，然后突然有了一个想法：MVP提供了免费的Power BI订阅，既然是强大的数据分析可视化展现工具，是不是能用来实现我以前的想法呢？于是从手机上下载了记录的Log文件，仔细观察了一下。

    以前并没有特意设置日志记录（开始也没意识到可以定制），默认的Log文件里，每秒记录一次GPS时间、经度、纬度、速度（米/秒）、高度、三维加速度等数据，为了方便阅读，我自己加了一列速度转换为公里/小时。后面使用Power BI，即针对这个Log文件进行分析。

    首先找了找Power BI的报表展现，真的有基于地理信息来展现的报表。把数据拖拉到对应的空位，Power BI就自动生成报表了。首先来个经纬度和高度的报表，这样我就知道回家的路上是如何翻山越岭的了~

    可以调整数据图示的颜色，让高度差异更加直观。我选择红色为高、蓝色为低，于是能直观看到，在浙皖、皖赣边界处有不少较高的山头要爬~查了一下，主要穿过昱岭山脉、鄣公山山脉等。

    高速上挺复杂的，一路回家，一会儿限速120，一会限速100，一会限速80。我开车算是十分规矩了。不信？有数据作证哦。

    使用经度、纬度和速度平均值作为报表数据输入，就能够在地图上直观看到一路上车辆行驶速度情况。在G60沪杭段，限速120，表现出来的就更加“红”一点。而山路下坡，限速一般80，所以结合前图看，这一段更加“蓝”一点。

    除了满足我一直的愿望，在地图上显示数据，利用报表也可以做出数据的“切面”。比如，我可以对照高度变化啥的查看加速度方向及大小变化。由于使用一个坐标轴，数据在这里不是很直观，不过山势倒体现出来了。

    所以，我把垂直放向的加速度单独做了图表，和高度变化对照着看，就挺明显了。为了便于体现“超重失重”哈哈，我加了一条G=9.8的参考线。当然，这并不严谨。就如同通过手机加速传感器收集到的三向加速度有方向和“坏数据”的问题，在这里仅作为一个参考。

    特意留了有问题的数据~10几个G，飞行员估计也吃不消吧哈哈。除了垂直方向的加速度 G(z)，分析车辆方向的加速度G(x)和横向的加速度G(y)，也挺有意思的。还是一样的说明，我并没有仔细对正手机传感器和车辆方向，所以数据仅作为简单的原理参考。

    车辆方向的加速度G(x)，可以知道车辆加减速的情况，驾驶习惯好的老司机，一般会尽量减少急加速急减速，降低油耗也避免事故。这部分使用了群集图和折线图，可以看到有一些G值很大的坏数据点，同时大部分的数据落在了一个相对集中的区域。

    对应的横向加速度G(y)，可以关联到车辆转弯的情况。在路况好的时候，我一般匀速过弯，不大去刻意刹车。急转弯同样也容易出现事故，必须要集中注意力入弯出弯。一路开来，不少入弯时的急刹甚至装上隔离栏。从图中看到，除了一些坏数据点，大部分的转弯加速度集中在一个相对小的范围内。

    细心的你可能注意到了，同样的取值范围，为何上图折线的拖动条比下图长很多呢？由于每秒收集一次数据，整个行程有近三万行数据，为了便于展现，我使用了视图的高级过滤。针对不同的时间字串包含，滤出了不同数量的数据采样。

    这次分析的数据内容还是比较少。我发现Torgue的日志记录其实是可以定制字段的，接下来应该找机会再抓一些数据来分析了。同时，OBD II的数据我发现有人已经用Python做了库，等有时间尝试用树莓派连接蓝牙OBD II设备，然后把数据报到IoT Hub试试~别看×××万的数据，这个文件也就4MB左右。到了云平台上，还可以用机器学习ML来分析路况、驾驶方式和油耗之间的关系~移动互联网和云计算技术的发展，让以前的想法有了变成现实的可能。