iDriveSafe 1.0

Sisinf Lab logo

Application description

iDriveSafe 1.0 is a mobile Apple iPhone application for semantic-enhanced real-time car diagnostics and driving assistance [1]. The mobile system allows to process:
  • vehicle status data collected from an OBD-II [2] Scan Tool;
  • data acquired from embedded smartphone microdevices, such as GPS (Global Positioning System) and accelerometer;
  • optionally, information retrieved from external Web-based data sources, e.g., weather conditions.
By means of proper data processing and fusion algorithms, the system is able to identify specific high-level events and conditions, based on low-level data streams. Detectable conditions include: vehicle health and safety equipments; environmental factors, such as the road surface and vehicle traffic; driving style. Furthermore, exploiting astrong>Semantic Web techniques and technologies, events are semantically annotated w.r.t. an ontology modeling factors influencing driving safety. Annotated descriptions undergo a matchmaking process –exploiting non-standard reasoning services [3]– which is able to discover all possible risk factors. The matchmaking outcome is used to suggest the driver actions and behaviors she can adopt in order to minimize risks. In Figure 1 a screenshot of application interface is shown. Part (a) shows information about weather, traffic and road description. Information about vehicle speed and driving style is described in part (b). Part (c) will contain system suggestion to the user.


Figure 1: Application interface.

iDriveSave 1.0 è un'applicazione mobile sviluppata su piattaforma Apple iPhone per la diagnostica e l'assistenza in tempo reale a supporto del guidatore [1]. Il sistema mobile consente di elaborare:
  • informazioni sullo stato del veicolo acquisite tramite uno Scan Tool OBD-II [2];
  • dati acquisiti dai sensori dello smartphone, quali GPS (Global Positioning System) e accelerometro;
  • eventualmente, informazioni recuperate dal Web, tra cui ad esempio le condizioni meteo.
Attraverso una successiva fase di elaborazione ed adoperando opportuni algoritmi di data fusion, il sistema è in grado di identificare specifici eventi e condizioni di alto livello a partire dai dati di basso livello raccolti. Le condizioni rilevabili riguardano: lo stato del veicolo e i dispositivi di sicurezza posseduti; fattori ambientali, quali la superficie stradale e le condizioni del traffico; lo stile di guida. Inoltre, sfruttando tecniche e tecnologie proprie del Semantic Web, gli eventi rilevati sono annotati semanticamente facendo riferimento ad un'ontologia che modella i fattori che influenzano la sicurezza alla guida. Le descrizioni ottenute sono sottoposte ad un processo di matchmaking - che sfrutta servizi di inferenza non standard [3] - in grado di individuare tutti i possibili fattori di rischio. Il risultato del matchmaking è utilizzato per suggerire azioni e comportamenti correttivi che il guidatore può adottare per minimizzare i rischi. In Figura 1 è mostrato uno screenshot dell'interfaccia dell'applicazione. La sezione (a) mostra informazioni sul meteo, traffico e una descrizione sul tipo di strada percorsa. Le informazioni sulla velocità del veicolo e sullo stile di guida sono descritte nella sezione (b). La sezione (c) conterrà i suggerimenti che il sistema fornisce all'utente.


Figura 1: Interfaccia dell'applicazione.




Publications

[1] M. Ruta, F. Scioscia, F. Gramegna, E. Di Sciascio. A Mobile Knowledge-Based System for On-Board Diagnostics and Car Driving Assistance . The Fourth International Conference on Mobile Ubiquitous Computing, System, Services and Technologies (UBICOMM2010) - 2010.

References


[3] S. Colucci, T. Di Noia, A. Pinto, A. Ragone, M. Ruta, E. Tinelli. A Non-Monotonic Approach to Semantic Matchmaking and Request Refinement in E-Marketplaces . International Journal of Electronic Commerce, Volume 12, Number 2, page 127-154 - 2007.

Demo videos







Project coordinators


Valid XHTML 1.1   Valid CSS

:: hosted by SisInf Lab http://sisinflab.poliba.it ::