Использование автомобильных систем мониторинга позволяют обеспечивать более подходящее распределение всех транспортных потоков на дорожной сети, повышая при этом безопасность движения. Учитывая, что все функциональные возможности, которые внедряются и разрабатываются в разных странах систем имеют значительные отличия. Некоторые указывают водителям на местонахождение заданных мест назначения, отстраненность и местонахождение самого автотранспортного средства, остальные «следуют» за водителем от начала поездки и до указанного пункта, на протяжении всего времени показывая самое подходящее направление движения к заданным целям учитывая все изменения дорожной обстановки.
Развитие современных отечественных систем позиционирования (ГЛОНАСС) в последние годы обуславливается их активным применением в данных задачах. Внедрение данной системы обеспечит увеличение прибыли предприятия. Для анализа современного состояния в области мониторинга автомобильного транспорта нам необходимо рассмотреть, пользующиеся спросом на рынке системы и провести моделирование предметной области при помощи унифицированного языка моделирования UML 2.0.
Все современнейшие системы спутникового позиционирования обладают одинаковой структурой, состоящей из отдельных частей:
- GPS- или ГЛОНАСС-маяк (трекер или контроллер) устанавливается в автотранспортный объект, принимающий от спутниковой системы данные координат и отправляющий на сервер мониторинга данные о местонахождении и большой объем информации от разных датчиков по протоколу GPRS через сети GSM, CDMA, спутниковой или УКВ-связи.
- Программно-аппаратный комплекс, который получает, обрабатывает, хранит и анализирует принимаемые данные, выполняет роль серверного центра.
- Программный терминал оператора мониторингового отдела, который принимает онлайн всю информацию с главного сервера, способен работать также через WEB-интерфейс [5].
Всем системам спутникового слежения и контроля присущи значительные различия между друг другом в качестве и надежности применяемого оборудования: многое зависит от GPS- и ГЛОНАСС-маяков и серверных центров, качества ПО, применяемых алгоритмов, податливости и информативности диспетчерского интерфейса, от уровня техобслуживания и засекреченности.
С целью минимизации появления ошибок при проектировании информационной системы необходимо разработать алгоритмическое обеспечение информационной системы при помощи UML 2.0 [6-8].
Диаграммы вариантов использования показывают отношения и зависимости между группами вариантов использования и действующих лиц, которые участвуют в процессе (Рисунок 1).
Рисунок 1. Диаграмма вариантов использования
Необходимые для работы данные полученные с датчиков синхронизируются с интернет сайта 1 и 2, при этом объединяясь в последствии с базой данных. User направляет запрос посредством ввода параметров, тем самым выполняя работу с данными. Подобным образом User работая с данными может: получить отчет экономики рейсов, выполнить удаление данных, печать и редактирование данных. Для более наглядного представления характеристик блоков составим таблицу вариантов использования (Таблица 1).
Таблица 1 –Варианты использования Use-case
Блок |
Назначение |
Описание |
Ввод параметров | Вариант использования | Посредством этой команды выполняется запрос по интересующим нас параметрам |
Отчет экономики
рейсов |
Вариант использования | Визуально структурированное представление данных ИС |
Удаление данных | Вариант использования | Выполняется удаление не нужных данных |
Печать | Вариант использования | Выполняется печать отчетного документа |
Редактирование данных | Вариант использования | Выполняется изменение данных или параметров системы |
Работа с данными | Вариант использования | Выполняется работа со всеми данными информационной системы мониторинга автомобильного транспорта |
Объединение с БД | Вариант использования | Выполняется структурирование и систематизация данных |
Импорт 1 | Вариант использования | Импорт данных с опрашиваемых датчиков |
Импорт 2 | Вариант использования | Импорт данных с опрашиваемых датчиков |
User | Действующее лицо (актер) | Пользователь информационной системы |
БД | Действующее лицо (актер) | База данных – блок хранения информации |
Интернет сайт 1 | Действующее лицо (актер) | Интерфейс информационной системы мониторинга автомобильного транспорта |
Интернет сайт 2 | Действующее лицо (актер) | Интерфейс информационной системы мониторинга автомобильного транспорта с данными |
Практически диаграмма деятельности может применяться также для отображения состояний имитированного объекта, но главная задача диаграммы активности в том, чтобы отображать процессы объекта. Данный тип диаграмм дает возможность показать, как последовательность процессов, так и разветвление, и синхронизацию процессов (Рисунок 2).
Рисунок 2. Диаграмма деятельности
При имитации действий разрабатываемой или анализируемой системы есть потребность также показать процесс перемены ее состояний и подробно рассмотреть особенности алгоритмического и логического исполнения проделывающей системой операций.
Для имитации процесса разработки операций в языке UML используются диаграммы деятельности. Используемая в них графическая нотация очень схожа с нотацией диаграммы состояний, ввиду того что на них тоже есть определение состояний и переходов. Все состояния на диаграмме деятельности соответствуют реализации некой операции, а переход в дальнейшее состояние происходит только при окончании этой операции [1-4].
После входа в систему составления экономики рейсов автомобилей мы производим параллельный запрос с двух сайтов. Объединив полученные данные, нам необходимо сформировать отчет, после чего мы получаем отчет по экономике рейсов.
Отчет экономики рейсов формируется следующим образом. Для начала необходимо заполнить по данным с сайтов рейсы каждого автомобиля в отдельности. Рассчитываем экономику рейсов по заранее заготовленной формуле. В нее входит километраж, стоимость рейса и расчетный «руб/км». Затем подводим итог по каждой машине. И просуммировав итоги, подведем суммарный подсчет за интересующий промежуток времени. После чего пользуясь, подготовленным бланком для отчета, формируем отчет экономики рейсов.
В результате данного исследования было установлено, что современные технологии позволяют получать много информации о состоянии автомобиля, но при этом в них предусмотрено не все, как например данные о массе прицепа или отклонение автотранспорта от заданного маршрута. С помощью нашей системы мониторинга автопарка предприятия грузовых перевозок, эти данные мы получаем постоянно, при этом система информирует нас о любого рода нарушениях. В свою очередь это положительно сказывается на отлаженности и повышении работоспособности сотрудников. На основе разработанных алгоритмов, описывающих работу информационной системы, возможно построение алгоритмов для [9-11].
Библиографический список
- Трофимов С. UML диаграммы в Retional Rose // URL: http://www.caseclub.ru/articles/rose2.html?next=51, (дата обращения: 19.11.2015).
- Интуит – открытый национальный университет // URL: http://www.intuit.ru/studies/courses/1041/218/lecture/5619?page=2, (дата обращения: 19.11.2015).
- Леоненков А. Самоучитель // URL: http://www.e-reading.by/book.php?book=33640, (дата обращения: 19.11.2015).
- Диаграммы вариантов использования // URL: http://habrahabr.ru/post/47940/, (дата обращения: 19.11.2015).
- GPS – терминология // URL: http://4pda.ru/?p=4818, (дата обращения: 19.11.2015).
- Мурашкина Е.Н., Михеев М.Ю. Применение UML-моделирования для управления структурной динамикой сложных технических систем нейросетевой идентификации сигналов сложной формы // Труды международного симпозиума Надежность и качество. 2014. Т. 1. С. 244-247.
- Murashkina E.N. Development sequence diagram of neural network identification of a complex signal using the unified modeling language UML 2.0 // Инновационные информационные технологии. 2014. № 2. С. 390-392.
- Мещерякова Е.Н., Михеев М.Ю. Моделирование алгоритма идентификации сигналов датчиков на ПАВ // В сборнике: ТЕОРИЯ И ПРАКТИКА ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ И СОЗДАНИЯ ТРЕНАЖЁРОВ, Пенза, 2015. С. 29-33.
- Мурашкина Е.Н., Жашкова Т.В. Идентификация критических состояний системы мониторинга и контроля // Современные наукоемкие технологии. 2014. № 5-2. С. 62.
- Жашкова Т.В., Пискаев К.Ю., Елизаров Д.В. Нейросетевая идентификация технического состояния компрессорных установок методом вибродиагностики // Современные информационные технологии. 2015. № 21. С. 119-123.
- Пискаев К.Ю., Гребенников Н.А., Кияев А.А. Разработка информационной системы контроля бпла классической компоновки // Современные информационные технологии. 2015. № 21. С. 134-140.