摩托车实时遥测系统：Arduino + GPS + 多传感器融合 + Azure 云端分析

项目愿景

复刻 MotoGP 级遥测仪表：在杜卡迪 Monster 695 上部署 Arduino Uno 采集多维骑行数据，经蓝牙传至 Windows 10 手机 (UWP App)，再经 4G 上传 Azure IoT Hub，流式存入 SQL 数据库，Web 仪表盘实时渲染，机器学习挖掘骑行风格优化建议。

采集指标 (约 2Hz)

• 速度 (km/h)、GPS 经纬度/海拔/卫星数/HDOP
• 倾角 / 翘头角
• 三轴 G 加速度 (m/s²)
• 环境温度 (LM35) / 后轮胎温度 (TMP006 红外)
• 前/后避震行程 (双 HC-SR04 超声波)

硬件拓扑

• Arduino Uno R3 ×1
• GPS NEO-7M (SoftwareSerial) ×1
• ADXL345 三轴加速度计 (I2C/SPI) ×1
• TMP006 红外测温 (I2C) ×1 — 测后轮胎，安装距离 ≤ 胎宽 1/4 (约 40mm)
• LM35DT 模拟温度 ×1
• HC-SR04 ×2 (前避震/后避震)，使用 NewPing 库提速
• HC-05 蓝牙模块 (SoftwareSerial) ×1
• 9V 电池/移动电源供电
• Lumia 650 (Windows 10 Mobile) 运行 UWP App

关键软件模块

Arduino 固件

• TinyGPS++ 解析 NMEA
• ADXL345 库读取加速度，首帧校零，公式计算 Roll/Pitch
• Adafruit_TMP006 读取物体/芯片温度
• NewPing 高效驱动超声波
• 自定义帧格式：$START|lat|N|lon|E|mon|day|year|hh:mm:ss|speed|alt|sat|hdop|roll|pitch|Xg|Yg|Zg|audio|dist|tempExt|tempTyre|frontShock|rearShock|$END|

UWP App (C#)

• 蓝牙串口解析上述帧，仪表盘实时显示速度/倾角/翘头角/G分量/GPS/温度/避震行程
• 通过 HTTPS 将 JSON 推送 Azure IoT Hub (设备身份：myDucatiMonsterDevice)
• 部署流程：Developer Mode → USB 部署 AppX (WinAppDeployCmd)

Azure 云端管线

1. IoT Hub 接收设备消息
2. Stream Analytics Job：Input=IoT Hub，Output=SQL Azure 表，查询直通 SELECT * INTO SqlAzureMyTelemetry FROM MyTelemetryInputHub
3. Web App + SQL Azure (Free F1)：Entity Framework 读库，ASP.NET Core 响应式仪表盘，支持移动端自适应
4. 自定义域名绑定 (可选)

Azure Machine Learning

• 从 SQL 导入数据，清洗转浮点，剔除异常值 (速度>3km/h、避震>0、倾角±60°)
• Split → Train Model (Two-Class Decision Forest 准确率≈1) → Score → Evaluate
• 转换为 Predictive Experiment，部署 Web Service，输入遥测向量输出驾驶风格分类：SAFE DRIVING / HIGH STRESS HIGH SPEED 等
• 发现规律：骑手偏右倾，倾角与轮胎温度/速度无关 (轮胎素质佳)；轮胎温度 >35℃ 时易翘头。

车载安装实拍

• 前超声波固定前大灯下方测前避震
• 后超声波固定座垫下方测后避震
• TMP006 夹具夹在后轮内侧测胎温
• 主控盒 (Arduino+GPS+ADXL345+LM35) 置于座垫后方
• 整车走线整齐，不影响骑行

未来展望

• 手机端离线缓存 (无 4G 时本地存储、后补传)
• Xamarin 跨平台 App (Android/iOS)
• 更高精度传感器、缩小主控盒 (MKR1000)
• 社交化 Web App：分享路线/遥测、标注危险弯道
• Stream Analytics 直推 ML 预测分数回设备，实时声光预警

代码仓库

• UWP App：GitHub
• Arduino 固件：GitHub