Стаття

Отримано 15.06.2025

Доопрацьовано 26.10.2025

Прийнято 27.11.2025

Взято з Том 29, № 2, 2025

Сторінки 18 -29

Dobrovolskyi, O., & Navrotskyi, A. (2025). Analysis and synthesis of functional capabilities of monitoring systems of vehicle operation processes. The National Transport University Bulletin, 29(2), 18-29. https://doi.org/10.33744/2308-6645-2025-2-29-18-29

Аналіз та синтез функціональних можливостей систем моніторингу процесів експлуатації транспортних засобів

Олександр Добровольський Андрій Навроцький

Системи моніторингу та управління експлуатацією транспортних засобів є ключовим компонентом сучасної транспортної інфраструктури. Метою цього дослідження було проаналізувати та систематизувати функціональні можливості систем моніторингу експлуатації транспортних засобів. Було досліджено, проаналізовано та синтезовано функціональні характеристики існуючих систем моніторингу транспортних засобів. Систематизація апаратних конфігурацій у цих системах була проведена за допомогою морфологічного аналізу. Аналіз і синтез функціональних можливостей здійснено через систематизацію апаратних конфігурацій у наявних системах моніторингу. Була розроблена узагальнена морфологічна формула для інтегрованої системи моніторингу транспортних засобів, яка складається з п’яти основних функціональних елементів: засоби моніторингу операторів; засоби моніторингу технічного стану транспортних засобів; засоби моніторингу транспортних засобів; засоби моніторингу взаємодії з інфраструктурою; та засоби аналізу та використання інформації кінцевими користувачами. Формула охопила двадцять морфологічних характеристик цих функціональних елементів, що реалізовані в існуючих системах моніторингу. Синтез допустимих морфологічних варіантів дозволяє побудувати фактичні конфігурації систем і сприяє визначенню структури та функціонального потенціалу існуючих систем моніторингу. Було ідентифіковано існуючі системи моніторингу транспортних засобів, та визначені їхні можливості для моніторингу процесів експлуатації транспортних засобів. На основі аналізу переваг і обмежень досліджених систем були визначені відповідні умови їх застосування, рівень реалізації основних функцій моніторингу, а також потенціал для розвитку як основних, так і різноманітних компонентів систем. Практична цінність цього дослідження полягає у наданні рекомендацій для оптимізації проектування та впровадження систем моніторингу транспортних засобів з метою підвищення ефективності та безпеки експлуатації

управління; реєстрація параметрів; технічний стан; апаратне забезпечення; морфологічна формула; систематизація
  1. Atia, M.M., Liu, S., Nematallah, H., Karamat, T.B., & Noureldin, A. (2015). Integrated indoor navigation system for ground vehicles with automatic 3-D alignment and position initialisation. IEEE Transactions on Vehicular Technology, 64(4), 1279-1292. doi: 10.1109/TVT.2015.2397004.
  2. Bai, Y. (2016). Microcontroller engineering with MSP432: Fundamentals and applications (1st ed.). Boca Raton: CRC Press. doi: 10.1201/9781315367101.
  3. Burlaka, S., Mytko, M., & Borysiuk, D. (2024). Analysis of diagnostic models for determining technical condition vehicles. Herald of Khmelnytskyi National University. Technical Sciences, 6(1), 39-42. doi: 10.31891/2307-5732-2024-343-6-5.
  4. Cordoș, N., Duma, I., Moldovanu, D., Todoruț, A., & Barabás, I. (2025). An overview of intelligent transportation systems in Europe. World Electric Vehicle Journal, 16(7), article number 387. doi: 10.3390/wevj16070387.
  5. Eggleston, S., Buendia, L., Miwa, K., Ngara, T., & Tanabe, K. (2006). 2006 IPCC guidelines for national greenhouse gas inventories. Geneva: IPCC.
  6. Görne, L., Reuss, H.-C., Krätschmer, A., & Sauerwald, R. (2022). Smart data preprocessing method for remote vehicle diagnostics to increase data compression efficiency. Automotive and Engine Technology, 7, 307-316. doi: 10.1007/s41104-022-00113-9.
  7. Holovan, A., Gritsuk, I., Rudenko, S., & Kovalova, V. (2019). Aspects of forming the information V2I model of the transport vessel. In 2019 IEEE international conference on modern electrical and energy systems (MEES) (pp. 390-393). Kremenchuk: IEEE. doi: 10.1109/MEES.2019.8896595.
  8. Kacmarik, M., & Fojtik, D. (2023). Positioning performance of low-cost U-BLOX NEO-M8U module in urban environment. MM Science Journal, 3, 6776-6784. doi: 10.17973/MMSJ.2023_10_2023080.
  9. Kelller, M. (2004). Handbook emission factors for road transport 2.1 quick reference. Bern: HBEFA.
  10. Khudiakov, I.V. (2021). Improvement of methods for operational control of a vehicle’s technical condition under operating conditions. (Doctoral dissertation, Kharkiv National Automobile and Highway University, Kharkiv, Ukraine).
  11. Khudiakov, I.V., Hrytsuk, I.V., Chernenko, V.V., Hrytsuk, Y.V., Pohorletskyi, D.S., Makarova, T.V., & Manzhelei, V.S. (2021). Features of modeling and construction of the information system of remote monitoring of the technical condition of vehicles. Journal of Mechanical Engineering and Transport, 14(2), 140-148. doi: 10.31649/2413-4503-2021-14-2-140-148.
  12. Krueger, E., Schueler, T., & Arbesser-Rastburg, B. (2005). The standard tropospheric correction model for the European satellite navigation system Galileo. Kraków: General Assembly URSI.
  13. Mateichyk, V., & Navrotskyi, A. (2024). Systematisation of hardware schemes of vehicle operation monitoring systems. Bulletin of the Pryazovskyi State Technical University. Series: Technical Sciences, 48, 184-192. doi: 10.31498/2225-6733.48.2024.310711.
  14. Michailidis, E.T., Panagiotopoulou, A., & Papadakis, A.A. (2025). Review of OBD-II-based machine learning applications for sustainable, efficient, secure, and safe vehicle driving. Sensors, 25(13), article number 4057. doi: 10.3390/s25134057.
  15. Migal, V., Arhun, Sh., Hnatov, A., Hnatova, H., & Sokhin, P. (2022). Intelligent diagnostics of vehicles. Vehicle and Electronics Innovative Technologies, 22, 72-80. doi: 10.30977/VEIT.2022.22.0.5.
  16. Penna, N., Dodson, A., & Chen, W. (2001). Assessment of EGNOS tropospheric correction model. Journal of Navigation, 54(1), 37-55. doi: 10.1017/S0373463300001107.
  17. Roozemond, D.A. (1999). Using autonomous intelligent agents for urban traffic control systems. In Proceedings of the 6th world congress on intelligent transport systems. Washington, DC: ITS America and MIRO digital publishing.
  18. Schüler, T. (2001). On ground-based GPS tropospheric delay estimation. (Doctoral dissertation, University of the Bundeswehr Munich, Munich, Germany).
  19. Schwarz, K.-P. (Ed.). (2000). Geodesy beyond 2000. The challenges of the first decade, IAG general assembly Birmingham, July 19-30, 1999. Heidelberg: Springer Berlin. doi: 10.1007/978-3-642-59742-8.
  20. Sipos, A. (2024). ICAO standards and recommended practices (SARPs). In International aviation law: Regulations in three dimensions (pp. 203-231). Cham: Springer International Publishing. doi: 10.1007/978-3-031-39066-1_4.
  21. Storm van Leeuwen, S., van der Marel, H., Tossaint, M.M.M., & Martelluci, A. (2004). Validation of SBAS MOPS troposphere model. Amsterdam: National Aerospace Laboratory (NLR).
  22. Yao, Y., Xu, C.Q., Shi, J., & Cao, N. (2015). ITG: A new global GNSS tropospheric correction model. Scientific Reports, 5, article number 10273. doi: 10.1038/srep10273.

https://doi.org/10.33744/2308-6645-2025-2-29-18-29