Отримано 09.01.2026, Доопрацьовано 08.05.2026, Прийнято 25.06.2026 Опубліковано 03.08.2026

Ефективність збору та аналізу телеметричних даних транспортних засобів на базі модифікованого стандарту European Data Format Plus

Іван Болгов, Ярослав Клятченко*

k_yaroslav@ukr.net



Актуальність роботи зумовлена потребою переходу від закритих пропрієтарних форматів до відкритих контейнерів, здатних забезпечити цілісність багатоканальних часових рядів під час тривалих випробувань. Метою роботи було обґрунтування використання модифікованого European Data Format Plus формату для збору та аналізу телеметрії колісної техніки шляхом розробки механізму динамічного дозапису інформації без порушення структури файлу. У статті було досліджено проблему впровадження уніфікованих стандартів зберігання та обміну телеметричною інформацією в автомобільній інженерії. Під час дослідження було застосовано методи порівняльного аналізу технічних специфікацій бінарних форматів, математичне моделювання процесів лінійної інтерполяції для перерахунку цифрових значень у фізичні одиниці. Результати роботи продемонстрували високу адаптивність зазначеного стандарту для фіксації параметрів вібрації, температури та тиску, що зазвичай притаманне промисловим діагностичним системам. Розроблено та верифіковано алгоритмічну схему оновлення заголовка файлу, яка дозволяє додавати нові блоки даних у вже існуючі структури за умови перевірки останньої часової мітки та автоматичного корегування кількості записів. Це вирішило критичну проблему цілісності інформації при раптовому вимкненні живлення або некоректному завершенні процесу реєстрації. Експериментальна апробація розробленого методу під час тривалих сесій моніторингу підтвердила збереження високої швидкодії системи та відсутність втрат інформації при циклічному зверненні до накопичувача. Запропонований у дослідженні підхід також дозволив спростити подальшу постобробку даних завдяки формуванню єдиного цілісного файлу для кожного випробувального циклу. У підсумку це розширило потенціал застосування досліджуваного формату в галузях, де вимагається надійний безперервний збір багатопараметричної телеметрії. Практична цінність дослідження полягає у використанні даних дослідження при переході до концепції одного файлу на випробувальний цикл, що підвищує економічну ефективність обробки даних у машинобудуванні

відкриті контейнери даних; бінарні стандарти даних; автомобільна інженерія; фіксація часових рядів; діагностика рухомих систем; інкрементне збереження інформації
90-99
Bolhov, I., & Klyatchenko, Y. (2026). Efficiency of the collection and analysis of vehicle telemetry data based on the modified European Data Format Plus standard. Information Technologies and Computer Engineering, 23(2), 90-99. https://doi.org/10.31649/vitce/2.2026.90

Використані джерела

  1. Chandiramani, J.R., Bhandari, S., & Hariprasad, S.A. (2014). Vehicle data acquisition and telemetry. In Proceedings of the 2014 fifth international conference on signal and image processing (pp. 187-191). Bangalore: IEEE. doi: 10.1109/ICSIP.2014.35.
  2. European Data Format. (2003). EDF+ specification. Retrieved from https://www.edfplus.info/specs/edfplus.html.
  3. Hu, F., Xu, M., Yang, J., Liang, Y., Cui, K., Little, M.M., Lynnes, C.S., Duffy, D.Q., & Yang, C. (2018). Evaluating the open-source data containers for handling big geospatial raster data. ISPRS International Journal of Geo-Information, 7(4), article number 144. doi: 10.3390/ijgi7040144.
  4. Huttunen, R., Rusanen, M., Nikkonen, S., Korkalainen, H., & Kainulainen, S. (2023). A harmonized and interoperable format for storing and processing polysomnography data. arXiv. doi: 10.48550/arXiv.2402.06702.
  5. Inoue, N., & Konishi, T. (2018). Data recording technology for autonomous driving/advanced driver assistance. DENSO TEN Technical Review, 3, 3-9.
  6. International Organization for Standardization. (2005). IEC 60601-1:2005. Retrieved from https://webstore.iec.ch/en/publication/2606.
  7. Kemp, B., & Olivan, J. (2003). European data format “plus” (EDF+), an EDF alike standard format for the exchange of physiological data. Clinical Neurophysiology, 114(9), 1755-1761. doi: 10.1016/s1388-2457(03)00123-8.
  8. Kemp, B., Värri, A., Rosa, C.A., Nielsen, K.D., & Gade, J. (1992). A simple format for exchange of digitized polygraphic recordings. Electroencephalography and Clinical Neurophysiology, 82(5), 391-393. doi: 10.1016/0013-4694(92)90009-7.
  9. Knapp, F., & Simon, M. (2023). Standardization of project management practices of automotive industry suppliers – systematic literature review. Technical Bulletin, 17(3), 432-439. doi: 10.31803/tg-20230504094426.
  10. Marten, D., Meyer, H., & Heuer, A. (2019). Database support for automotive analysis. Retrieved from https://eprints.dbis.informatik.uni-rostock.de.
  11. Oskouei, A.E., Kaveh, M., Hernando-Gallego, F., & Martín, D. (2025). Hybrid time series transformer – deep belief network for robust anomaly detection in mobile communication networks. Symmetry, 17(11), article number 1800. doi: 10.3390/sym17111800.
  12. Ramalingam, P., Mehbodniya, A., Webber, J.L., Shabaz, M., & Gopalakrishnan, L. (2022). Telemetry data compression algorithm using balanced recurrent neural network and deep learning. Computational Intelligence and Neuroscience, 2022, article number 4886586. doi: 10.1155/2022/4886586.
  13. Rane, R., & Mulik, P. (2025). Leveraging open table formats for scalable and flexible data infrastructure. International Journal of Science and Research (IJSR), 14(6), 1219-1220. doi: 10.21275/sr25616222400.
  14. Regulation (EU) 2023/2854 of the European Parliament and of the Council “On Harmonised Rules on Fair Access to and use of data and Amending Regulation (EU) 2017/2394 and Directive (EU) 2020/1828 (Data Act)”. (2023, December). Retrieved from http://data.europa.eu/eli/reg/2023/2854/oj.
  15. Rishikesh, N. (2022). Vibration monitoring system in industrial machinery using fast Fourier transform. International Journal of Science and Research (IJSR), 11(5), 1738-1741. doi: 10.21275/sr22523164451.
  16. Sahoo, S.S., Jayapandian, C.P., Garg, G., Kaffashi, F., Chung, S., Bozorgi, A., Chen, C.-H., Loparo, K., Lhatoo, S.D., & Zhang, G.-Q. (2014). Heart beats in the cloud: Distributed analysis of electrophysiological “Big Data” using cloud computing for epilepsy clinical research. Journal of the American Medical Informatics Association, 21(2), 263-271. doi: 10.1136/amiajnl-2013-002156.
  17. Scheuring, J., & Bernhard, U. (2020). Time-sensitive networking in the automotive industry. ATZ Electronics Worldwide, 15, 54-58. doi: 10.1007/s38314-020-0236-9.
  18. Schlögl, A., & Brunner, C. (2008). BioSig: A free and open-source software library for BCI research. Computer, 41(10), 44-50. doi: 10.1109/mc.2008.407.
  19. Smrity, M.I. (2025). Challenges and methods in biomedical signal quality evaluation: A multimodal approach. (Master’s thesis, Faculty of Medicine and Health Technology, Tampere University, Tampere, Finland).
  20. Soosaar, G., & Lillerand, T. (2025). An energy-efficient battery monitoring and logging system for agricultural robotics with CAN bus integration. Environmental and Climate Technologies, 29(1), 156-170. doi: 10.2478/rtuect-2025-0011.
  21. Thakkar, P., Khatri, S., Dobariya, D., Patel, D., Dey, B., & Singh, A.K. (2024). Advances in materials and machine learning techniques for energy storage devices: A comprehensive review. Journal of Energy Storage, 81, article number 110452. doi: 10.1016/j.est.2024.110452.
  22. Vishnu, G., Kaliyaperumal, D., Pati, P.B., Karthick, A., Subbanna, N., & Ghosh, A. (2023). Short-term forecasting of electric vehicle load using time series, machine learning, and deep learning techniques. World Electric Vehicle Journal, 14(9), article number 266. doi: 10.3390/wevj14090266.
  23. Wojnar, G., Burdzik, R., Wieczorek, A.N., & Konieczny, Ł. (2021). Multidimensional data interpretation of vibration signals registered in different locations for system condition monitoring of a three-stage gear transmission operating under difficult conditions. Sensors, 21, article number 7808. doi: 10.3390/s21237808.