コンテンツへスキップ

Embedded product-boundary experiment

Vectis AI

車両データ向けソースプロトタイプ

A vehicle-data prototype spanning API, user surfaces, embedded source, and a Rust signal-normalisation core. The implemented record supports trace and fixture work; vehicle, hardware, and fleet validation remain outside it.

ビジネス ↔ テクノロジーの橋渡し · Embedded product-boundary experiment

Turn raw vehicle signals into a bounded, testable product system.

Explores the boundary from vehicle acquisition and canonical signals to operator-facing product decisions.

これはポートフォリオとソースの解釈であり、顧客、導入、認証、成果を示すものではありません。

  1. 01

    ビジネス上の圧力

    Vehicle telemetry is only useful when acquisition, signal semantics, connectivity, diagnostics, user experience, and operational responsibility form one product boundary.

  2. 02

    プロダクト判断

    Separate embedded acquisition, canonical signal mapping, application APIs, and user surfaces before adding assistant or predictive behaviour.

  3. 03

    技術記録

    Embedded source, API and user surfaces, a Rust normalisation core, and a trace-replay fixture for DBC, CAN, and canonical mapping.

  4. 04

    エビデンスの還流

    Signal quality, offline behaviour, update safety, hardware limits, and user validation return to feature scope, architecture, support, and release criteria.

ソース証跡

ソースから実際に確認できること

A vehicle-data prototype spanning API, user surfaces, embedded source, and a Rust signal-normalisation core. The implemented record supports trace and fixture work; vehicle, hardware, and fleet validation remain outside it.

詳細な技術スナップショットは英語で管理されています。

成熟度
Source prototype with software and firmware boundaries
証跡レビュー
ソース基準日

製品・アーキテクチャ判断

  • Separate device acquisition, canonical signal mapping, APIs, and operator-facing product surfaces.
  • Normalise DBC/CAN inputs into a canonical signal layer before product logic consumes them.
  • Treat offline behaviour, update safety, and hardware abstraction as explicit architecture boundaries.

検証可能な証跡

  • Backend unit and integration tests for the application and telemetry boundaries.
  • Embedded source with C-level tests for selected firmware logic.
  • A Rust trace-replay integration fixture for DBC parsing, CAN decoding, and signal mapping.

主張の境界

  • Future architecture specifications are not presented as already implemented source.
  • No hardware-in-the-loop, vehicle-in-the-loop, OEM, safety-certification, or field-fleet record is asserted.
  • Predictive-maintenance and assistant outputs require separate data-quality and operational validation.

リポジトリの証跡は、顧客、導入、認証、成果の証明ではありません。

アーキテクチャ

OBD-IIポートから平易な言葉によるインサイトまで

3つのソース境界:組み込みによるデータ取得、正規信号マッピングとAPI、そしてユーザー向けのテレメトリおよびアシスタントの各サーフェス。

ソースマップのみです。各層は実装コード、アダプター境界、文書化された設計のいずれかを表し得ますが、設定済み本番サービスを証明しません。

  1. 01

    レイヤー1 — ESP32 OBD-II取得ソース

    組み込みソースは、OBD-II/CANからの取得、選択された信号、モーション入力、バッファリング、更新の境界を表現します。本番ハードウェアでの検証も、車両での検証も主張しません。

  2. 02

    レイヤー2 — モバイル + ウェブ + API

    モバイル、ウェブ、ストリーミング、取り込みの各サーフェスがソースに表現されています。それらのエンドツーエンドの遅延、信頼性、現場での使いやすさについては、対象のハードウェアとネットワークでの検証が必要です。

  3. 03

    レイヤー3 — AIインサイトエンジン

    ソースは、生のCANデータを平易な言葉で説明するための、Mistralを基盤としたアシスタントを表現します:トリップサマリー、運転行動スコアリング、予知保全と異常に関する仮説。その出力には、データ品質と運用の両面について別途検証が必要です。

課題

課題

車両データが活用されていない理由

  1. 生データだけでインサイトなし

    現代の車両は豊富なOBD-IIデータを生成しますが、ドライバーやフリート管理者がそれを解釈するための手軽なツールがありません。

  2. 断片化されたツール

    診断、トリップ記録、燃費、安全性スコアリングにそれぞれ別のアプリ。統合されたインテリジェンスレイヤーがありません。

  3. 事後対応型メンテナンス

    問題が検知される前に故障が発生します。予測アラートも、ヘルススコアリングも、トレンド分析もありません。

  4. AI統合なし

    車に質問することができません。運転パターンや車両の健康状態を理解するための自然言語インターフェースがありません。

機能

主要機能

生のOBD-IIデータからユーザー向けテレメトリまでの、ソース上のサーフェス

ソース範囲のみです。項目はコード、文書化されたアダプター、設定済みワークフローを表し得ますが、本番サービスの稼働を意味しません。

  1. 01

    テレメトリストリーミング

    ソースは、選択されたOBD-II PIDとモード(現在データ、フリーズフレーム、DTCs、VIN)、NMEA経由のGPS、IMU入力、WebSocket + SSEストリーミングを表現します。カバレッジとレートは検証されていません。

  2. 02

    インテリジェントトリップトラッキング

    ソースは、自動開始/終了検知、ルート記録、トリップ統計、リプレイ、コスト分析付きのトリップ履歴を表現します。いずれも車両では検証されていません。

  3. 03

    ドライバー安全性スコアリング

    ソースは、急ブレーキ、急加速、急コーナリング、衝撃などの運転イベントに基づく安全性スコアを、スムーズさ、速度、エコドライブのサブスコアとともにモデル化しています。しきい値は車両では検証されていません。

  4. 04

    スマート診断

    ソースは、DTCの読み取り/クリア、フリーズフレーム分析、車両ヘルススコアを表現します。予知保全の出力には、別途検証が必要です。

  5. 05

    AIアシスタント

    ソースは、大規模言語モデルとストリーミング SSE 応答を用いる、車両データについての自然言語の質問向けアシスタントを表現します。その出力には、別途検証が必要です。

  6. 06

    ESP32ファームウェアのソース

    組み込みソースは、CAN/TWAI、u-blox GPS、MPU6050 IMU、WiFi 802.11 b/g/n、BLE GATTを備えたESP32-S3(デュアルコア240MHz)を対象としています。燃料タイプ(ガソリン、ディーゼル、ハイブリッド、PHEV、BEV、水素)とOTA A/Bロールバックは、ソースにモデル化されています。ハードウェアでの検証も、車両での検証も主張しません。

ソースがモデル化するもの

ソースに表現された車両信号の経路

レビュー済みのコードは、選択されたOBD-II/CAN信号と正規マッピング層をモデル化しています。利用可否、レート、単位、意味は車両によって異なり、フィクスチャ、ベンチ、車両での検証が必要です。

リポジトリ上の範囲のみです。可用性、完全性、性能、運用適合性には別途検証が必要です。

PID 0D

車両速度

01

トリップ、しきい値、ジオフェンスのロジックに用いる車速入力を表現します。レートと精度が車両を問わず成り立つとは主張しません。

PID 0C

エンジン回転数

02

エンジン回転数の入力を、エンジン負荷の代理指標として表現し、ミスファイア、ラムダドリフト、トランスミッション摩耗に関するベースライン逸脱の仮説を伴います。検証済みの先行指標ではありません。

PID 11

スロットルポジション

03

RPMおよび速度と組み合わせた、アグレッションスコアリング、運転行動指導、急加速イベントのロジックに用いるスロットル開度の入力(%)を表現します。車両では検証されていません。

PID 05

クーラント温度

04

クーラント温度の入力と、異常に関する仮説を表現します。早期警告を保証するものでも、診断上の結論でもありません。

PID 0F

吸気温度

05

ECUの燃料計算における空気密度の入力を表現します。出力低下の分析や、コールドエアインテークに関する主張の確認といった診断用途には、車両固有の検証が必要です。

PID 0B

マニホールド圧力

06

マニホールド圧力の入力を、エンジン負荷の測定(NA + ターボ)として表現します。ブーストカーブ、負荷対RPM、牽引車両の負荷の各ビューは設計範囲であり、検証済みの分析ではありません。

PID 2F

燃料レベル

07

給油検出、急激な減少による盗難アラート、速度積分から得た距離と照合するトリップごとのMPGロジックに用いる、タンク残量の入力(%)を表現します。レートと精度は主張しません。

PID 14

O₂センサー(ラムダ)

08

空燃比の入力を表現します。長期的なドリフトは、触媒コンバータの劣化、ラムダセンサーの老朽化、または不正な燃料システム改造についての仮説であり、診断上の結論ではありません。

MODE 03

ECU故障コード(DTC)

09

診断コードの取り込みと、平易な言葉による説明のワークフローを表現します。対応モジュールと提示される原因候補には、車両固有の検証と専門家による検証が必要です。

ONBOARD

IMU(加速度 + ジャイロ)

10

CANデータに依存しない、急ブレーキ、急ハンドル、衝突、路面の荒れの各イベントロジックに用いるESP32側のIMU入力を表現します。検出、および非OBD車両での利用は検証されていません。

GNSS

ジオフェンス境界

11

ユーザー定義のゾーン(自宅、デポ、顧客サイト)、出入りアラート、オフラインバッファリングに用いる、GPSおよびセルラーの位置入力を表現します。現場での挙動は検証されていません。

OTA

ファームウェアステータス

12

ファームウェアバージョン、段階的アップデート、ロールバックの設計サーフェスを表現します。署名付きの本番リリースや、デバイスフリートの更新記録は主張しません。

技術スタック

技術スタック

記載技術はリポジトリの依存関係またはアダプター面を示すもので、稼働中の統合や導入を証明しません。

バックエンド
Fastify, TypeScript, Prisma, PostgreSQL + TimescaleDB, Redis
AI
LLM API, streaming SSE, natural-language vehicle queries
Webダッシュボード
Next.js 14, Tailwind CSS, shadcn/ui, data visualisation
モバイルアプリ
React Native, Expo, NativeWind, BLE pairing, Detox E2E tests
ファームウェア
ESP32-S3, ESP-IDF 5.x, FreeRTOS, CAN/TWAI, ISO-TP, GPS NMEA, MPU6050
インフラストラクチャ
Docker, GitHub Actions CI, Vitest, JWT auth, Swagger API docs

ソースコード

コードを探索する

Vectis AIのソースプロトタイプ(バックエンド、フロントエンド、モバイルアプリ、ファームウェア)はリクエストに応じて提供されます。

NDA必須

ソースコードにアクセスするには、秘密保持契約に署名してください。これは標準的な法的手続きです。

関連コンサルティングサービス

フリートやIoTプラットフォームの戦略的AI指導が必要ですか?私のコンサルティングサービスがお手伝いします。

パートナーシップ

Vectis AIにご関心がありますか?

車両データへのAI活用を検討中のフリートオペレーター、自動車OEM、IoTパートナーの方は、その判断についてご相談ください。

お問い合わせ
AIインサイト

The AI Dispatch

デモから信頼できる運用へ。購読すると、Physical AIの新しい読み物が届きます。

いつでも購読解除できます。スパムは一切ありません。