{"id":34776,"date":"2025-11-21T23:31:12","date_gmt":"2025-11-21T20:31:12","guid":{"rendered":"https:\/\/fatihsoysal.com\/blog\/ham-telemetriden-yaris-analizi-web-uygulamasi-nasil-gelistirilir\/"},"modified":"2025-11-21T23:31:12","modified_gmt":"2025-11-21T20:31:12","slug":"ham-telemetriden-yaris-analizi-web-uygulamasi-nasil-gelistirilir","status":"publish","type":"post","link":"https:\/\/fatihsoysal.com\/blog\/ham-telemetriden-yaris-analizi-web-uygulamasi-nasil-gelistirilir\/","title":{"rendered":"Ham Telemetriden Yar\u0131\u015f Analizi Web Uygulamas\u0131 Nas\u0131l Geli\u015ftirilir?"},"content":{"rendered":"

<\/p>\n

Bu makalede, ham yar\u0131\u015f telemetri verilerini kullanarak s\u0131f\u0131rdan g\u00fc\u00e7l\u00fc bir yar\u0131\u015f analizi web uygulamas\u0131 geli\u015ftirme s\u00fcrecini ad\u0131m ad\u0131m ke\u015ffedece\u011fiz. Veri i\u015flemden g\u00f6rselle\u015ftirmeye kadar her \u015feyi \u00f6\u011frenin!<\/p>\n

Motorsporlar\u0131, sadece h\u0131z ve yetenekten ibaret de\u011fildir; ayn\u0131 zamanda rakamlar\u0131n, grafiklerin ve analizlerin de h\u00fck\u00fcm s\u00fcrd\u00fc\u011f\u00fc bir aland\u0131r. Her milisaniye, her fren noktas\u0131, her gaz pedal\u0131na bas\u0131\u015f, pist \u00fczerindeki performans\u0131 do\u011frudan etkiler. Peki, bu detaylar\u0131 yakalayan ham telemetri verilerini, pilotlar\u0131n ve m\u00fchendislerin anlayabilece\u011fi, aksiyon al\u0131nabilir bilgilere d\u00f6n\u00fc\u015ft\u00fcren bir yar\u0131\u015f analizi web uygulamas\u0131 geli\u015ftirmek m\u00fcmk\u00fcn m\u00fcd\u00fcr? Kesinlikle evet! Bu kapsaml\u0131 rehberde, bir yar\u0131\u015f arac\u0131ndan gelen karma\u015f\u0131k veri ak\u0131\u015f\u0131n\u0131 nas\u0131l i\u015fleyece\u011finizi, depolayaca\u011f\u0131n\u0131z\u0131 ve interaktif bir web aray\u00fcz\u00fcnde nas\u0131l g\u00f6rselle\u015ftirece\u011finizi ad\u0131m ad\u0131m inceleyece\u011fiz. Bu yolculukta, sadece teknik becerilerinizi geli\u015ftirmekle kalmayacak, ayn\u0131 zamanda motorsporlar\u0131 d\u00fcnyas\u0131na derinlemesine bir bak\u0131\u015f a\u00e7\u0131s\u0131 kazanacaks\u0131n\u0131z. Uygulaman\u0131z sayesinde, s\u00fcr\u00fcc\u00fcler optimum tur s\u00fcrelerine ula\u015fabilir, ara\u00e7 ayarlar\u0131 m\u00fckemmelle\u015ftirilebilir ve nihayetinde \u015fampiyonluklar kazan\u0131labilir. T\u00fcm bu s\u00fcre\u00e7, ham verilerin g\u00fcc\u00fcn\u00fc ke\u015ffetmek ve onu anlaml\u0131 bir rekabet avantaj\u0131na d\u00f6n\u00fc\u015ft\u00fcrmekle ba\u015flar.<\/p>\n

G\u00fcn\u00fcm\u00fczde motorsporlar\u0131 tak\u0131mlar\u0131, en k\u00fc\u00e7\u00fck performans fark\u0131n\u0131 dahi yakalamak i\u00e7in telemetri verilerine b\u00fcy\u00fck yat\u0131r\u0131mlar yap\u0131yor. Ancak bu verilerin sadece toplanmas\u0131 yeterli de\u011fil; do\u011fru ara\u00e7larla analiz edilmesi ve yorumlanmas\u0131 gerekiyor. \u0130\u015fte tam da bu noktada, \u00f6zel olarak geli\u015ftirilmi\u015f bir yar\u0131\u015f analizi web uygulamas\u0131 devreye giriyor. Bu t\u00fcr bir uygulama, tak\u0131mlara, pilotlara ve m\u00fchendislere anl\u0131k kararlar alabilmeleri i\u00e7in kritik bilgiler sunar. Zaman serisi verilerinin i\u015flenmesi, farkl\u0131 sens\u00f6rlerden gelen bilgilerin senkronize edilmesi ve kullan\u0131c\u0131 dostu bir aray\u00fczde sunulmas\u0131 gibi karma\u015f\u0131k g\u00f6revleri \u00fcstlenir. Bu makale boyunca, bu zorluklar\u0131 a\u015fmak ve etkili bir yar\u0131\u015f analiz platformu olu\u015fturmak i\u00e7in gerekli olan t\u00fcm ad\u0131mlar\u0131 ve teknolojileri detayl\u0131 bir \u015fekilde ele alaca\u011f\u0131z. Haz\u0131rsan\u0131z, motorsporlar\u0131 veri biliminin heyecan verici d\u00fcnyas\u0131na dalal\u0131m ve ham telemetriden nas\u0131l bir \u015fampiyonluk arac\u0131 yarat\u0131laca\u011f\u0131n\u0131 ke\u015ffedelim!<\/p>\n

Ham Telemetri Verileri Nelerdir ve Neden Bu Kadar \u00d6nemlidir?<\/h2>\n

Ham telemetri verileri, bir yar\u0131\u015f arac\u0131n\u0131n veya sim\u00fclat\u00f6r\u00fcn farkl\u0131 sistemlerinden toplanan, i\u015flenmemi\u015f say\u0131sal bilgilerdir. Bu veriler, arac\u0131n performans\u0131 hakk\u0131nda derinlemesine bir bak\u0131\u015f sunar ve s\u00fcr\u00fcc\u00fclerin, m\u00fchendislerin stratejik kararlar almas\u0131na yard\u0131mc\u0131 olur. Genellikle saniyede y\u00fczlerce, hatta binlerce kez \u00f6rneklenirler ve zaman serisi format\u0131nda kaydedilirler. En yayg\u0131n telemetri veri t\u00fcrleri \u015funlard\u0131r:<\/p>\n

H\u0131z (Speed):<\/strong> Arac\u0131n anl\u0131k h\u0131z\u0131.<\/li>\n
Motor Devri (RPM):<\/strong> Motorun dakikadaki devir say\u0131s\u0131.<\/li>\n
Gaz Pedal\u0131 Konumu (Throttle Position):<\/strong> Gaz pedal\u0131na ne kadar bas\u0131ld\u0131\u011f\u0131n\u0131n y\u00fczdesi.<\/li>\n
Fren Bas\u0131nc\u0131 (Brake Pressure):<\/strong> Fren pedal\u0131na uygulanan bas\u0131n\u00e7.<\/li>\n
Direksiyon A\u00e7\u0131s\u0131 (Steering Angle):<\/strong> Direksiyonun ne kadar d\u00f6nd\u00fcr\u00fcld\u00fc\u011f\u00fc.<\/li>\n
G-Kuvvetleri (G-Forces):<\/strong> Arac\u0131n yatay ve dikey y\u00f6ndeki ivmelenmesi (boylamas\u0131na ve yanal G).<\/li>\n
GPS Konumu:<\/strong> Arac\u0131n pist \u00fczerindeki tam koordinatlar\u0131.<\/li>\n
S\u00fcspansiyon Hareketleri:<\/strong> Her bir tekerle\u011fin s\u00fcspansiyonunun s\u0131k\u0131\u015fma ve a\u00e7\u0131lma miktar\u0131.<\/li>\n
Lastik S\u0131cakl\u0131klar\u0131:<\/strong> Her lasti\u011fin farkl\u0131 noktalar\u0131ndaki s\u0131cakl\u0131klar (i\u00e7, orta, d\u0131\u015f).<\/li>\n

Yak\u0131t Seviyesi:<\/strong> Depodaki yak\u0131t miktar\u0131.<\/li>\n<\/ul>\n
Bu verilerin \u00f6nemi b\u00fcy\u00fckt\u00fcr \u00e7\u00fcnk\u00fc:<\/p>\n
\n
Performans \u0130yile\u015ftirme:<\/strong> Hangi virajlarda daha h\u0131zl\u0131 veya daha yava\u015f olundu\u011funu g\u00f6sterir.<\/li>\n
Ara\u00e7 Ayarlar\u0131 Optimizasyonu:<\/strong> S\u00fcspansiyon sertli\u011fi, aerodinamik ayarlar gibi konularda geri bildirim sa\u011flar.<\/li>\n
S\u00fcr\u00fcc\u00fc Geli\u015fimi:<\/strong> S\u00fcr\u00fcc\u00fcn\u00fcn frenleme noktalar\u0131n\u0131, gaz \u00e7\u0131k\u0131\u015flar\u0131n\u0131 ve direksiyon hareketlerini di\u011fer s\u00fcr\u00fcc\u00fclerle veya ideal turla kar\u015f\u0131la\u015ft\u0131rma imkan\u0131 sunar.<\/li>\n
G\u00fcvenlik:<\/strong> Anormal de\u011ferler, ara\u00e7ta potansiyel bir ar\u0131zan\u0131n veya a\u015f\u0131r\u0131 y\u00fcklenmenin i\u015fareti olabilir.<\/li>\n<\/ol>\n
Ham veriler genellikle CSV, JSON veya \u00f6zel ikili formatlarda gelir. Her format\u0131n kendine \u00f6zg\u00fc avantajlar\u0131 ve zorluklar\u0131 vard\u0131r. \u00d6rne\u011fin, CSV kolayca okunabilir olsa da b\u00fcy\u00fck veri setleri i\u00e7in dosya boyutu sorun yaratabilir. \u00d6zel ikili formatlar daha verimli olabilir ancak \u00e7\u00f6z\u00fcmlenmesi i\u00e7in \u00f6zel k\u00fct\u00fcphanelere ihtiya\u00e7 duyulur. Yar\u0131\u015f analizi web uygulamas\u0131n\u0131n temelini olu\u015fturaca\u011f\u0131 i\u00e7in, bu verilerin do\u011fru bir \u015fekilde nas\u0131l al\u0131naca\u011f\u0131n\u0131 ve i\u015flenece\u011fini anlamak hayati \u00f6nem ta\u015f\u0131r. Veri hacmi ve \u00f6rnekleme frekans\u0131, depolama ve i\u015fleme mimarisini do\u011frudan etkileyecektir. \u00d6zellikle zaman serisi verileriyle \u00e7al\u0131\u015f\u0131rken, zaman damgalar\u0131n\u0131n do\u011frulu\u011fu ve senkronizasyonu, anlaml\u0131 analizler yapabilmek i\u00e7in olmazsa olmazd\u0131r. Bu y\u00fczden, veri temizli\u011fi ve \u00f6n i\u015fleme ad\u0131mlar\u0131, projenin ba\u015far\u0131s\u0131 i\u00e7in kritik bir role sahiptir.<\/p>\n
Veri Toplama ve Temizleme S\u00fcre\u00e7leri Nas\u0131l Y\u00f6netilir?<\/h2>\n
Ham telemetri verileriyle \u00e7al\u0131\u015fman\u0131n ilk ve en kritik ad\u0131m\u0131, bu verileri toplamak, temizlemek ve anlaml\u0131 hale getirmektir. Genellikle sens\u00f6rlerden gelen veriler g\u00fcr\u00fclt\u00fcl\u00fc olabilir, eksik de\u011ferler i\u00e7erebilir veya farkl\u0131 zaman damgalar\u0131na sahip olabilir. Bu y\u00fczden, sa\u011flam bir veri \u00f6n i\u015fleme hatt\u0131 olu\u015fturmak esast\u0131r. \u00c7o\u011fu zaman bu s\u00fcre\u00e7 i\u00e7in Python ve Pandas k\u00fct\u00fcphanesi tercih edilir. Pandas, b\u00fcy\u00fck veri setlerini i\u015flemek, filtrelemek, birle\u015ftirmek ve temizlemek i\u00e7in g\u00fc\u00e7l\u00fc ara\u00e7lar sunar.<\/p>\n
\u0130lk olarak, verileri okumam\u0131z gerekir. \u00c7o\u011fu telemetri sistemi verileri CSV format\u0131nda d\u0131\u015fa aktar\u0131r. \u0130\u015fte basit bir \u00f6rnek:<\/p>\n
\nimport pandas as pd\n\ndef read_telemetry_data(filepath):\n \"\"\"\n Belirtilen yoldan telemetri verilerini okur.\n Varsay\u0131lan olarak bir CSV dosyas\u0131 beklenir.\n \"\"\"\n try:\n df = pd.read_csv(filepath)\n # Zaman s\u00fctununu datetime objesine d\u00f6n\u00fc\u015ft\u00fcrme (varsa)\n if 'time' in df.columns:\n df['time'] = pd.to_datetime(df['time'], unit='s') # Unix timestamp i\u00e7in 's'\n df = df.set_index('time')\n return df\n except FileNotFoundError:\n print(f\"Hata: Dosya bulunamad\u0131 - {filepath}\")\n return None\n except Exception as e:\n print(f\"Veri okuma hatas\u0131: {e}\")\n return None\n\n# \u00d6rnek kullan\u0131m\n# telemetry_df = read_telemetry_data('data\/raw_telemetry_lap1.csv')\n# if telemetry_df is not None:\n# print(telemetry_df.head())\n <\/pre>\n<\/code><\/p>\n Verileri okuduktan sonra, temizleme a\u015famas\u0131na ge\u00e7meliyiz. Bu a\u015famada:<\/p>\n \nEksik De\u011ferleri Y\u00f6netme:<\/strong> Sens\u00f6r ar\u0131zalar\u0131 veya veri aktar\u0131m kesintileri nedeniyle eksik de\u011ferler olu\u015fabilir. Bunlar ortalama, medyan de\u011ferlerle doldurulabilir (df.fillna()<\/code>) veya do\u011frudan silinebilir (df.dropna()<\/code>). Zaman serisi verilerinde interpolasyon (df.interpolate()<\/code>) genellikle daha iyi bir yakla\u015f\u0131md\u0131r.<\/li>\n G\u00fcr\u00fclt\u00fcy\u00fc Azaltma:<\/strong> Sens\u00f6rlerden gelen verilerde anl\u0131k s\u0131\u00e7ramalar veya g\u00fcr\u00fclt\u00fcler olabilir. Hareketli ortalama (df.rolling().mean()<\/code>) gibi filtreleme teknikleri bu g\u00fcr\u00fclt\u00fcy\u00fc yumu\u015fatabilir.<\/li>\n Veri Birle\u015ftirme ve Senkronizasyon:<\/strong> Birden fazla sens\u00f6rden veya ara\u00e7tan gelen verileri analiz etmek istiyorsak, bunlar\u0131 do\u011fru zaman damgalar\u0131na g\u00f6re birle\u015ftirmemiz ve senkronize etmemiz gerekir.<\/li>\n Anormal De\u011ferleri Tespit Etme:<\/strong> Bazen sens\u00f6rler hatal\u0131 okumalar yapabilir. \u0130statistiksel y\u00f6ntemler (\u00f6rn. Z-skoru) veya domain bilgisi kullanarak bu ayk\u0131r\u0131 de\u011ferler belirlenebilir ve d\u00fczeltilebilir.<\/li>\n<\/ul>\n\ndef clean_telemetry_data(df):\n \"\"\"\n Telemetri DataFrame'ini temizler ve \u00f6n i\u015fler.\n \"\"\"\n if df is None:\n return None\n\n # Eksik de\u011ferleri interpolasyon ile doldurma\n df_cleaned = df.interpolate(method='time', limit_direction='both')\n\n # A\u015f\u0131r\u0131 g\u00fcr\u00fclt\u00fcy\u00fc azaltmak i\u00e7in hareketli ortalama uygulama (\u00f6rne\u011fin h\u0131z i\u00e7in)\n if 'speed' in df_cleaned.columns:\n df_cleaned['speed_smoothed'] = df_cleaned['speed'].rolling(window=5, min_periods=1).mean()\n\n # Negatif h\u0131z gibi fiziksel olarak imkans\u0131z de\u011ferleri d\u00fczeltme\n for col in ['speed', 'rpm', 'throttle', 'brake']:\n if col in df_cleaned.columns:\n df_cleaned[col] = df_cleaned[col].apply(lambda x: max(0, x)) # De\u011ferleri 0'dan k\u00fc\u00e7\u00fck olamaz\n\n return df_cleaned\n\n# cleaned_df = clean_telemetry_data(telemetry_df)\n# if cleaned_df is not None:\n# print(cleaned_df.describe())\n <\/pre>\n<\/code><\/p>\n Bu temizleme ad\u0131mlar\u0131, analizlerinizin do\u011frulu\u011funu ve web uygulaman\u0131zda g\u00f6sterilecek verilerin g\u00fcvenilirli\u011fini do\u011frudan etkileyecektir. Verilerin depolanmas\u0131 i\u00e7in de uygun stratejiler geli\u015ftirmemiz gerekiyor. B\u00fcy\u00fck miktarda zaman serisi verisiyle \u00e7al\u0131\u015f\u0131rken, geleneksel ili\u015fkisel veritabanlar\u0131 zamanla performans sorunlar\u0131 ya\u015fayabilir. Bu nedenle, zaman serisi veritabanlar\u0131 veya ili\u015fkisel veritabanlar\u0131n\u0131n zaman serisi eklentileri (\u00f6rne\u011fin PostgreSQL i\u00e7in TimescaleDB) tercih edilebilir. Bu \u00e7\u00f6z\u00fcmler, verilerin daha verimli bir \u015fekilde yaz\u0131lmas\u0131n\u0131 ve sorgulanmas\u0131n\u0131 sa\u011flar, b\u00f6ylece web uygulaman\u0131z\u0131n h\u0131z\u0131 ve yan\u0131t verme yetene\u011fi artar.<\/p>\n \n Uzman \u0130pucu: Ham telemetri verilerini i\u015flerken, veri kalitesinin analizin temelini olu\u015fturdu\u011funu unutmay\u0131n. \u0130lk ba\u015fta harcad\u0131\u011f\u0131n\u0131z her dakika, sonraki analiz ad\u0131mlar\u0131nda size saatler kazand\u0131rabilir. \u00d6zellikle zaman damgas\u0131 senkronizasyonu, farkl\u0131 veri kaynaklar\u0131n\u0131 birle\u015ftirirken kritik \u00f6neme sahiptir.\n <\/p><\/blockquote>\n B\u00fcy\u00fck Veri Setleri \u0130\u00e7in Etkili Depolama Stratejileri Nelerdir?<\/h3>\nYar\u0131\u015f telemetrisi, \u00f6zellikle uzun s\u00fcreli testler veya birden fazla arac\u0131n takibi s\u00f6z konusu oldu\u011funda h\u0131zla devasa boyutlara ula\u015fabilen zaman serisi verileri \u00fcretir. Bu nedenle, verimli bir depolama \u00e7\u00f6z\u00fcm\u00fc se\u00e7mek, uygulaman\u0131z\u0131n \u00f6l\u00e7eklenebilirli\u011fi ve performans\u0131 i\u00e7in kritik \u00f6neme sahiptir. Geleneksel ili\u015fkisel veritabanlar\u0131 (MySQL, PostgreSQL) genel ama\u00e7l\u0131 kullan\u0131mlar i\u00e7in harika olsa da, zaman serisi verilerinin yo\u011fun yazma ve okuma i\u015flemleri i\u00e7in optimize edilmemi\u015flerdir. Bu durumda devreye \u00f6zel \u00e7\u00f6z\u00fcmler girer:<\/p>\n \nTimescaleDB (PostgreSQL Eklentisi):<\/strong> Mevcut PostgreSQL altyap\u0131n\u0131z\u0131 kullanmay\u0131 tercih ediyorsan\u0131z, TimescaleDB m\u00fckemmel bir se\u00e7enektir. PostgreSQL'i zaman serisi verileri i\u00e7in optimize eden, verimli bir eklentidir. Hibrit bir yakla\u015f\u0131m sunarak hem ili\u015fkisel verileri hem de zaman serisi verilerini tek bir veritaban\u0131nda y\u00f6netmenize olanak tan\u0131r. \u00d6zellikle s\u0131k\u0131 SQL entegrasyonuna ihtiyac\u0131n\u0131z varsa idealdir.<\/li>\n InfluxDB:<\/strong> Saf bir zaman serisi veritaban\u0131 (TSDB) olarak tasarlanm\u0131\u015ft\u0131r. Y\u00fcksek yazma h\u0131z\u0131 ve sorgu performans\u0131 sunar. \u00d6zellikle \u00e7ok say\u0131da sens\u00f6rden gelen veriyi i\u015fleyen ve ger\u00e7ek zamanl\u0131 analizler gerektiren uygulamalar i\u00e7in olduk\u00e7a pop\u00fclerdir. SQL benzeri bir sorgulama dili olan InfluxQL veya Flux dilini kullan\u0131r.<\/li>\n Apache Cassandra \/ ScyllaDB:<\/strong> B\u00fcy\u00fck \u00f6l\u00e7ekli da\u011f\u0131t\u0131k sistemler i\u00e7in tasarlanm\u0131\u015f NoSQL veritabanlar\u0131d\u0131r. Petabaytlarca veriyi i\u015fleyebilir ve y\u00fcksek eri\u015filebilirlik sunarlar. Ancak, veri modellemesi ve sorgu tasar\u0131m\u0131, geleneksel SQL veritabanlar\u0131ndan farkl\u0131d\u0131r ve daha fazla uzmanl\u0131k gerektirebilir. \u00c7ok b\u00fcy\u00fck ve k\u00fcresel \u00f6l\u00e7ekte veri depolama ihtiyac\u0131n\u0131z varsa d\u00fc\u015f\u00fcnebilirsiniz.<\/li>\n Parquet \/ ORC (Depolama Format\u0131):<\/strong> Veritaban\u0131 yerine dosya tabanl\u0131 depolama \u00e7\u00f6z\u00fcm\u00fc ar\u0131yorsan\u0131z, s\u00fctunsal depolama formatlar\u0131 olan Parquet veya ORC'yi d\u00fc\u015f\u00fcnebilirsiniz. Bu formatlar, \u00f6zellikle veri analizleri ve makine \u00f6\u011frenimi i\u015f y\u00fckleri i\u00e7in tasarlanm\u0131\u015ft\u0131r. Verileri s\u0131k\u0131\u015ft\u0131rarak daha az disk alan\u0131 kaplamalar\u0131n\u0131 ve sorgular\u0131n daha h\u0131zl\u0131 \u00e7al\u0131\u015fmas\u0131n\u0131 sa\u011flar. Genellikle bulut tabanl\u0131 veri ambarlar\u0131 (AWS S3, Azure Data Lake Storage) ile birlikte kullan\u0131l\u0131rlar.<\/li>\n<\/ol>\nSe\u00e7iminiz, projenizin \u00f6l\u00e7eklenebilirlik gereksinimlerine, mevcut altyap\u0131n\u0131za ve ekibinizin yetkinliklerine ba\u011fl\u0131 olacakt\u0131r. K\u00fc\u00e7\u00fck ve orta \u00f6l\u00e7ekli projeler i\u00e7in TimescaleDB genellikle harika bir ba\u015flang\u0131\u00e7 noktas\u0131d\u0131r, \u00e7\u00fcnk\u00fc hem tan\u0131d\u0131k bir SQL aray\u00fcz\u00fc sunar hem de zaman serisi performans\u0131 sa\u011flar. Uygulamam\u0131z i\u00e7in, \u00f6zellikle Python ile veri i\u015fledi\u011fimiz i\u00e7in, verileri PostgreSQL\/TimescaleDB'ye veya InfluxDB'ye aktarmay\u0131 ve oradan da web uygulamas\u0131na \u00e7ekmeyi planlayaca\u011f\u0131z.<\/p>\n Arka U\u00e7 (Backend) Mimarisi: Verileri Analize Haz\u0131rlama<\/h2>\nWeb uygulamas\u0131n\u0131n \"beyni\" olan arka u\u00e7, \u00f6n taraftan gelen istekleri i\u015fler, veritaban\u0131yla etkile\u015fime girer ve analiz sonu\u00e7lar\u0131n\u0131 \u00f6n tarafa sunar. Yar\u0131\u015f analizi web uygulamam\u0131z i\u00e7in \u00f6l\u00e7eklenebilir, g\u00fcvenilir ve y\u00fcksek performansl\u0131 bir arka u\u00e7 mimarisi kurmak zorunday\u0131z. Node.js ve Express.js ikilisi, JavaScript'i hem \u00f6n u\u00e7ta hem de arka u\u00e7ta kullanma avantaj\u0131 sundu\u011fu i\u00e7in pop\u00fcler bir se\u00e7imdir. Alternatif olarak, veri i\u015fleme a\u011f\u0131rl\u0131kl\u0131 uygulamalar i\u00e7in Python'\u0131n FastAPI veya Flask k\u00fct\u00fcphaneleri de tercih edilebilir.<\/p>\n Arka u\u00e7un temel g\u00f6revleri \u015funlar\u0131 i\u00e7erir:<\/p>\n \nVeri Y\u00fckleme (Upload):<\/strong> Kullan\u0131c\u0131lar\u0131n ham telemetri dosyalar\u0131n\u0131 (CSV, JSON vb.) sunucuya y\u00fcklemesini sa\u011flamak. Bu dosyalar daha sonra i\u015flenmek \u00fczere ge\u00e7ici depolama alan\u0131na kaydedilir veya do\u011frudan i\u015flenir.<\/li>\n Veri \u0130\u015fleme ve Kaydetme:<\/strong> Y\u00fcklenen ham verileri temizleme ve standart bir formata d\u00f6n\u00fc\u015ft\u00fcrme (Python ile yapt\u0131\u011f\u0131m\u0131z gibi) ve se\u00e7ilen veritaban\u0131na (TimescaleDB, InfluxDB) kaydetme. Bu i\u015flem yo\u011fun olabilece\u011fi i\u00e7in asenkron olarak veya bir kuyruk sistemi (RabbitMQ, Kafka) kullanarak arka planda \u00e7al\u0131\u015ft\u0131r\u0131labilir.<\/li>\n API U\u00e7 Noktalar\u0131 (API Endpoints):<\/strong> \u00d6n u\u00e7 uygulamas\u0131n\u0131n veriye ve analiz sonu\u00e7lar\u0131na eri\u015febilmesi i\u00e7in RESTful veya GraphQL API'leri olu\u015fturma. \u00d6rne\u011fin, belirli bir tur i\u00e7in h\u0131z, devir veya di\u011fer sens\u00f6r verilerini getiren u\u00e7 noktalar.<\/li>\n Analiz Motoru:<\/strong> Sunucu taraf\u0131nda karma\u015f\u0131k analizleri (tur kar\u015f\u0131la\u015ft\u0131rmalar\u0131, sekt\u00f6r zamanlar\u0131, optimum \u00e7izgi hesaplamalar\u0131) \u00e7al\u0131\u015ft\u0131ran mant\u0131k. Bu analizler, iste\u011fe ba\u011fl\u0131 olarak veya periyodik olarak \u00e7al\u0131\u015ft\u0131r\u0131labilir.<\/li>\n Ger\u00e7ek Zamanl\u0131 G\u00fcncellemeler (WebSockets):<\/strong> E\u011fer canl\u0131 telemetri izleme gibi \u00f6zellikler d\u00fc\u015f\u00fcn\u00fcl\u00fcyorsa, WebSockets kullanarak \u00f6n u\u00e7 ile s\u00fcrekli bir ba\u011flant\u0131 kurmak ve veri g\u00fcncellemelerini an\u0131nda g\u00f6ndermek.<\/li>\n<\/ul>\nA\u015fa\u011f\u0131da, Node.js ve Express.js kullanarak basit bir dosya y\u00fckleme ve veri getirme API'si \u00f6rne\u011fi bulunmaktad\u0131r. Bu \u00f6rnek, temel bir ba\u015flang\u0131\u00e7 noktas\u0131 sunar:<\/p>\n \n\/\/ app.js (Node.js Express Uygulamas\u0131)\nconst express = require('express');\nconst multer = require('multer'); \/\/ Dosya y\u00fckleme i\u00e7in\nconst path = require('path');\nconst cors = require('cors'); \/\/ CORS hatalar\u0131n\u0131 \u00f6nlemek i\u00e7in\nconst bodyParser = require('body-parser');\n\nconst app = express();\nconst port = 5000;\n\n\/\/ Middleware'ler\napp.use(cors());\napp.use(bodyParser.json());\napp.use(bodyParser.urlencoded({ extended: true }));\n\n\/\/ Dosya y\u00fckleme konfig\u00fcrasyonu\nconst upload = multer({ dest: 'uploads\/' });\n\n\/\/ API U\u00e7 Noktalar\u0131\n\n\/\/ 1. Telemetri dosyas\u0131 y\u00fckleme\napp.post('\/api\/upload-telemetry', upload.single('telemetryFile'), async (req, res) => {\n if (!req.file) {\n return res.status(400).send('Dosya y\u00fcklenemedi.');\n }\n const filePath = req.file.path;\n const originalName = req.file.originalname;\n\n try {\n \/\/ Burada Python beti\u011fini veya Node.js i\u00e7indeki veri i\u015fleme mant\u0131\u011f\u0131n\u0131 \u00e7a\u011f\u0131rabilirsiniz.\n \/\/ \u00d6rne\u011fin: Python'a subprocess ile dosya yolunu g\u00f6nderip i\u015flem sonras\u0131 DB'ye kaydetme.\n console.log(Dosya y\u00fcklendi: ${originalName} (${filePath})<\/code>);\n \n \/\/ \u00d6rnek olarak, dosya yolunu geri g\u00f6nderiyoruz. Ger\u00e7ek uygulamada i\u015fleme sonucunu d\u00f6nersiniz.\n res.status(200).json({ message: 'Dosya ba\u015far\u0131yla y\u00fcklendi ve i\u015flenmeye haz\u0131r.', filename: originalName, path: filePath });\n } catch (error) {\n console.error('Dosya i\u015fleme hatas\u0131:', error);\n res.status(500).send('Sunucu hatas\u0131: Dosya i\u015flenemedi.');\n }\n});\n\n\/\/ 2. Belirli bir tur i\u00e7in telemetri verilerini getirme (\u00f6rnek)\napp.get('\/api\/telemetry\/lap\/:lapId', async (req, res) => {\n const { lapId } = req.params;\n \/\/ Burada veritaban\u0131ndan (TimescaleDB, InfluxDB vb.) ilgili tur verilerini sorgulayacaks\u0131n\u0131z.\n \/\/ \u00d6rnek olarak sahte veri d\u00f6n\u00fcyoruz:\n const sampleData = {\n lapId: lapId,\n data: [\n { time: 0, speed: 0, rpm: 0, throttle: 0 },\n { time: 1, speed: 50, rpm: 3000, throttle: 0.5 },\n { time: 2, speed: 80, rpm: 5000, throttle: 0.8 },\n \/\/ ... ger\u00e7ek veriler\n ]\n };\n res.status(200).json(sampleData);\n});\n\n\/\/ Sunucuyu ba\u015flat\napp.listen(port, () => {\n console.log(Arka u\u00e7 sunucusu http:\/\/localhost:${port} adresinde \u00e7al\u0131\u015f\u0131yor.<\/code>);\n});\n <\/pre>\n<\/code><\/p>\n Bu temel yap\u0131, uygulaman\u0131z\u0131n omurgas\u0131n\u0131 olu\u015fturacakt\u0131r. Ger\u00e7ek d\u00fcnya senaryolar\u0131nda, bu mimariyi daha da geni\u015fletmeniz gerekecektir. \u00d6rne\u011fin, kullan\u0131c\u0131 kimlik do\u011frulamas\u0131 ve yetkilendirme (JWT), daha karma\u015f\u0131k veri i\u015fleme kuyruklar\u0131 (Celery with Redis\/RabbitMQ), \u00f6nbellekleme mekanizmalar\u0131 (Redis) ve bulut tabanl\u0131 bir da\u011f\u0131t\u0131m (AWS EC2\/Lambda, Google Cloud Run) gibi bile\u015fenler ekleyebilirsiniz. Performans\u0131 art\u0131rmak i\u00e7in API yan\u0131tlar\u0131n\u0131 s\u0131k\u0131\u015ft\u0131rmak (gzip) ve HTTP\/2 kullanmak da \u00f6nemlidir. Arka u\u00e7, \u00f6n u\u00e7 uygulamas\u0131n\u0131n dinamik ve veri odakl\u0131 olmas\u0131n\u0131 sa\u011flayan temel katmand\u0131r.<\/p>\n \u00d6n U\u00e7 (Frontend) Geli\u015ftirme: Telemetriyi G\u00f6rselle\u015ftirme Sanat\u0131<\/h2>\nYar\u0131\u015f analizi web uygulamas\u0131n\u0131n kullan\u0131c\u0131larla do\u011frudan etkile\u015fim kuran y\u00fcz\u00fc, \u00f6n u\u00e7 k\u0131sm\u0131d\u0131r. Buras\u0131, ham verilerin anlaml\u0131 grafiklere, interaktif pist haritalar\u0131na ve kar\u015f\u0131la\u015ft\u0131rmal\u0131 tablolara d\u00f6n\u00fc\u015ft\u00fc\u011f\u00fc yerdir. Modern bir \u00f6n u\u00e7 i\u00e7in React, Vue.js veya Angular gibi bir JavaScript \u00e7er\u00e7evesi tercih etmek, bile\u015fen tabanl\u0131 geli\u015ftirme ve durum y\u00f6netimi sayesinde kodu daha d\u00fczenli ve s\u00fcrd\u00fcr\u00fclebilir hale getirir. Biz bu \u00f6rnekte React'i ele alaca\u011f\u0131z.<\/p>\n \u00d6n u\u00e7 geli\u015ftirirken odaklanmam\u0131z gereken ana noktalar \u015funlard\u0131r:<\/p>\n \nKullan\u0131c\u0131 Aray\u00fcz\u00fc (UI) ve Kullan\u0131c\u0131 Deneyimi (UX):<\/strong> Analizler karma\u015f\u0131k olabilece\u011fi i\u00e7in, kullan\u0131c\u0131 aray\u00fcz\u00fcn\u00fcn sezgisel ve kolay anla\u015f\u0131l\u0131r olmas\u0131 \u00e7ok \u00f6nemlidir. Pilotlar ve m\u00fchendisler, istedikleri bilgilere h\u0131zl\u0131ca ula\u015fabilmeli ve veriler aras\u0131nda rahat\u00e7a gezinebilmelidir.<\/li>\n Veri G\u00f6rselle\u015ftirme K\u00fct\u00fcphaneleri:<\/strong> Telemetri verilerini etkili bir \u015fekilde sunmak i\u00e7in grafik k\u00fct\u00fcphaneleri kullanmak \u015fartt\u0131r. Pop\u00fcler se\u00e7enekler aras\u0131nda Chart.js, Recharts, Plotly.js ve D3.js bulunur. Chart.js, ba\u015flang\u0131\u00e7 i\u00e7in kullan\u0131m\u0131 kolay ve esnek bir se\u00e7enek sunar.<\/li>\n Interaktif Grafikler:<\/strong> Kullan\u0131c\u0131lar\u0131n belirli bir zaman aral\u0131\u011f\u0131na yak\u0131nla\u015fabilmesi, farkl\u0131 veri setlerini \u00fcst \u00fcste bindirebilmesi (\u00f6rn. iki turu veya iki s\u00fcr\u00fcc\u00fcy\u00fc kar\u015f\u0131la\u015ft\u0131rma), veri noktalar\u0131 \u00fczerinde gezinerek detayl\u0131 bilgi alabilmesi gibi interaktif \u00f6zellikler, uygulaman\u0131n de\u011ferini art\u0131r\u0131r.<\/li>\n Pist Haritas\u0131 Entegrasyonu:<\/strong> GPS verilerini kullanarak, arac\u0131n pist \u00fczerindeki konumunu ve o konumdaki performans verilerini g\u00f6steren interaktif bir pist haritas\u0131 (\u00f6rn. Leaflet veya Mapbox GL JS ile) olmazsa olmazlardand\u0131r.<\/li>\n Mobil Uyum:<\/strong> Tak\u0131mlar\u0131n genellikle tabletler veya diz\u00fcst\u00fc bilgisayarlarla pist kenar\u0131nda \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 d\u00fc\u015f\u00fcn\u00fcrsek, uygulaman\u0131n farkl\u0131 ekran boyutlar\u0131na uyum sa\u011flamas\u0131, yani duyarl\u0131 (responsive) olmas\u0131 hayati \u00f6nem ta\u015f\u0131r.<\/li>\n<\/ul>\nA\u015fa\u011f\u0131da, React ve Chart.js kullanarak basit bir h\u0131z grafi\u011fi bile\u015feni ve mobil uyumluluk i\u00e7in CSS media query \u00f6rne\u011fi verilmi\u015ftir:<\/p>\n \n\/\/ src\/components\/SpeedChart.js (React Bile\u015feni)\nimport React, { useEffect, useRef } from 'react';\nimport Chart from 'chart.js\/auto'; \/\/ Chart.js v3+ i\u00e7in\n\nconst SpeedChart = ({ telemetryData, lapId }) => {\n const chartRef = useRef(null);\n const chartInstance = useRef(null); \/\/ Chart instance'\u0131n\u0131 saklamak i\u00e7in\n\n useEffect(() => {\n if (!telemetryData || telemetryData.length === 0) return;\n\n const ctx = chartRef.current.getContext('2d');\n\n \/\/ \u00d6nceki grafi\u011fi yok et\n if (chartInstance.current) {\n chartInstance.current.destroy();\n }\n\n chartInstance.current = new Chart(ctx, {\n type: 'line',\n data: {\n labels: telemetryData.map(d => d.time), \/\/ Zaman damgalar\u0131\n datasets: [\n {\n label: Tur ${lapId} H\u0131z (km\/h)<\/code>,\n data: telemetryData.map(d => d.speed),\n borderColor: 'rgb(75, 192, 192)',\n tension: 0.1,\n fill: false,\n },\n ],\n },\n options: {\n responsive: true,\n maintainAspectRatio: false, \/\/ Konteyner boyutuna uyum sa\u011flamas\u0131 i\u00e7in\n scales: {\n x: {\n type: 'linear', \/\/ Zaman\u0131 say\u0131sal bir eksen olarak ele alabiliriz veya 'time'\n title: {\n display: true,\n text: 'S\u00fcre (saniye)'\n }\n },\n y: {\n title: {\n display: true,\n text: 'H\u0131z (km\/h)'\n },\n beginAtZero: true\n }\n },\n plugins: {\n tooltip: {\n mode: 'index',\n intersect: false,\n },\n legend: {\n display: true,\n }\n }\n },\n });\n\n \/\/ Bile\u015fen unmount edildi\u011finde grafi\u011fi temizle\n return () => {\n if (chartInstance.current) {\n chartInstance.current.destroy();\n }\n };\n }, [telemetryData, lapId]); \/\/ telemetryData veya lapId de\u011fi\u015fti\u011finde grafi\u011fi yeniden \u00e7iz\n\n return