229 заездов, 140 разных пилотов, 28 часов 4 минуты и 53 секунды непрерывной работы за три дня. Никто не пострадал. Почти. Зато мы получили отличный поток данных.
Как фанат Формулы-1, хочу поделиться демо-кейсом сбора гоночной телеметрии из симулятора Assetto Corsa, который мы использовали во время проведения SOC Forum 2025.
Зеленый свет
На форуме у нас был стенд с классическим набором: лекторий, мерч, разговоры про безопасность и аналитику. Но был и козырь в рукаве — гоночный симулятор с подвижной платформой.
Все гости форума могли в порядке живой очереди собрать быстрый круг на автомобилях классов GT3 и GT4 по самым популярным трассам мира: Сильверстоун, Монца, Нюрбургринг и другим. И да, очередь к симулятору собиралась быстрее, чем к кофе-брейку.
Что из себя представлял симулятор
С технической стороны это был полноценный автосимулятор: игровой ПК с Assetto Corsa (2014), кокпит для симрейсинга (руль с педалями, кресло и подвижная платформа). Софт состоял из самой игры и нашей программы для чтения телеметрии (далее — коллектор).
Assetto Corsa была выбрана не случайно. Игра старая, но с огромным комьюнити и открытой архитектурой. К ней написаны огромное количество модов и библиотек, а значит шанс быстро интегрироваться был высоким.
Зачем понадобилась аналитика
Идея была показать возможности платформы анализа данных Smart Monitor (далее — аналитическая платформа) в интерактивном формате. Не логами ради логов, а потоком телеметрии в live-режиме, который реально что-то отражает.
Во время заезда каждую секунду генерируются десятки параметров: скорость, обороты двигателя, положение автомобиля, работа подвески, состояние шин, ошибки пилота.
Задача была следующей:
-
получать телеметрию из Assetto Corsa в реальном времени
-
отправлять ее в аналитическую платформу
-
сразу же выводить информацию на заранее подготовленные дашборды аналитики заездов
-
сделать все достаточно надежным, чтобы работало три дня подряд на форуме без остановки симулятора
Как мы подошли к сбору данных
Как упоминалось выше, Assetto Corsa игра не новая, однако за счет модинга вокруг нее давно выросло сообщество. Оказалось, что существует несколько способов забрать телеметрию (ACTI, Simhub), но нам они не подошли. ACTI формирует данные только после окончания сессии, использует бинарные форматы и требует ручной обработки, а SimHub не умеет передавать телеметрию в реальном времени для первой Assetto Corsa (2014) в отличие от второй части Assetto Corsa Competizione (2019) или других гоночных симуляторов.
В итоге мы остановились на чтении данных из Shared Memory (выделенная область оперативной памяти, через которую игра передает текущие показатели стороннему софту в режиме реального времени). Более подробно о выборе способа сбора данных рассказал мой коллега в своей статье.
Мы взяли библиотеку для работы с Shared Memory, доработали её и написали свой коллектор. Его задача была c определенной периодичностью читать текущие значения и отправлять их дальше в виде JSON.
Архитектура
На ПК с Assetto Corsa работал коллектор на C#. Он раз в секунду читал данные из Shared Memory, сериализовал их в JSON и отправлял по UDP на хост с Logstash.
Прием и обработка телеметрии были реализованы следующим пайплайном Logstash:
input { udp { port => PORT } } filter { json { source => "message" } mutate { remove_field => ["message", "host"] } } output { opensearch { hosts => ["https://HOST:PORT"] index => "ac_telemetry" user => "logstash" password => "${ES_PWD}" ssl => true cacert => "/app/logstash/config/ca-cert.pem" ecs_compatibility => "disabled" } }
Logstash принимал сырую телеметрию, разбирал JSON и отправлял готовые индексы в аналитическую платформу.
Вся логика выглядела так:
Критически важным для нас было добиться мгновенной отправки данных. Пока пилот проезжает круг, данные уже на дашборде.
Такой подход оказался достаточно устойчивым: система пережила за три дня форума десятки перезапусков игры, смену пилотов и трасс, но ручного вмешательства не потребовалось.
Периодичность сбора и обзор данных
Assetto Corsa отдает телеметрию с очень высокой детализацией. В максимальной конфигурации данные можно читать с частотой десятки раз в секунду, вплоть до частоты игрового тика. Для нашего кейса такая детализация была избыточна:
// Интервалы обновления ac.StaticInfoInterval = 10000; // 10 сек ac.GraphicsInterval = 10000; // 10 сек ac.PhysicsInterval = 1000; // 1 сек
Этого оказалось более чем достаточно для аналитики развлекательных заездов и расчета ачивок.
Телеметрия разделена на три логических блока:
-
Static— информация о сессии: машина, трасса, пилот -
Graphics— состояние заезда: круги, сектора, флаги, позиция -
Physics— физика автомобиля: скорость, обороты, подвеска, шины, повреждения
Physics, в отличие от остальных собирается чаще, поскольку в нем и содержится самая интересная телеметрия. Пример некоторых параметров, которые обновляются каждую секунду:
public struct Physics { public float Fuel; // Уровень топлива public int Gear; // Текущая передача public int Rpms; // Обороты двигателя public float SpeedKmh; // Скорость public float TyreWear; // Общий износ шин public float CarDamage; // Общие повреждения автомобиля public float AirTemp; // Температура воздуха }
Метрики
Каждое событие внутри индекса ac_telemetry содержало два блока: сессии и метрики.
Внутри блока сессии собирались данные из Static и Graphics, а в блоке метрики исключительно телеметрия из Physics.
Пример блока сессии:
{ "session": { "short_comment": "Tires Aid: 1,07 (SM)", "session_id": 1763644816129, "current_sector_index": 2, "penalty_time": 0, "is_valid_lap": 1, "session_time_left": -505.80484, "driver": "Anna_Ch", "car": "rss_gtm_mercer_v8", "icurrent_time": 137.976, "flag_type": "Blue_flag", "lap_time": 207.347, "number_of_laps": 3, "session_type": "Practice", "position": 1, "track": "mugello", "completed_laps": 2, "best_lap_time": 158.311, "track_spline_length": 5197.331 } }
Пример блока метрик:
{ "metrics": { "fuel_level": 45.57421, "air_temp": 26, "car_damage_front": 0, "tyre_temp_i": [ 52.9349, 53.183594, 63.83008, 64.94032 ], "engine_rpm": 6570, "gear": 6, "speed": 239.38568, "tire_temp_middle_rl": 64.607834, "road_temp": 36, "tyre_wear_rr": 99.993286, ... } }
Дашборды и визуализация заездов
1. Дашборд: Текущий заезд
Этот дашборд показывался на большом мониторе рядом с симулятором во время активной сессии и обновлялся в реальном времени.
Пока пилот проезжал круг, на экране отображались:
-
скорость, передача, обороты двигателя
-
положение педалей газа и тормоза
-
текущий круг, время круга и лучший результат
-
состояние шин и повреждения автомобиля
Пилоты часто смотрели на дашборд сразу после финиша круга, сравнивая собственные ощущения за рулем с тем, что происходило «по цифрам».
Нижняя часть дашборда содержит:
-
информацию об итоге заезда
-
анализ кругов: лучший круг, время каждого круга, валидность круга
-
трассу
-
графики распределения различных метрик по кругам
Дашборд: Текущий заезд продолжение
2) Дашборд: Сессии и ачивки
Второй дашборд был посвящен итогам. Здесь собиралась агрегированная статистика по всем заездам:
-
список сессий с фильтрами по пилоту, трассе и машине
-
лучшие круги и средняя скорость
-
сравнение результатов между участниками
Отдельный блок занимали ачивки. Они добавляли элемент соревнования и неожиданно хорошо зашли участникам. Ачивки мы делали намеренно полушутливыми. Это был не киберспорт, поэтому строгая спортивная логика здесь была не так важна, как эмоции.
Примеры ачивок:
-
«Амбассадор дрифта» — большие углы руля на высокой скорости
-
«Ландшафтный дизайнер» — наибольшее время вне асфальта
-
«Дальнобойщик» — максимальная суммарная дистанция за день
-
«Макс Ферстаппен» — максимальная средняя скорость
-
«Владелец таксопарка» — наибольшее количество разных автомобилей
-
«Любитель дерби» — наибольшие суммарные повреждения
На дашборде отображался лидер по каждой ачивке. Если пилот удерживал первое место до конца дня, он получал мерч и аплодисменты от зрителей.
Дашборд: Сессии и ачивки продолжение
Почему это сработало
Интереснее всего было наблюдать, как люди в очереди начинали следить за результатами других, обсуждать ошибки и спорить. Особенно порадовали фанаты автоспорта: разговоры про траектории, апексы, трейл-брейкинг и оптимальную скорость в поворотах редко можно услышать на форуме кибербезопасности.
С технической точки зрения это был простой поток телеметрии. С точки зрения гостей стенда — полноценный гоночный опыт с аналитикой, статистикой и элементом соревнования. Именно в этой разнице между данными и эмоциями был реализован данный кейс.
Что это даёт кроме развлечения
Такой подход показывает, как любой поток событий, даже из игр можно превратить в работающую аналитическую систему. Те же принципы работают для IoT, промышленного оборудования или мобильных приложений: сбор метрик в реальном времени, мгновенная визуализация и вовлечение пользователей.
Наш стенд был развлечением, но под капотом — полноценная production-архитектура, готовая к масштабированию.
Автор: stolyarov_dimitriy
