Bearbeiten

Verarbeiten von Fahrzeugdaten per IoT in Echtzeit

Azure Cosmos DB
Azure IoT Edge
Azure Sphere
Azure Stream Analytics
Azure SQL-Datenbank

Lösungsmöglichkeiten

Dieser Artikel ist ein Lösungsvorschlag. Wenn Sie möchten, dass wir diesen Artikel um weitere Informationen ergänzen, z. B. potenzielle Anwendungsfälle, alternative Dienste, Überlegungen zur Implementierung oder Preisempfehlungen, lassen Sie es uns über Feedback auf GitHub wissen.

In dieser Lösung wird eine Pipeline für die Echtzeiterfassung und -verarbeitung von Daten erstellt, um Nachrichten von IoT-Geräten auf einer Big Data-Analyseplattform in Azure zu erfassen und zu verarbeiten. Die Architektur verwendet Azure Sphere und Azure IoT Hub zum Verwalten von Telematiknachrichten, die dann von Azure Stream Analytics verarbeitet werden.

Aufbau

Diagramm, das die Erfassung, Verarbeitung und Visualisierung von Fahrzeugdaten zeigt.

Laden Sie eine Visio-Datei dieser Architektur herunter.

Datenfluss

Die Daten durchlaufen die Lösung wie folgt:

  1. Telematiknachrichten (Geschwindigkeit, Standort usw.) werden von einem mobilfunkfähigen Azure Sphere-Gerät an Azure IoT Hub gesendet. In einem Greenfieldszenario verbaut der Fahrzeughersteller zum Zeitpunkt der Herstellung ein Sphere-Modul in jedem Fahrzeug. In einem Brownfieldszenario wird das Fahrzeug nachträglich mit einer Sekundärtelematiklösung ausgestattet.

  2. Azure Stream Analytics ruft die Nachricht in Echtzeit von Azure IoT Hub ab, verarbeitet sie basierend auf der Geschäftslogik und sendet die Daten zur Speicherung an die Bereitstellungsebene.

  3. Abhängig von den Daten werden unterschiedliche Datenbanken verwendet. Azure Cosmos DB speichert die Nachrichten, während Azure SQL-Datenbank relationale und transaktionale Daten speichert und als Datenquelle für die Darstellungs- und Aktionsebene fungiert. Azure Synapse enthält aggregierte Daten und fungiert als Datenquelle für Business-Intelligence-Tools (BI).

  4. Auf Grundlage der Bereitstellungsebene können Web- und Mobilanwendungen sowie BI- und Mixed-Reality-Anwendungen erstellt werden. Beispielsweise können Sie Bereitstellungsebenendaten mithilfe von APIs für Drittanbieter verfügbar machen (etwa für Versicherungsunternehmen, Lieferanten oder Ähnliches).

  5. Wenn ein Fahrzeug im Servicecenter eines Händlers gewartet werden muss, wird ein Azure Sphere-Gerät von einem Techniker mit dem OBD-II-Port des Geräts verbunden.

  6. Die Azure Sphere-Anwendung stellt eine Verbindung mit dem OBD-II-Port des Fahrzeugs her und streamt die OBD-II-Daten über MQTT an Azure IoT Edge. Das Azure Sphere-Gerät wird über WLAN mit dem im Servicecenter des Händlers installierten Azure IoT Edge-Gerät verbunden. Die OBD-II-Daten werden von Azure IoT Edge an Azure IoT Hub gestreamt und in derselben Nachrichtenverarbeitungspipeline verarbeitet.

    • Durch das neueste Betriebssystemrelease 20.10 kann Azure Sphere jetzt mithilfe der eigenen Gerätezertifikate eine sichere Verbindung mit Azure IoT Edge herstellen. Das Azure Sphere-Gerätezertifikat ist für jedes Gerät eindeutig und wird vom Azure Sphere-Sicherheitsdienst alle 24 Stunden automatisch erneuert, nachdem das Gerät den Remotenachweis erbracht und den Authentifizierungsprozess durchlaufen hat.

    • Azure Sphere kommuniziert direkt und nicht über Azure IoT Edge mit dem Azure Sphere-Sicherheitsdienst. Der Azure Sphere-Sicherheitsdienst ist der cloudbasierte Dienst von Microsoft, der mit Azure Sphere-Chips kommuniziert, um die Wartung, Aktualisierung und Steuerung zu ermöglichen. Manchmal abgekürzt als AS3.

  7. Der allgemeine MQTT-Broker ist jetzt in Azure IoT Edge verfügbar. Das Azure Sphere-Gerät veröffentlicht Nachrichten im MQTT-Thema (devices/{sphere_deviceid}/messages/events/), das in IoT Hub integriert ist.

    • Azure IoT Edge-Module sind containerisierte Anwendungen, die von IoT Edge verwaltet werden und Azure-Dienste (z. B. Azure Stream Analytics), benutzerdefinierte ML-Modelle oder Ihren eigenen lösungsspezifischen Code ausführen können.

  8. Ein Techniker kann unter Verwendung einer HoloLens das MQTT-Thema abonnieren (devices/{sphere_deviceid}/messages/events/) und OBD-II-Daten mithilfe einer HoloLens-Anwendung, die einen MQTT-Client enthält, sicher anzeigen. Der MQTT-Client von HoloLens muss autorisiert sein, eine Verbindung mit dem Thema herstellen und dieses abonnieren zu können. Wenn der Techniker HoloLens direkt mit dem IoT Edge-Gateway verbindet, kann er die Daten des Fahrzeugs in Quasi-Echtzeit anzeigen und so die Wartezeit beim Senden der Daten in die Cloud und zurück vermeiden. Der Techniker kann selbst dann mit dem OBD-II-Port des Fahrzeugs interagieren (z. B. Ausschalten der Motorkontrollleuchte), wenn das Servicecenter nicht mit der Cloud verbunden ist.

Komponenten

  • Azure Sphere ist eine sichere, allgemeine Anwendungsplattform mit integrierten Kommunikations- und Sicherheitsfeatures für mit dem Internet verbundene Geräte. Die Plattform umfasst einen geschützten, verbundenen Crossover-Mikrocontroller (MPU), ein spezielles Linux-basiertes Betriebssystem sowie einen cloudbasierten Sicherheitsdienst, der für kontinuierliche und erneuerbare Sicherheit sorgt.

  • Azure IoT Edge bietet MQTT-Broker und führt Intelligent Edge-Anwendungen lokal aus, um eine geringe Wartezeit und Bandbreitennutzung zu gewährleisten.

  • Azure IoT Hub befindet sich in der Erfassungsebene und unterstützt die bidirektionale Kommunikation mit Geräten, sodass Aktionen aus der Cloud oder von Azure IoT Edge an das Gerät gesendet werden können.

  • Azure Stream Analytics (ASA) bietet die serverlose Datenstromverarbeitung in Echtzeit, mit der die gleichen Abfragen am Edge und in der Cloud ausgeführt werden können. ASA in Azure IoT Edge kann Daten lokal filtern oder aggregieren, sodass intelligente Entscheidungen getroffen werden können, welche Daten für die weitere Verarbeitung oder die Speicherung in die Cloud gesendet werden müssen.

  • Azure Cosmos DB, Azure SQL-Datenbank und Azure Synapse Analytics befinden sich auf der Bereitstellungsspeicherebene. Azure Stream Analytics kann Nachrichten mithilfe einer Ausgabe direkt in Azure Cosmos DB schreiben. Daten können mithilfe von Azure Data Factory aggregiert und aus Azure Cosmos DB und Azure SQL in Azure Synapse verschoben werden.

  • Azure Synapse Analytics ist ein verteiltes System zum Speichern und Analysieren umfangreicher Datasets. Dank MPP (Massive Parallel Processing) eignet sich diese Komponente für Hochleistungsanalysen.

  • Azure Synapse Link für Azure Cosmos DB ermöglicht Ihnen die Ausführung von Analysen über Betriebsdaten in Azure Cosmos DB in Quasi-Echtzeit ohne Auswirkungen auf die Leistung oder Kosten Ihrer Transaktionsworkload, indem Sie die beiden in Ihrem Azure Synapse-Arbeitsbereich verfügbaren Analyse-Engines verwenden: SQL (serverlos) und Spark-Pools.

  • Microsoft Power BI ist eine Suite aus Business Analytics-Tools zum Analysieren von Daten und Teilen von Einblicken. Power BI kann ein in Analysis Services gespeichertes Semantikmodell oder direkt Azure Synapse abfragen.

  • Azure App Service kann zum Erstellen von Web- und Mobilanwendungen verwendet werden. Azure API Management kann verwendet werden, um Daten auf Grundlage der auf der Bereitstellungsebene gespeicherten Daten für Dritte verfügbar zu machen.

  • Microsoft HoloLens kann von Technikern verwendet werden, um Fahrzeugdaten wie Wartungshistorie, OBD-II-Daten, Teilediagramme und Ähnliches zur Unterstützung bei der Problembehandlung und Reparatur holografisch anzuzeigen.

Alternativen

  • Synapse Link ist die von Microsoft bevorzugte Lösung für Analysen, die auf Azure Cosmos DB-Daten basiert.

Szenariodetails

Die Erfassung, Verarbeitung und Visualisierung von Fahrzeugdaten sind Schlüsselfunktionen, die zum Erstellen vernetzter Fahrzeuglösungen erforderlich sind. Durch die Erfassung und Analyse dieser Daten können Sie wertvolle Erkenntnisse gewinnen und neue Lösungen entwickeln.

Wenn Fahrzeuge beispielsweise mit Telematikgeräten ausgestattet sind, können Sie den Livestandort überwachen, optimierte Routen planen, Fahrern Hinweise geben und Branchen unterstützen, die Telematikdaten verarbeiten oder von diesen profitieren (z. B. Versicherungen). Diagnoseinformationen bieten Fahrzeugherstellern wichtige Informationen in Bezug auf die Wartung und Garantiefragen.

Mögliche Anwendungsfälle

Stellen Sie sich vor, ein Autohersteller möchte aus den folgenden Gründen eine Lösung entwickeln:

  • sicheres Senden von Echtzeitdaten in die Cloud über Sensoren und integrierte Computer, die in den Fahrzeugen verbaut sind

  • Erstellen von Diensten mit Mehrwert für die Kunden und Händler durch das Analysieren des Fahrzeugstandorts und anderer Sensordaten (z. B. Motor- und Umgebungssensoren)

  • Speichern der Daten für die zusätzliche Downstreamverarbeitung, um verwertbare Erkenntnisse zu liefern (z. B. Wartungswarnungen für Fahrzeugbesitzer, Unfallinformationen für Versicherungsbehörden usw.)

  • Ermöglichen der Interaktion mit Fahrzeugen für Techniker in Händlerwerkstätten mithilfe einer Mixed-Reality-Anwendung zur Unterstützung bei der Problembehandlung und bei Reparaturen (z. B. HoloLens-Anwendung zum Anzeigen von Echtzeitdaten und Anzeigen bzw. Löschen von Diagnosecodes, die über den OBD-II-Port eines Fahrzeugs verfügbar sind, Anzeigen von Reparaturabläufen oder Anzeigen einer 3D-Grafik)

Beitragende

Dieser Artikel wird von Microsoft aktualisiert und gepflegt. Er wurde ursprünglich von folgenden Mitwirkenden geschrieben:

Hauptautor:

Nächste Schritte

  • Sehen Sie sich die Azure IoT-Referenzarchitektur an, die eine empfohlene Architektur für IoT-Anwendungen in Azure mit PaaS-Komponenten (Plattform-as-a-Service) zeigt.

  • Sehen Sie sich die erweiterte Analysearchitektur an, um einen Eindruck zu bekommen, wie verschiedene Azure-Komponenten bei der Erstellung einer Big Data-Pipeline hilfreich sein können.

  • Sehen Sie sich die Echtzeitanalysearchitektur an, die einen Big Data-Pipelineflow enthält.