Przetwarzanie danych pojazdów w czasie rzeczywistym przy użyciu Internetu rzeczy

Azure Cosmos DB
Azure IoT Edge
Azure Sphere
Azure Stream Analytics
Azure SQL Database

Pomysły dotyczące rozwiązań

Ten artykuł jest pomysłem na rozwiązanie. Jeśli chcesz, abyśmy rozszerzyli zawartość o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, przekazując opinię w usłudze GitHub.

To rozwiązanie tworzy potok pozyskiwania/przetwarzania danych w czasie rzeczywistym w celu pozyskiwania i przetwarzania komunikatów z urządzeń IoT do platformy analitycznej danych big data na platformie Azure. Architektura używa usług Azure Sphere i Azure IoT Hub do zarządzania komunikatami telematycznymi, a usługa Azure Stream Analytics przetwarza komunikaty.

Architektura

Diagram showing vehicle data ingestion, processing, and visualization.

Pobierz plik programu Visio z tą architekturą.

Przepływ danych

Dane przepływa przez rozwiązanie w następujący sposób:

  1. Komunikaty telematyczne (szybkość, lokalizacja itd.) są wysyłane przez urządzenie z obsługą sieci komórkowej usługi Azure Sphere do usługi Azure IoT Hub. W scenariuszu greenfield producent pojazdu może uwzględnić moduł Sphere w każdym pojeździe w czasie produkcji. W scenariuszu brownfield pojazd jest wyposażony w rozwiązanie telematyczne po rynku.

  2. Usługa Azure Stream Analytics pobiera komunikat w czasie rzeczywistym z usługi Azure IoT Hub, przetwarza komunikat na podstawie logiki biznesowej i wysyła dane do warstwy obsługującej dla magazynu.

  3. Różne bazy danych są używane w zależności od danych. Usługa Azure Cosmos DB przechowuje komunikaty, podczas gdy usługa Azure SQL DB przechowuje dane relacyjne i transakcyjne oraz działa jako źródło danych dla warstwy prezentacji i akcji. Usługa Azure Synapse zawiera zagregowane dane i działa jako źródło danych dla narzędzi analizy biznesowej (BI).

  4. Aplikacje sieci Web, aplikacji mobilnych, analizy biznesowej i rzeczywistości mieszanej można tworzyć na warstwie obsługującej. Można na przykład uwidocznić dane warstwy obsługujące przy użyciu interfejsów API dla zastosowań innych firm (na przykład firm ubezpieczeniowych, dostawców itd.).

  5. Gdy pojazd wymaga obsługi w centrum obsługi dealera, urządzenie usługi Azure Sphere jest połączone z portem OBD-II pojazdu przez technika serwisowego.

  6. Aplikacja usługi Azure Sphere łączy się z portem OBD-II pojazdu i przesyła strumieniowo dane OBD-II do usługi Azure IoT Edge za pośrednictwem protokołu MQTT. Urządzenie usługi Azure Sphere jest połączone za pośrednictwem sieci Wi-Fi z urządzeniem usługi Azure IoT Edge zainstalowanym w centrum usługi. Dane OBD-II są przesyłane strumieniowo z usługi Azure IoT Edge do usługi Azure IoT Hub i przetwarzane w tym samym potoku przetwarzania komunikatów.

    • W najnowszej wersji systemu operacyjnego 20.10 usługa Azure Sphere może teraz bezpiecznie łączyć się z usługą Azure IoT Edge przy użyciu własnych certyfikatów urządzeń. Certyfikat urządzenia usługi Azure Sphere jest unikatowy dla każdego urządzenia i jest automatycznie odnawiany przez usługę zabezpieczeń Azure Sphere co 24 godziny po przejściu przez urządzenie procesu zdalnego zaświadczania i uwierzytelniania.

    • Usługa Azure Sphere komunikuje się bezpośrednio z usługą zabezpieczeń Azure Sphere, a nie za pośrednictwem usługi Azure IoT Edge. Usługa zabezpieczeń Azure Sphere to oparta na chmurze usługa firmy Microsoft, która komunikuje się z mikroukładami usługi Azure Sphere w celu umożliwienia konserwacji, aktualizacji i kontroli. Czasami skracany as3.

  7. Brokerowanie MQTT ogólnego przeznaczenia jest teraz dostępne w usłudze Azure IoT Edge. Urządzenie usługi Azure Sphere opublikuje komunikaty we wbudowanym temacie MQTT usługi IoT Hub (devices/{sphere_deviceid}/messages/events/).

    • Moduły usługi Azure IoT Edge to konteneryzowane aplikacje zarządzane przez usługę IoT Edge i mogą uruchamiać usługi platformy Azure (takie jak Azure Stream Analytics), niestandardowe modele uczenia maszynowego lub własny kod specyficzny dla rozwiązania.
  8. Technik obsługi, ubrany w urządzenie HoloLens, może subskrybować temat MQTT (devices/{sphere_deviceid}/messages/events/) i bezpiecznie wyświetlać dane OBD-II przy użyciu aplikacji HoloLens zawierającej klienta MQTT. Klient MQTT urządzenia HoloLens musi być autoryzowany do nawiązywania połączenia i subskrybowania tematu. Łącząc urządzenie HoloLens bezpośrednio z bramą usługi IoT Edge, technik usługi może wyświetlać dane pojazdu niemal w czasie rzeczywistym, unikając opóźnienia wysyłania danych do chmury i z powrotem. Technik serwisowy może również wchodzić w interakcje z portem OBD-II pojazdu (na przykład czyścić światło "silnika kontrolnego" nawet wtedy, gdy centrum obsługi jest odłączone od chmury.

Elementy

  • Azure Sphere to bezpieczna platforma aplikacji wysokiego poziomu z wbudowanymi funkcjami komunikacji i zabezpieczeń dla urządzeń połączonych z Internetem. Obejmuje ona zabezpieczoną, połączoną, crossover mikrokontrolerową jednostkę (MCU), niestandardowy system operacyjny oparty na systemie Linux oraz usługę zabezpieczeń opartą na chmurze, która zapewnia ciągłe, odnawialne zabezpieczenia.

  • Usługa Azure IoT Edge zapewnia brokera MQTT i uruchamia inteligentne aplikacje brzegowe lokalnie, aby zapewnić małe opóźnienia, mniejsze użycie przepustowości.

  • Usługa Azure IoT Hub jest w warstwie pozyskiwania i obsługuje dwukierunkową komunikację z powrotem do urządzeń, umożliwiając wysyłanie akcji z chmury lub usługi Azure IoT Edge do urządzenia.

  • Usługa Azure Stream Analytics (ASA) zapewnia przetwarzanie strumieniowe bezserwerowe w czasie rzeczywistym, które może uruchamiać te same zapytania w chmurze i na brzegu sieci. Usługa ASA w usłudze Azure IoT Edge może filtrować lub agregować dane lokalnie, umożliwiając inteligentne decyzje dotyczące tego, które dane muszą być wysyłane do chmury w celu dalszego przetwarzania lub przechowywania.

  • Usługi Azure Cosmos DB, Azure SQL Database i Azure Synapse Analytics znajdują się w warstwie magazynu obsługującego. Usługa Azure Stream Analytics może zapisywać komunikaty bezpośrednio w usłudze Azure Cosmos DB przy użyciu danych wyjściowych. Dane można agregować i przenosić z usług Azure Cosmos DB i Azure SQL do usługi Azure Synapse przy użyciu usługi Azure Data Factory.

  • Usługa Azure Synapse Analytics to rozproszony system do przechowywania i analizowania dużych zestawów danych. Korzystanie z masowego przetwarzania równoległego (MPP) sprawia, że nadaje się do uruchamiania analizy o wysokiej wydajności.

  • Usługa Azure Synapse Link dla usługi Azure Cosmos DB umożliwia uruchamianie analizy niemal w czasie rzeczywistym na danych operacyjnych w usłudze Azure Cosmos DB bez wpływu na wydajność i koszt obciążenia transakcyjnego przy użyciu dwóch aparatów analitycznych dostępnych w obszarze roboczym usługi Azure Synapse: SQL Serverless i Spark Pools.

  • Microsoft Power BI to zestaw narzędzi do analizy biznesowej do analizowania danych i udostępniania szczegółowych informacji. Usługa Power BI może wykonywać zapytania dotyczące modelu semantycznego przechowywanego w usługach Analysis Services lub wysyłać zapytania bezpośrednio do usługi Azure Synapse.

  • usługi aplikacja systemu Azure mogą służyć do tworzenia aplikacji internetowych i mobilnych. Usługa Azure API Management może służyć do uwidaczniania danych stronom trzecim na podstawie danych przechowywanych w warstwie obsługującej.

  • Urządzenie Microsoft HoloLens może być używane przez techników serwisowych do wyświetlania danych pojazdu (na przykład historii usług, danych OBD-II, diagramów części itd.) holograficznego w celu pomocy w rozwiązywaniu problemów i naprawie.

Alternatywy

  • Usługa Synapse Link to preferowane przez firmę Microsoft rozwiązanie do analizy danych usługi Azure Cosmos DB.

Szczegóły scenariusza

Pozyskiwanie, przetwarzanie i wizualizacja danych pojazdu to kluczowe możliwości potrzebne do tworzenia połączonych rozwiązań samochodowych. Przechwytując i analizując te dane, możemy odszyfrować cenne szczegółowe informacje i tworzyć nowe rozwiązania.

Na przykład w przypadku pojazdów wyposażonych w urządzenia telematyczne możemy monitorować lokalizację na żywo pojazdów, planować zoptymalizowane trasy, pomagać kierowcom i wspierać branże, które zużywają lub korzystają z danych telematycznych, takich jak ubezpieczyciele. W przypadku producentów pojazdów informacje diagnostyczne mogą dostarczać ważne informacje dotyczące serwisowania pojazdów i gwarancji.

Potencjalne przypadki użycia

Wyobraź sobie firmę produkującą samochody, która chce utworzyć rozwiązanie:

  • Bezpiecznie wysyłaj dane w czasie rzeczywistym do chmury z czujników i dołączania komputerów zainstalowanych w swoich pojazdach.

  • Twórz usługi o wartości dodanej dla swoich klientów i dealerów, analizując lokalizację pojazdów i inne dane czujników (takie jak czujniki związane z silnikiem i czujniki związane z środowiskiem).

  • Przechowuj dane na potrzeby dodatkowego przetwarzania podrzędnego, aby zapewnić szczegółowe informacje umożliwiające podejmowanie działań (na przykład alerty dotyczące konserwacji dla właścicieli pojazdów, informacje o wypadku dla agencji ubezpieczeniowych itd.).

  • Zezwalaj technikom obsługi dealerów na interakcję z pojazdami przy użyciu aplikacji rzeczywistości mieszanej, aby pomóc w rozwiązywaniu problemów i naprawie (na przykład przy użyciu aplikacji HoloLens do wyświetlania danych w czasie rzeczywistym i wyświetlania/czyszczenia kodów diagnostycznych dostępnych za pośrednictwem portu OBD-II pojazdu, wyświetlania procedur naprawy lub wyświetlania eksplodowanego diagramu części 3D).

Współautorzy

Ten artykuł jest aktualizowany i obsługiwany przez firmę Microsoft. Pierwotnie został napisany przez następujących współautorów.

Główny autor:

Następne kroki

  • Zapoznaj się z architekturą referencyjną usługi Azure IoT, która pokazuje zalecaną architekturę dla aplikacji IoT na platformie Azure przy użyciu składników PaaS (platforma jako usługa).

  • Zapoznaj się z architekturą analizy zaawansowanej, aby dowiedzieć się, jak różne składniki platformy Azure mogą pomóc w tworzeniu potoku danych big data.

  • Przejrzyj architekturę analizy w czasie rzeczywistym, która zawiera przepływ potoku danych big data.