Fujitsu Limited объявила о планах запуска новой платформы для потоковой обработки данных, с помощью которой поставщики услуг смогут в максимальной степени использовать данные, получаемые от подключенных автомобилей (connected cars). Новая разработка позволяет выполнять простой и эффективный анализ больших данных, поступающих от автомобилей, с помощью технологии Fujitsu Dracena [1]. Она способна дополнять и менять содержание данных, получаемых с IoT-устройств, непосредственно в процессе обработки значительных объемов информации, при этом не останавливая работу. Платформа дает возможность управлять и обрабатывать постоянно меняющуюся информацию о людях и объектах, в том числе о пешеходах, дорогах, транспортных средствах и зданиях. Это позволяет воспроизвести окружающую ситуацию в цифровом формате, включая другие транспортные средства.
Индустрия мобильности в настоящий момент претерпевает коренные изменения, которые, начиная с 2020 года, вызовут стремительный рост количества подключенных автомобилей. Большие данные, получаемые от таких автомобилей, например изображения с датчиков и CAN-данные [2], будут играть важную роль при реализации сервисов мобильности, включая мониторинг трафика на дорогах, интерактивные карты, страховые сервисы, а также при проектировании транспортных средств. Вместе с тем системы для анализа подобных больших данных разрабатываются конкретно под каждый отдельный сервис и дублируют друг друга по функциям разработки и системным ресурсам. Это создает потребность в системе, которая могла бы гибко и эффективно поддерживать одновременно несколько сервисов. Для решения этой задачи Fujitsu предлагает использовать технологию виртуальных копий («цифровых двойников»), которая позволит в реальном времени в цифровом формате репродуцировать информацию о транспортных средствах и дорогах. Для использования данной технологии в контексте индустрии мобильности, Fujitsu запускает новую платформу обработки данных. Она будет поддерживать разработку различных сервисов на базе данных, полученных от транспортных средств, и даст возможность поставщикам сервисов гибко адаптировать их для различных сценариев использования, предлагая безопасные, защищенные и комфортные сервисы мобильности.
Сценарии использования:• За счет анализа условий движения каждого транспортного средства на дороге технология выполняет виртуальное моделирование условий движения, чтобы позволяет пользователям практически мгновенно получать информацию о пробках и помехах на дорогах.• За счет анализа и прогнозирования текущего, прошлого и будущего состояния, непрерывной обработки данных и сохранения нескольких копий данных технология предлагает такие сервисы, как диагностика состояния автомобиля и предотвращение отказа автомобильных аккумуляторов и других узлов.• За счет оптимизации существующих сервисов и добавления новых без нарушения существующей функциональности становится возможным обеспечить поддержку таким сервисам, как прогнозирование возникновения опасностей для подключенных автомобилей и оказание помощи при вождении, которые должны работать беспрерывно.
Новая платформа включает в себя как базовые, так и различные дополнительные сервисы, в том числе сервис для управления и выполнения плагинов для отдельных объектов, таких как пешеходы, автомобили, дороги и здания, сервис системных требований для получения информации о необходимых функциональных/нефункциональных требованиях и оказания содействия в подготовке документов по определению требований систематизации, а также сервис установки для создания пользовательских сред в соответствии с документами по определению требований систематизации.
[1] Dracena (Dynamically Reconfigurable Asynchronous Consistent Event-processing Architecture) Архитектура обработки потоков данных, разработанная Fujitsu Laboratories Ltd., которая может добавлять или менять контент при обработке больших объемов IoT-данных без остановки работы.
[2] Controller Area Network Тип метода коммуникации в сетях, который, в основном, используется для передачи данных и приема, включая данные с панели приборов, тела человека, двигателя автомобиля и пр.
