Aufgabenstellung: Automatisierte Überwachung von mobilen IoT Geräten
Die qualitative Verfügbarkeit der Geräte wird kontinuierlich überwacht. Darüber hinaus ist die frühzeitige Erkennung von möglichen Ausfällen oder Qualitätseibußen einzelner Geräte, sowie ganzer Geräteserien ein Hauptbestandteil der Überwachung.
Aufgabenstellung II: Automatisierte Optimierung der Kartenmodellierung im Telematik-Umfeld
Die Qualität von Verkehrsströmen, Modellierungen und Verkehrsparameter wird anhand von Befahrungsauswertungen automatisch identifiziert und angepasst.
Dabei werden Massendaten empfangen, verarbeitet und ausgewertet. Anpassungsbedarfe werden automatisiert identifiziert und in die Modellierung eingespeist.
Die Datenerfassung erfolgt bundesweit. Das in Real Time zu verarbeitende Datenvolumen ist mit bis zu 3.000 Eingangsdatensätzen pro Sekunde und 200 GB täglich relativ hoch.
Lösung: Volumen und Multidimensionalität der Eingangsdaten erfordert den Einsatz moderner BigData-Methoden
- Frühzeitige Erkennung von Großstörungen
- Veränderungen der Nutzung des Straßennetzes
- Veränderte Verkehrsströme
- Neue Befahrungsmöglichkeiten
- Neue Strecken
- Identifikation unzulässiger Befahrungen
Umsetzung: Einsatz von Spark / Cassandra auf einem kleinen Cluster, Implementierung eines agilen Entwicklungsprozesses
Nutzung von Apache Cassandra DB für schnelle Schreibvorgänge zum persistieren der Daten
Die Datenanalysen finden nachgelagert komplett in Apache Spark statt. Adhoc Analysen können mithilfe von Apache Zeppelin und Apache Spark durchgeführt werden. Das regelmäßige Berichtswesen wird durch eine Schnittstelle zu COGNOS realisiert.
Die langfristige Sicherstellung der Nutzbarkeit wird durch Implementierung eines agilen Entwicklungsprozesses sowohl für die Projektlaufphase als auch für die Betriebsphase sichergestellt. Fachseite und IT-Betrieb arbeiten Release-unabhängig an der erforderlichen Anpassung der implementierten Regeln und Algorithmen. Die Anforderungserfassung und Umsetzung folgt dabei agilen Grundsätzen.
