海量数据分散采集,统一归集整理并进行计算分析
满足智能网联汽车开发需求,提升了目标识别准确率与事件感知效率
行业背景
随着 IoT 技术的快速发展,车联网正在迅速普及和发展,成为了智慧城市的重要组成部分。在车联网中,数据包括:实时性高、数据量大、类型多样、时效性要求高、交互性强、安全保密性要求高等特点,这些数据的持续生成和传输对数据管理提出了崭新要求。
车联网系统需要快速实现海量数据的分析和处理,以获取更多有价值的数据并进行快速决策。因此,需要一个能够处理海量、实时、模块化数据的管理系统,来满足车联网所需的各种数据处理、应用等方面的业务需求。
痛点与挑战
· 自动驾驶中控及调度平台对实时计算与分析需求强烈:车辆行驶过程对数据汇入和处理实时性要求较高,需要对可能发生的风险情况做出预警,以充分保障行车安全,避免突发事件
· 传统数据库应对大量多模态数据的能力匮乏:车联网场景下需要采集和存储车辆状态、行驶状态、驾驶行为、机械参数、电气参数、行车轨迹、ADAS、道路状况等时序数据以及 GIS 信息等,传统数据库难以应对并处理如此大量的多模态数据
· 智能网联车数据智能分析诉求日益增加:时序数据库可对采集的时序数据进行分析、建模和预测,用于实现驾驶行为识别、交通拥堵预测、车辆健康管理等多种应用,对数据的质量和数据服务可用性提高了相应的要求
· BI 可视化分析助力城市交通管理:数据汇聚分析并通过可视化展示工具,直观地呈现车辆状态、道路状况、交通流等信息,提供多样化的车辆数据报告助力城市交通管理
解决方案
• KaiwuDB 提供灵活多侧的部署方案,可部署在公有云、线下 IDC 以及车机端、后装工控机。根据业务诉求,可提供云-边-端、云-端、集群等架构方案
• 通过 KDP 支持接入网关的多种协议,实现多源异构数据高并发、实时写入 KaiwuDB。凭借 KDP 的多维分析及预测能力,车联网系统可对车端数据进行综合分析及预测,实现对车与车、车与路、车与人及车内的全方位感知,及时纠正驾驶员行为;同时对车辆机电、性能风险及路况风险等做出预测,为应急和救援系统提供有力支持
方案价值
• KaiwuDB 支持数据快速汇聚,及通过高速通道入库;通过“就地计算“重点技术,可大幅提升数据读写性能;支持多种聚合查询,针对千万级数据可实现毫秒级的响应。针对车机零部件,车况状态,电池状态,驾驶行为存在的风险可实现提前预警,降低事故发生的概率,提高道路通行流畅度,优化车联网系统的决策效果
• 支持核心数据加密存储、加密传输、统一权限管控,结合 KDP 的数据安全策略,助力企业在使用数据的同时,保障人员信息、车辆数据等机密、隐私数据安全,避免数据泄露、黑客攻击等安全问题
• KaiwuDB 可提供智能 API、模型建立工具等,对大数据进行模型建立和训练,激发数据价值,对车联网系统中的车辆状态、驾驶行为、路况状况进行预测
• KaiwuDB 数据压缩超过 10 倍,结合完善的数据生命周期管理及降采样查询能力可将存储成本降低 90%;多模架构可实现一套数据库应对多种数据存储和计算场景,构建统一的数据共享存储;云边端一体化建设,降低系统的复杂度和冗余度,减少系统建设和人工成本
• KaiwuDB 支持关系型数据与时序数据交互查询,提供流式计算,将实时汇聚的车辆、人、道路等数据展开流水线化分析,持续将分析结果推送到 BI 端;KDP 可提供图表、报表可视化、数据驾驶舱功能,并开放相应数据服务接口,支持二开,大幅降低车联网场景构建实时大屏实现 BI 可视化的门槛
• 相对于构建 CDH,KaiwuDB 通过轻量化投入即可达到满足业务场景的大数据分析水平