Eine Smart City "bauen" in 6 Schritten
Wenn man ein Haus ohne Fundament baut, stapelt man nur Ziegelsteine und wirft hin und wieder Mörtel ein. Das Ergebnis einer solchen Aktivität kann man kaum als Haus bezeichnen – es ähnelt eher einem Chaos. Das Gleiche gilt für den Bau einer Smart City. Der Einsatz von Sensoren ohne eine durchdachte Strategie und eine gut konzipierte gemeinsame Management-Plattform für den "Betrieb" der Stadt wird kaum Wert bringen. Andererseits ermöglichen es sorgfältig geplante Smart-City-Projekte mit einem soliden "Fundament", die Stadtinfrastruktur zu optimieren und die Auswirkungen der Implementierung schnell zu genießen. Und dieses "Fundament" bildet eine durchdachte Management-Plattform für Smart City, die aus verschiedenen smarten miteinander verknüpften Technologien besteht.
In diesem Artikel teilen wir unsere Erfahrung in der IoT-Entwicklung für Smart Cities und erklären, warum es sinnvoller ist, Smart-City-Projekte Schritt für Schritt umzusetzen. Wenn die Vernetzung von neuen Komponenten schrittweise erfolgt, handelt es sich um die iterative Entwicklung einer Smart City.
IoT-Anwendungen für Smart Cities
Smart Cities nutzen die von IoT-Geräten gesammelten Daten, um zahlreiche Ziele zu erreichen:
- den Straßenverkehr zu optimieren,
- den öffentlichen Verkehr zu verbessern,
- die Straßenbeleuchtung zu steuern,
- die Abfallsammlung zu automatisieren,
- die Parameter, die für eine gesunde Umgebung kritisch sind, z. B. Wasser- und Luftverschmutzung, zu erfassen und
- die öffentliche Sicherheit zu liefern usw.
Die Bandbreite der Anwendungsfälle ist sehr vielfältig [1]. Was sie gemeinsam haben, ist das Implementierungsmodell. Ganz gleich, ob Sie die Abfallsammlung automatisieren oder die Straßenbeleuchtung verbessern, müssen Sie mit dem Fundament beginnen – einer einfachen Smart-City-Plattform. Wenn Sie IoT-basierte Lösungen für Smart City in Zukunft erweitern möchten, können Sie die bestehende Lösung mit neuen Technologien verstärken, z. B Tools für die Deep Analytics integrieren, Benutzeranwendungen für die Interaktion mit Bürgern entwickeln usw. Wir haben einen Plan aus 6 Schritten zur Entwicklung einer Smart City erstellt, der mehrere Möglichkeiten für Erweiterungen eröffnet.
Schritt 1: IoT-basierte Basisplattform für Smart City
Um eine Smart City erfolgreich zu verwalten, benötigen Sie eine umfassende, funktionale und sichere IoT-Lösung. Durch ihr durchdachtes Design wird es in Zukunft möglich sein, die Lösung mit zusätzlichen Services zu erweitern, ohne die Funktionsleistung zu verlieren. Eine IoT-basierte Basisplattform für Smart Cities umfasst 4 Komponenten:
- Das Netzwerk von intelligenten Dingen: Eine Smart City nutzt – wie jedes IoT-System – intelligente Dinge, die mit Sensoren und Aktoren ausgestattet sind. Das Ziel von Sensoren besteht darin, Daten zu sammeln und sie an die zentrale Cloud-Management-Plattform weiterzugeben. Die Aktoren ermöglichen es den Geräten, auf Befehle zu reagieren, z. B. die Beleuchtung einzustellen, den Wasserfluss in einer Rohrleitung mit Lecks einzuschränken usw. Zum Beispiel können die Städte Sensoren in Asphalt installieren, um die Geschwindigkeit des Verkehrs zu messen, und Ampeln mit Aktoren ausstatten, um die Lichtzeichen automatisch umzustellen, wenn ein Stau entsteht.
- Gateways: Jedes IoT-System besteht aus zwei Teilen – einem "greifbaren" Teil von IoT-Dingen und Netzwerkknoten sowie dem Cloud-Teil. Die Daten können nicht einfach von einem Teil zum anderen übertragen werden. Dafür müssen "Türen" existieren – Field Gateways. Die Field Gateways fördern die Datenerfassung und -komprimierung durch die Vorverarbeitung und Filterung von Daten, bevor sie in die Cloud verschoben werden. Das Cloud Gateway gewährleistet die sichere Datenübertragung zwischen Field Gateways und dem Cloud-Teil.
- Data Lake: Der Hauptzweck von einem Data Lake ("Datensee") besteht darin, Daten aus unterschiedlichen Quellen zu versammeln und an einem Ort zu speichern. Der Data Lake bewahrt die Daten in ihrem Rohzustand auf, die vorab nicht speziell aufbereitet werden. Der Data Lake bietet dadurch eine größere Flexibilität und keine Einschränkungen hinsichtlich der Datenspeicherung. Aber der Data Lake kann auch effektiv Daten für Big Data Analytics bereitstellen. Diese Daten werden dann in ein Data Warehouse extrahiert, bei dem eine hohe Effizienz für interaktive Analyse im Vordergrund steht, und passgenau für Endziele aufbereitet.
- Big Data Warehouse: Das Big Data Warehouse dient der Datenspeicherung als ein zentrales Repository. Im Gegensatz zum Data Lake enthält es nur strukturierte Daten, die gefiltert und vorverarbeitet sind. Nachdem der Wert der Daten definiert worden ist, werden sie extrahiert, transformiert und in das Big Data Warehouse geladen. Darüber hinaus speichert das Big Data Warehouse kontextbezogene Informationen über vernetzte Geräte, z. B. wann die Sensoren installiert wurden, sowie die Befehle, die von Steuerungsanwendungen an die Aktoren der Geräte gesendet wurden.
Schritt 2: Überwachung und eine einfache Analyse
Die Datensammlung ist nicht das Ende. Um nützlich und relevant zu sein, müssen die Daten analysiert werden. Wenn Big Data analysiert und visualisiert wird, liefert es wertvolle Einsichten. Mithilfe von Datenanalyse können Sie die Umgebung von Geräten überwachen und die Regeln für Steuerungsanwendungen (wir sprechen darüber beim Schritt 4) festlegen, um ein bestimmtes Problem zu lösen, z. B. Staus zu verringern, einen vollen Müllbehälter zu entleeren, ein Leck im Wassernetzsystem abdichten usw.
Zum Beispiel setzt eine Stadt ein Netzwerk von Sensoren ein, die den Füllstand von Abfallbehältern überwachen. Die Daten von Sensoren werden an die zentrale Cloud-Management-Plattform weitergegeben und dort verarbeitet und mit Dashboards visualisiert. Die Datenanalysten verwenden die visualisierten Daten, um die Routen und den Zeitplan für die Müllabfuhr zu optimieren.
Ein anderes Beispiel ist die Überwachung der Luftqualität. Durch die Analyse und Visualisierung der Daten von CO-, NO2- und Staubsensoren können Städte ein klares Bild über die Luftverschmutzung je nach Stadtteilen erhalten. Sie können diese Informationen nutzen, um den Verkehr innerhalb von verschmutzten Gebieten zu bestimmten Zeiten zu beschränken. Die Analyse von Daten über einen längeren Zeitraum trägt dazu bei, die Stadtplanung zu optimieren. Darüber hinaus können Sie Fehler in der Funktionalität der Geräte erkennen und vorbeugende Wartung planen.
Schritt 3: Deep Analytics
Die Verarbeitung von IoT-Daten hilft nicht nur die vernetzten Dinge zu überwachen, sondern auch die Steuerung zu automatisieren – durch die Erkennung von Mustern und Korrelationen. Die Datenanalyse verwendet fortgeschrittene Methoden wie maschinelles Lernen (ML) und statistische Analyse. Mit vernetzten ML-Tools können Sie mehr Prozesse automatisieren, z. B. die Wasserverteilung über das Rohrleitungsnetz anpassen, Staus ohne Eingriffe der Polizei vermeiden usw. ML-Algorithmen analysieren historische Sensordaten, die im Data Warehouse gespeichert sind, um Trends zu erkennen und darauf basierend Vorhersagemodelle zu erstellen. Die Modelle werden von Steuerungsanwendungen verwendet, die Befehle an Aktoren von IoT-Geräten senden. Wie sieht es in der Praxis aus?
Eines der Beispiele ist ein intelligentes Verkehrssteuerungssystem. Eine traditionelle Ampel ist so programmiert, dass sie ein bestimmtes Signal für eine bestimmte Zeitspanne anzeigt, während eine intelligente Ampel die Signalzeiten basierend auf der tatsächlichen Verkehrslage abstimmen kann. ML-Algorithmen analysieren historische Sensordaten, um Verkehrsmuster aufzudecken und Ampelphasen anzupassen, wodurch die durchschnittliche Geschwindigkeit aller Fahrzeuge verbessert wird.
Schritt 4: Intelligente Kontrolle
Die Steuerungsanwendungen senden Befehle an die Aktoren. Hauptsächlich sagen sie den Aktoren, was sie tun müssen, um eine bestimmte Aufgabe zu erledigen. Zum Beispiel können die Aktoren der Straßenbeleuchtung einen Befehl empfangen, die volle Helligkeit zu schalten, wenn Bewegungen erkannt werden. Die Aktoren der Ampeln können Befehle zum Umschalten der Ampelsignale erhalten, um einen Stau zu verringern, usw.
Es gibt regelbasierte und ML-basierte Steuerungsanwendungen. Die Regeln für regelbasierte Steuerungsanwendungen werden manuell definiert, während ML-basierte Steuerungsanwendungen Modelle verwenden, die von ML-Algorithmen erstellt wurden. Diese Modelle werden mithilfe der Datenanalyse identifiziert, getestet, genehmigt und regelmäßig aktualisiert.
Die Steuerungsanwendungen sorgen für eine bessere Automatisierung von Objekten in der Smart City. Aber es muss den Benutzern immer möglich sein, das Verhalten solcher Anwendungen zu beeinflussen, zum Beispiel im Notfall. Und dieser Auftrag wird mithilfe von Benutzeranwendungen ausgeführt.
Schritt 5: Interaktion mit Bürgern über mobile Geräte
Mobile Benutzeranwendungen erlauben es den Bürgern IoT-Geräte zu überwachen und zu steuern sowie auch Benachrichtigungen und Warnmeldungen zu empfangen. Hier ist ein Beispiel dazu: Die in den Straßenbelag positionierten Sensoren bestimmen auf Parkflächen, ob die Plätze belegt oder frei sind. Diese Daten werden an ein Gateway gesendet und dann in die Cloud der Smart-Parking-Plattform weitergeleitet. Sie werden mit Daten von anderen Sensoren aggregiert, um eine Echtzeitparkplatzkarte zu erstellen. Die Autofahrer erhalten eine Meldung darüber, wann der nächstgelegene Parkplatz frei wird. Und sie nutzen dabei die Karte auf ihrem Mobiltelefon, um einen freien Parkplatz mit wenigen Schritten zu finden, anstatt mühsam einen Parkplatz zu suchen.
Schritt 6: Mehrere Anwendungsfälle integrieren
Um "smart" zu werden, reicht eine einmalige Aktion nicht aus – dieser Prozess läuft kontinuierlich. Wenn Sie heute IoT-basierte Lösungen für Smart City implementieren, ist es sinnvoll, auch darüber nachzudenken, die bestehende Leistungspalette in Zukunft erweitern zu können. Die Skalierbarkeit bedeutet nicht nur, die Anzahl der Sensoren stetig zu steigern, sondern vor allem die Funktionalität zu erweitern. In unserem Fall ist das die Fähigkeit der bestehenden Smart-City-Lösung, ihre Leistung beim Hinzufügen von zusätzlichen Services zu halten.
Am Beispiel verdeutlicht: eine Stadt setzt das intelligente Verkehrsmanagement ein. Sie nutzt ein Netzwerk von Sensoren, um Staus in diesem Gebiet in Echtzeit zu erkennen, Ampeln zu steuern und den Verkehr zu optimieren. Einige Zeit später möchte die Stadt gewährleisten, dass der Stadtverkehr die Umwelt nicht belastet, und erweitert das bestehende System um eine intelligente Lösung für die Überwachung der Luftqualität. Die lösungsübergreifende Integration ermöglicht es, den Verkehr und die Luftqualität in der Stadt dynamisch zu überwachen und zu steuern.
Eine ausgereifte, aber skalierbare Basisplattform wird als Sprungbrett für zukünftige Erweiterungen dienen.
Zu diesem Zweck können Ampeln oder Straßenlaternen mit Sensoren zur Luftqualitätsüberwachung ausgestattet werden. Die Sensoren messen Emissionen von CO, NO und NO2 in der Luft und leiten Sensorlesungen zur Verarbeitung an eine zentrale Management-Plattform für die Luftqualität weiter. Wenn die Menge schädlicher Gase in der Luft einen kritischen Grenzwert erreicht oder überschreitet, verwenden die Steuerungsanwendungen vorher manuell festgestellte Regeln oder die von maschinellem Lernen generierten Modelle, um eine Ausgangsaktion auszulösen, z. B. "Ampelsignale umzuschalten". Aber zuerst muss sichergestellt werden, dass die Umschaltung von Ampeln in anderen Bezirken keine Unfälle oder Staus verursacht. Die Integration von Verkehrs- und Luftqualitätsmanagement-Lösungen macht es möglich. Die Plattform für das Verkehrsmanagement führt eine Echtzeit-Analyse durch, indem sie z. B. GPS-Daten aus mobilen Apps von Bürgern verwendet. Sie erkennt dabei, ob es möglich ist, sich entsprechend dem Verkehrsaufkommen zu adaptieren. Wenn die Umschaltung akzeptabel ist, senden die Steuerungsanwendungen einen Befehl an die Aktoren der Verkehrsampel, die den Befehl ausführen und die Lichter anpassen.
Zusammenfassung
Wenn Sie die Entwicklung einer IoT-basierten Smart City initiieren, müssen Sie langfristig denken. Um schnellere positive Auswirkungen der Implementierung zu erzielen und die damit verbundenen Kosten zu senken, beginnen Sie mit einer Basisplattform, die aus den folgenden Komponenten besteht:
- Dem Netzwerk intelligenter Dinge zum Sammeln von Daten.
- Field- und Cloud-Gateways zur Förderung und Sicherung der Datenübertragung.
- Einem Data Lake zum Speichern von Rohdaten, die von Sensoren erfassen werden.
- Dem Big Data Warehouse zur Aufbewahrung von gereinigten und strukturierten Daten.
Eine ausgereifte, aber skalierbare Basisplattform wird als Sprungbrett für zukünftige Erweiterungen dienen. Nachdem Sie die Basisplattform eingesetzt haben, erweitern Sie diese durch zusätzliche Komponenten, darunter auch:
- Tools für die einfache Analyse, um die von Sensoren gesammelten Daten zu verarbeiten und zu visualisieren.
- Tools für die Deep Analytics, um verborgene Muster und Korrelationen in Sensordaten aufzudecken, Vorhersagemodelle zu erstellen und diese zur Automatisierung von Objekten in der Smart City zu nutzen.
- Steuerungsanwendungen, um Befehle an die Aktoren der Geräte zu senden.
- Benutzeranwendungen, um Verbindungen zwischen intelligenten Dingen und Bürgern herzustellen.
Klare Vision, durchdachte Strategie und eine gut konzipierte funktionale Plattform – diese leistungsstarke Kombination ist ein Herzstück für Ihre zukünftigen Initiativen. Es ermöglicht Ihnen, das System zu erweitern, nicht neu zu erstellen. Darüber hinaus trägt dieser Ansatz dazu bei, eine Smart City schrittweise zu bauen und schnellere positive Auswirkungen auf die städtische Infrastruktur und das Dienstleistungsniveau zu genießen.
