Магистерская работа: Исследование и разработка модели сбора данных о дорожном покрытии в промышленном интернете вещей

Преимущества:

1. Использование новых технологий, для оценки состояния качества дорог.

2. Высокая точность определения состояние дорожного покрытия.

Недостатки:

1. На данный момент применяется только в США.

2. Требуется подключение к платформе.

Дорожные лаборатории. Дорожные лаборатории [11] -- это устройства оценки состояния дорожного покрытия, позволяющие оценить состояние дорожного покрытия.

Существует два вида таких устройств: устройства внешней оценки и устройства глубинной оценки дорожного покрытия.

Устройства внешней оценки покрытия позволяют визуально определить наличие каких-либо дефектов на дорожном покрытии, например, определить наличие плывунов, некачественную разметку, наличие колдобин и т. д.

Устройства для глубинной оценки позволяют более глубоко и детально оценить качество покрытия. Для данных целей применяются специальные приборы, которые помогают определить состояние дорожной одежды.

К устройствам оценки состояния дорожного покрытия относят следующие оборудования: дорожная рейка, многоколесная диагностическая станция, передвижной диагностический комплекс, дорожное колесо, программно-аппаратный комплекс видеопаспортизации дорог «СВПД»

Преимущества:

1. Наличие глубокого анализа дорожного покрытия.

2. Определение потенциальных проблем.

Недостатки:

1. Отсутствует анализ покрытия в реальном времени.

2. Ограниченность ресурсов.

3. Требуется специально обученный персонал.

1.2 Сравнительный анализ методов сбора данных о дорожном покрытии

По итогам проведенного обзора методов сбора данных о дорожном покрытии для сравнительного анализа описанных методов можно выделить следующие критерии:

ѕ простота в использовании;

ѕ оценка в реальном времени;

ѕ наличие глубокого анализа;

ѕ текущая территория использования;

ѕ необходимость в специально обученных трудовых ресурсах;

ѕ масштабируемость.

В таблице 1 показано сравнение методов сбора данных о дорожном покрытии по выделенным критериям.

Таблица 1.

Сравнение методов сбора данных о дорожном покрытии

Выводы по 1 главе

По итогам сравнительного анализа было выявлено, что два из трех рассмотренных методов для сбора информации о дорожном использует мобильное приложение, только одно из решений позволяет проводить оценку в реальном времени и только одно решение предусматривает высокую масштабируемость.

Нет такого решения, которое бы позволяло проводить оценку в реальном времени, имело бы высокую масштабируемость, было простое в использовании и не требовало бы специально обученных для этого людей. Поэтому было принято решение о разработке нового метода с нуля.

В рамках данной выпускной квалификационной работы будет разработан метод оценки дорожного покрытия, используя концепцию промышленного интернета вещей.

Разрабатываемый метод будет заключаться в сборе информации о срабатывании с системы курсовой устойчивости автомобиля. В соответствии с выделенными критериями сбор данных будет производиться в реальном времени, не будет требовать специальной подготовки для использования, также разрабатываемый метод будет отлично масштабируем, поскольку система курсовой устойчивости установлена в машинах в большинстве странах.

Глава 2. Выбор платформы для моделирования

В данной работе для проведения исследования и разработки необходима IoT платформа, на которой будет производиться моделирование. В процессе исследования были выбраны следующие платформы: ThingsBoard, IBM Bluemix, Iotify, Microsoft Azure IoT Suite, ThingWorx.

В данной главе необходимо выбрать одну платформу для разработки модели.

Для выбора платформы будет проведен обзор и сравнительный анализ платформ.

В сравнительном анализе для выбора платформы будет применен один из методов поддержки принятия решений - метод анализа иерархий (МАИ) [16], так как в соответствии с системным анализом [17] и теорией принятия решений данная задача является слабоструктурированной.

МАИ относится к методам принятия индивидуальных решений в условиях определенности исходной информации и помогает выбрать лучшее решение среди множества альтернатив, однако его можно применять не только для сравнения, но и для прогнозирования и решения задач управления.

К достоинствам данного метода можно отнести возможность использования в широком круге задач, независимо от предметной области.

К недостаткам данного метода можно отнести необходимость получения большого количества информации от экспертов в предметной области, чтобы была больше вероятность выбрать наилучший вариант, так как в большей части выбор зависит от предпочтений того, кто принимает решения.

2.1 Обзор существующих платформ для моделирования

IBM Watson IoT. IBM Watson IoT [18] - это платформа, помогающая разворачивать решения в области Интернета вещей, и использующая платформу как сервис IBM Bluemix.

Данная платформа поддерживает следующие некоторые возможности: регистрация устройств, хранение и визуализация данных, и так как она использует Bluemix, то имеет интегрированную среду разработки, поддержку многих языков программирования, а также пробную версию в 30 дней.

Microsoft Azure IoT Suite. Microsoft Azure IoT Suite [19,20] - Это решение для облачной платформы Microsoft Azure, которое позволяет разворачивать и запускать корпоративным предприятиям свои проекты, основанные на концепции интернета вещей.

Данное решение включает в себя набор облачных сервисов, которые интегрированы с Azure.

Также у этой платформы есть предварительно настроенные решения для часто используемых сценариев Интернета вещей, например, удаленный мониторинг.

Наряду с решениями для Интернета вещей у Microsoft Azure IoT Suite есть функции управления, хранения и анализа данных.

За анализ данных на данной платформе отвечает служба Azure Stream Analytics, которая отвечает за обработку поступающих данных телеметрии, агрегирования и обнаружение событий.

За хранение поступающих на платформу данных отвечает служба Azure DocumentDB, а за возможность визуализации данных отвечает веб-приложение Microsoft Power BI, с помощью которой можно создавать панели мониторинга.

Microsoft Azure IoT Suite предоставляет возможность создать учетную запись бесплатно пользоваться службами в течение одного года. Данным решением удобно пользоваться для решения корпоративных бизнес задач.

ThingsBoard. ThingsBoard [21] - платформа для развертывания масштабных IoT проектов с открытым исходным кодом и большим количеством документации, однако является бесплатной лишь частично. Имеет пробную версию. С данной платформой можно работать локально, установив на компьютер.

В бесплатной версии community есть возможность создавать свои виртуальные устройства, виджеты и панели для мониторинга каких-либо процессов и подключать имеющиеся виртуальные (Arduino, ESP8266 и др.).

Так же для работы со своими проектами можно подключать и реальное оборудование, собирать данные и затем визуализировать их на панелях управления.

Платная, professional, версия отличается от community версии тем, что имеет возможность интеграции с другими IoT системами, такими как IBM Watson Iot, AWS Iot и т.д, имеет возможность подключать больше IoT устройств, чем в community, управлять доступом для пользователей, выгружать собранные данные в форматах csv и xls, создавать отчеты, а также настраивать события по расписанию. Еще одной особенностью этой платформы является интеграция IoT Устройств, которые подключены к устаревшим сторонним системам - ThingsBoard IoT Gateway.

Iotify. Iotify [22]-- это облачная платформа, позволяющая разрабатывать масштабные приложения для Интернета вещей (IoT) с поддержкой миллионов различных устройств, а также позволяющая тестировать их производительность перед тем, как передать их в бизнес слой.

Данная платформа может использоваться как виртуальная лаборатория, где можно создавать свои собственные проекты, например, такие как «Smart Trash» («Умная урна»).

Также в платформе Iotify есть поддержка множества виртуальных устройств - датчиков и аппаратных платформ (Arduino, Raspberry PI и др.).

Iotify имеет возможность интеграции с другими платформами - IBM Bluemix, Google Cloud IoT Core, Jenkins, Azure IoT, AWS IoT.

PTC ThingWorx. PTC ThingWorx [23] - основная платформа для промышленных инноваций в Интернет вещей. Данная платформа позволяет разработчиками проектов Интернета вещей быстро и эффективно разворачивать свои приложения и может применяться в корпоративной среде.

У данной платформы есть пробные версии, однако полностью бесплатной версии нету.

Как и другие платформы для Интернета вещей имеет свои средства для сбора, управления и визуализации данных. С 2018 года MS Azure стала основной облачной платформой для ThingWorx и будет предоставлять сервисы на базе Azure.

2.2 Сравнительный анализ платформ для моделирования

Для проведения сравнительного анализа были выделены следующие критерии и представлены в таблице 2:

ѕ Наличие открытого исходного кода.

ѕ Наличие пробной расширенной версии.

ѕ Наличие бесплатной версии.

ѕ Наличие примеров и документации.

ѕ Наличие графического интерфейса.

ѕ Поддержка протокола MQTT.

ѕ Наличие средств визуализации данных.

Таблица 2.

Сравнение платформ для моделирования

Как ранее было упомянуто для принятия решения на какой платформе разрабатывать модель будет использоваться метод анализа иерархий. Далее представлена постановка задачи, описание алгоритма, и сам процесс принятия решения с помощью данного метода.

В результате применения МАИ будет сделан вывод о выборе платформы для моделирования.

Постановка задачи: выбрать наиболее подходящую платформу для проведения моделирования в данной выпускной квалификационной работе.

Дано: Kn; Am, где Kn - критерии, Am - альтернативы, n = ; m=

Алгоритм применения МАИ для решения поставленной задачи:

1. Представить в структурированном иерархическом виде выделенные критерии и альтернативы.

2. Построить матрицы попарного сравнения для выделенных критериев и альтернатив.

3. Вычислить средние геометрические и нормализованный вектор приоритетов по каждому критерию и у альтернатив по каждому критерию.

4. Выполнить проверку на согласованность для каждой из полученных матриц.

5. При необходимости повторить шаги 2 - 4.

6. Вычислить ценность для каждой альтернативы и определить наилучший вариант.

На первом этапе выполняется структуризация задачи и представление иерархического вида по задаче выбора наилучшей платформы. На рисунке 2 показано иерархическое представление критериев решения задачи.

Теперь на следующих этапах необходимо произвести попарное сравнение критериев и альтернатив - построить матрицы для всех критериев и альтернатив и найти средние геометрические по каждой из строк матриц.

Рис. 2. Схема иерархического представления

Средние геометрические в данном случае являются ценами, по которым определяется важность критериев и альтернатив в принятии решения.

Для попарного сравнения в МАИ используется специальная шкала с сопоставлением уровней важности с их количественным значением. В таблице 3 представлена шкала с уровнями важности.

Таблица 3.

Шкала уровней важности