Eine Architektur, die Inhalte während der Verarbeitung großer IoT-Datenmengen unterbrechungsfrei hinzufügen oder ändern kann. Sie ermöglicht zudem die Verwaltung und Verarbeitung von Daten in einzelnen Einheiten – sowohl von Personen als auch von Objekten wie Fußgängern, Fahrzeugen, Straßen und Gebäuden –, die sich in der realen Welt ständig verändern. Dies erlaubt die digitale Nachbildung der Situation, einschließlich anderer Fahrzeuge. Darüber hinaus bietet sie Nutzern die Flexibilität, Dienste hinzuzufügen und zu ändern, die ohne Unterbrechung funktionieren müssen, wie beispielsweise die Echtzeit-Risikoprognose für vernetzte Fahrzeuge.

Fujitsu plant, den Service künftig auch in Regionen außerhalb Japans, darunter Nordamerika und Europa, anzubieten. Hintergrund: Die Mobilitätsbranche befindet sich derzeit in einem der größten Umbrüche des Jahrhunderts, da die Anzahl vernetzter Fahrzeuge ab 2020 voraussichtlich exponentiell steigen wird. Die von diesen Fahrzeugen erfassten Big Data, darunter Bilder von Fahrzeugsensoren und CAN-Bus-Daten, werden eine wichtige Rolle bei der Bereitstellung von Mobilitätsdiensten wie Verkehrsüberwachung, Kartierung und Versicherung sowie bei der Fahrzeugentwicklung spielen.

Gleichzeitig analysieren diese Systeme automobile Big Data, die für jeden Dienst gruppiert werden und sich in Entwicklungsfunktionen und Ressourcen überschneiden. Dadurch entsteht der Bedarf an einer Lösung, die mehrere Dienste flexibel und effizient gleichzeitig implementieren kann. In diesem Kontext fördert Fujitsu die Digital-Twin-Technologie für den Mobilitätsbereich, basierend auf der Idee, Informationen über Fahrzeuge und Straßen in Echtzeit digital abzubilden. Um einen digitalen Zwilling für den Einsatz im Mobilitätskontext zu erstellen, hat der multinationale Konzern seine neue Datenverarbeitungsplattform eingeführt. Diese unterstützt die Entwicklung verschiedener Dienste und nutzt automobile Big Data, um zur Verwirklichung einer sicheren und komfortablen mobilen Gesellschaft beizutragen. Mehr zur Technologie.

Das Unternehmen bietet eine Datenverarbeitungsplattform auf Basis der Dracena-Technologie. Daten und Verarbeitungsprogramme werden als Objekte in einem In-Memory-System (³) verwaltet, in einer Flow-Processing-Umgebung für Fußgänger, Fahrzeuge, Straßen, Gebäude und andere reale Objekte. Parallel dazu können Inhalte schnell hinzugefügt und geändert werden, während das System läuft. Dies ermöglicht es Anbietern, flexibel auf Analyse- und Prognosedienste für verschiedene Anwendungsfälle zu reagieren und gleichzeitig sichere und komfortable Mobilitätsdienste für Fahrer und Transportunternehmen bereitzustellen.

Nach der ersten Verfügbarkeit in Japan wird die Lösung anschließend in Nordamerika und Europa eingeführt. Erfolgsgeschichte: Durch die Echtzeitanalyse der Fahrbedingungen jedes Fahrzeugs erstellt die Technologie eine virtuelle Simulation der Straßenverhältnisse und liefert Nutzern nahezu in Echtzeit Verkehrsinformationen, einschließlich Staus und Gefahren. Die kontinuierlich fließenden Daten werden analysiert und prognostiziert, die Ergebnisse im Speicher abgelegt und aktuelle, vergangene und zukünftige Bedingungen erfasst und vorhergesagt. Die Technologie bietet unter anderem Dienste wie Fahrdiagnose und Batterieschutz.

Durch die Verbesserung bestehender Dienste und die Hinzufügung neuer Dienste, ohne die bestehende Funktionalität zu beeinträchtigen, ist es möglich, neue Dienste wie die Risikoprognose für vernetzte Autos und die Fahrassistenz zu unterstützen, die kontinuierlich funktionieren müssen.

Servicedetails: Die neue Plattform besteht aus essentiellen und diversen optionalen Diensten, darunter ein Dienst zum Verwalten und Ausführen von Plugins für einzelne Objekte wie Fußgänger, Autos, Straßen und Gebäude; ein Systemanforderungsdienst zum Sammeln der gewünschten funktionalen und nicht-funktionalen Anforderungen und zur Unterstützung bei der Erstellung von Definitions- und Systematisierungsdokumenten; und ein Installationsdienst zum Aufbau von Benutzerumgebungen gemäß diesen Dokumenten.

[1] Dracena (Dynamically Reconfigurable Asynchronous Consistent Event-processing Architecture),
entwickelt von Fujitsu Laboratories Ltd., ist eine Stream-Processing-Architektur, die Inhalte hinzufügen oder ändern kann, während große Mengen von IoT-Daten verarbeitet werden, ohne anzuhalten.

[2] Controller Area Network (CAN).  
Dies ist eine Art von On-Board-Netzwerkkommunikationsmethode, die hauptsächlich zum Senden und Empfangen von Daten verwendet wird, wie z. B. von Armaturenbrettanzeigen, Karosserie- und Motorsteuerungen usw.

[3] In-Memory-System
 Ein System, das Daten im Speicher eines Servers speichert und eine Hochgeschwindigkeitsverarbeitung ermöglicht.