<\/HEAD>
Machen Sie Smart Products noch intelligenter<\/STRONG><\/SPAN><\/P>Mit standortbasierter Steuerung und Überwachung<\/STRONG><\/P> <\/P>Es gibt bereits viele Smart Products wie Smartphones, SmartHome oder SmartGarden, was bedeutet, dass diese intuitiv genutzt werden können und uns von einigen unserer Aufgaben befreien, indem sie verschiedene Tätigkeiten eigenständig und intelligent übernehmen. Ein Beispiel wäre die Steuerung einer Heizungsanlage basierend auf unserem aktuellen Standort. Selbst Geräte wie Rasenmäher können „smart“ betrieben werden und könnten auch mit anderen Geräten wie Feuchtigkeitssensoren oder Bewässerungssystemen kommunizieren, um optimierte Funktionen ohne weiteres Zutun zu ermöglichen.<\/P><\/P>All dies ist bereits verfügbar oder wird derzeit entwickelt. Einige der ersten grünen Triebe sind im Kontext des Internet of Things zu erkennen, bleiben jedoch sehr lokal. In den meisten Fällen hängt die Kompatibilität vom Hersteller ab und die Geräte sind nur für „kleinere“ Aufgaben ausgelegt.<\/P><\/P>Was wäre, wenn diese Produkte all ihre Daten nutzen könnten, um mit Tausenden anderer Gegenstände zu kommunizieren – nicht nur lokal, sondern regional oder sogar international? Was könnten wir von diesen Produkten erwarten und welche Vorteile könnten sowohl für Endnutzer als auch für andere Geräte realisiert werden, vielleicht sogar ganz neue Geschäftsmöglichkeiten für Hersteller? <\/SPAN><\/P><\/P>
<\/SPAN><\/P><\/P>Mit standortbasierter Steuerung, Überwachung und Kommunikation möchten wir zeigen, dass es bereits heute ein viel größeres Potenzial gibt. Dabei konzentrieren wir uns auf die wichtigsten Datenintegrationskomponenten und darauf, wie das volle Potenzial von Informationen genutzt werden kann: die räumliche Referenz.<\/P><\/P>Für unser Beispiel wurde ein handelsüblicher Roboter-Rasenmäher verwendet und um Standortbewusstsein erweitert. Diese Information ist mit der ArcGIS-Technologie verknüpft. Das Ergebnis: ein noch intelligenterer Roboter-Rasenmäher, der nicht nur den Rasen mähen kann, sondern auch über relevante Unwetterwarnungen informiert ist und in welchen Fällen es besser sein könnte, zur Ladestation zurückzukehren. Gleichzeitig nutzt er seine Sensordaten, um andere Geräte in unmittelbarer Nähe zu „warnen“.<\/SPAN><\/P><\/P>
<\/SPAN><\/P><\/P>Die Grundlage für diese Fähigkeiten wurde in einem Projekt an der Universität Bochum geschaffen. Studierende und Fakultätsmitglieder arbeiteten zusammen, um die Funktionalität des Roboters zu erweitern: Die Kommunikation mit dem Gerät ist über REST möglich, es kann seinen Standort mittels GPS-Signal bestimmen und ferngesteuert werden. Für die Erkennung der aktuellen Position wird ein USB-GPS-Modul verwendet. Temperatur- und Feuchtigkeitssensoren ergänzen das bestehende Sensorsystem. Beide Sensoren sind an einen Raspberry Pi angeschlossen und am Roboter montiert.<\/P><\/P>
<\/P><\/P>Das gesamte Aktuatorsystem wurde mit Python-Skripten implementiert. Die aktuellen Sensordaten werden in festgelegten Intervallen ausgelesen und über MQTT (Message Queue Telemetry Transport), ein offenes und leichtgewichtiges Messaging-Protokoll für Machine-to-Machine (M2M)-Kommunikation, veröffentlicht. Für diesen Zweck wird ein MQTT-Broker verwendet. Eclipse Paho ermöglicht die Integration eines MQTT-Client-Einsatzes in den Python-Skripten zum Veröffentlichen und Empfangen von Sensordaten.<\/P><\/P>Der schwierigste Teil der Implementierung ist das Steuerungssystem des Roboter-Rasenmähers. Ursprünglich bot der Mäher keine offene Kommunikationsschnittstelle an. Doch ein findiger Entwickler aus Norddeutschland entwickelte in seiner Freizeit ein Erweiterungsmodul („Robonect H30x<\/A>“), das die Übertragung von HTTP-Steuerbefehlen an den Roboter ermöglicht.<\/P><\/P>
Damit der Mäher feststellen kann, ob er sich in einem Gebiet mit Unwetterwarnungen befindet, werden Informationen aus der
ArcGIS GeoEvent Extension for Server<\/A> integriert. Als Erweiterung von ArcGIS Enterprise ermöglicht diese Komponente die automatisierte Echtzeit-Datenverarbeitung. Der GeoEvent Server bietet jedoch keine „Out-of-the-Box“-MQTT-Anschlüsse an. Ein Projekt zur Bereitstellung dieser Funktion wurde von Esri auf GitHub<\/A> eingerichtet und ermöglichte ein Upgrade mit diesem wichtigen Feature.<\/P><\/P>
Unwetterwarnungen werden als GeoFences bereitgestellt, die mit einem ArcGIS Feature Service synchronisiert werden.<\/P>
<\/P>
Echtzeit-Sensordaten werden über einen GeoEvent Service gesammelt. So genannte GeoEvents werden automatisch aus der MQTT JSON-Nachricht generiert, um zu prüfen, ob sich der Roboter-Rasenmäher in einem Gebiet mit Unwetterwarnungen befindet. Falls ja, erhält der Roboter einen „Go Home“-Befehl via MQTT, um zur Ladestation zurückzukehren.<\/P>
<\/P>
Zur Speicherung werden die Sensordaten an einen Feature Service übertragen und zusätzlich von einem Stream Service für die Echtzeit-Visualisierung genutzt.<\/SPAN><\/P>
<\/SPAN><\/P><\/P>Visualisierung und Steuerung des Demos laufen auf einem
-Dashboard, das speziell für diesen Zweck konfiguriert wurde.<\/P><\/P>Das folgende Video demonstriert den Betrieb des Roboter-Rasenmähers:<\/P><\/P>https:\/\/players.brightcove.net\/6161463677001/default_default/index.html?videoId=6162400344001
