Wie die Niederlande 68 Mio. € verpulvert haben
<\/HEAD>
Wie die Niederlande 68 Mio. € verpulvert haben<\/H1>Und wir haben Hardware im Wert von 12 € verwendet, InfluxDB & ArcGIS, um es zu verfolgen<\/H6><\/P>Zusammenfassung<\/H2>Jeden Silvesterabend werden in den Niederlanden Massen von Feuerwerk gezündet. Ich möchte diese Gelegenheit nutzen, um zu untersuchen, wie Massen von billig produzierten IoT-Sensoren nicht nur die Messqualität und Stichprobengröße erheblich verbessern können, sondern auch wie einfach es ist, diese in eine ArcGIS for Enterprise-Umgebung zu integrieren. Verwendete Techniken: Javascript, Webappbuilder, Portal, Geoevent Server, Geoevent Server SDK + Java, InfluxDB, C#.<\/P><\/P>Zusammenfassung<\/H2>Kein Zweifel, im vergangenen Jahr war jeder vom "IoT" und seinen realen Anwendungen begeistert. Wie alles dadurch besser (oder schlechter) wird und wie es viele sozioökonomische Probleme lösen wird.<\/P><\/P>Wie in jedem Tech-Beratungs- und Integrationsunternehmen schließen viele Ordina-Kunden oft während der Winterpause, was mir Zeit gab, unsere Innovationsabteilung anzusprechen, die neben meiner eigenen Einheit an IoT arbeitet.<\/P><\/P>Dieses Jahr hatten wir jedoch einen Business Case. Wir wollten die Initiative der niederländischen Regierung zur Crowdsourcing-Messung von Feinstaub-/Luftqualität "verbessern". Besonders an Silvester ist das ein großes Thema: Jedes Jahr werden Feuerwerke im Wert von 68 Mio. € in die Luft geblasen, was Gegenstand vieler nationaler und lokaler Debatten ist. Solche Messungen werden seit vielen Jahren bereits mit hochspezialisierter Ausrüstung durchgeführt (auch entlang von Straßen), aber wir wollten dies optimieren und günstiger machen.<\/P><\/P>Mit einem Shinyei PPD42 Partikelsensor (8 €) und einem ESP8266 WiFi/SOC-Modul (4 €) gelang es uns, einen überraschend präzisen Niedrigenergie-Sensor zu bauen. Wir verteilten 30 davon an Ordina-Kollegen und baten sie, diese um ihre Häuser aufzuhängen. Mit demselben Sensor, aber mit einem LoRA-Modul statt WiFi (LoRA = eine IoT-Plattform mit landesweiter Abdeckung in den Niederlanden; auf den alten UHF-Frequenzen; eigenständige Langstreckensensoren können bis zu einem halben Jahr mit einer Batterie betrieben werden), konnten wir sogar einige "in freier Wildbahn" mit Batterie betreiben.<\/P><\/P>Aufgrund von Kundenanforderungen wurde eine freie und Open-Source-Zeitreihendatenbank verwendet: InfluxDB. Zeitreihendatenbanken sind spezialisiert auf Echtzeitüberwachung (nahezu analoge Genauigkeit) von Daten und Messungen, wobei die Zeit der bestimmende Faktor ist. Um eine Verbindung zu ArcGIS herzustellen, wurde Geoevent Processor 10.5 verwendet, um alle Daten mit GIS zu integrieren. Das Ergebnis war ein Live-Viewer, der auch historische Daten mit einem sehr vielseitigen Datenmodell anzeigen konnte. Er wurde an Silvester von vielen Ordina-Mitarbeitern genutzt (einer verfolgte sogar seinen eigenen Sensor über GIS auf einem Nintendo 3DS...), und die Ergebnisse (wie GIS diese Lösung stärkte) wurden der genannten Regierungsbehörde mitgeteilt – die zuvor nicht daran gedacht hatte, GIS zu verwenden. Die jetzt verfolgten 32 Sensoren hätten genauso gut 3200 Sensoren sein können!<\/P><\/P>Das Beste? Alles von den Daten bis zum GIS wurde von einer Person in nur einer Woche gebaut. IoT & GIS: Sehr mächtig, aber kein großes Ding. Was die Ergebnisse angeht: Das Feuerwerk im Wert von 68 Mio. € verursachte bis zu 40-mal mehr Feinstaub in der Luft als üblich. Das ist nur viermal so viel wie der überraschend gut nachverfolgbare morgendliche Berufsverkehr in einigen Teilen des Landes.<\/P><\/P>Diese Sitzung zeigt die ergriffenen Schritte, wie InfluxDB funktioniert, wie wir es mit Geoevent Processor in ArcGIS integriert haben und wie der finale Viewer gebaut wurde sowie warum IoT so einfach und günstig zu implementieren ist.<\/P><\/BODY><\/HTML>
