Cómo Los Países Bajos gastaron 68 millones de euros
<\/HEAD>
Cómo Los Países Bajos gastaron 68 millones de euros<\/H1>Y usamos 12 en hardware, InfluxDB & ArcGIS para rastrearlo<\/H6><\/P>Resumen<\/H2>Cada Nochevieja se encienden masas de fuegos artificiales en Los Países Bajos. Me gustaría aprovechar esta oportunidad para explorar cómo masas de sensores IoT producidos de forma económica pueden no solo mejorar enormemente la calidad de la medición y el tamaño de la muestra, sino también lo fácil que es integrarlos en un entorno ArcGIS for Enterprise. Técnicas utilizadas: Javascript, Webappbuilder, Portal, Geoevent Server, Geoevent Server SDK + Java, InfluxDB, C#.<\/P><\/P>Resumen ejecutivo<\/H2>No hay duda de que durante el último año todos han estado entusiasmados con "IoT" y sus aplicaciones en el mundo real. Cómo todo será mejor (o peor) gracias a ello, y cómo resolverá muchos problemas socioeconómicos.<\/P><\/P>Como en cualquier empresa de consultoría/integración tecnológica, muchos clientes de Ordina suelen cerrar durante las vacaciones de invierno, lo que me dio tiempo para acercarme a nuestra unidad de innovación que, junto con mi propia unidad, está trabajando en IoT.<\/P><\/P>Este año, sin embargo, teníamos un caso de negocio. Queríamos "mejorar" la iniciativa del Gobierno holandés sobre mediciones crowdsourced de partículas finas/calidad del aire. Especialmente durante la Nochevieja esto es un gran asunto: cada año se lanzan fuegos artificiales por valor de 68 millones al aire, lo cual es objeto de mucho debate nacional y local. Mediciones como estas ya se realizan desde hace muchos años con equipos altamente especializados (también alrededor de carreteras), sin embargo queríamos optimizar y abaratar esto.<\/P><\/P>Usando un sensor de partículas Shinyei PPD42 (8) y un módulo ESP8266 WiFi/SOC (4) logramos construir un sensor sorprendentemente preciso y de bajo consumo. Distribuimos 30 de estos a colegas de Ordina y les pedimos que los colgaran alrededor de sus casas. Usando el mismo sensor, pero con un módulo LoRA en lugar de WiFi (LoRA = una plataforma IoT con cobertura nacional en Los Países Bajos; en las antiguas frecuencias UHF; sensores independientes de largo alcance pueden durar medio año con una batería), incluso logramos colocar algunos "en la naturaleza" alimentados por batería.<\/P><\/P>Debido a restricciones del cliente se utilizó una base de datos de series temporales libre y open source; InfluxDB. Las bases de datos Time Series se especializan en monitoreo en tiempo real (niveles casi análogos de precisión) de datos y mediciones, siendo el tiempo el factor definitorio. Para conectar con ArcGIS se usó Geoevent processor 10.5 para integrar todos los datos con GIS. El resultado fue un visor en vivo que también podía mostrar datos históricos con un modelo de datos altamente versátil. Fue visto durante la Nochevieja por muchos empleados de Ordina (uno incluso rastreó su propio sensor a través del GIS en una Nintendo 3DS...), y los resultados (cómo GIS fortaleció esta solución) fueron compartidos con dicha agencia gubernamental – que no había considerado usar GIS antes. ¡Los 32 sensores rastreados ahora podrían haber sido fácilmente 3200 sensores!<\/P><\/P>¿Lo mejor? Todo desde los datos hasta GIS fue construido por un solo hombre en una sola semana. IoT & GIS: Muy poderoso, pero no es gran cosa. En cuanto a los resultados: los fuegos artificiales por valor de 68 millones causaban hasta 40 veces más partículas finas en el aire que lo normal. Lo cual es solo 4 veces más que la sorprendentemente rastreable hora punta matutina en algunas partes del país.<\/P><\/P>Esta sesión muestra los pasos tomados, cómo funciona InfluxDB, cómo lo integramos en ArcGIS con Geoevent Processor, cómo se construyó el visor final y por qué IoT es tan fácil y barato de implementar.<\/P><\/BODY><\/HTML>
