Die öffentliche Diskussion rund um 5G, Digitalisierung und das Internet der Dinge bringen ein weiteres Thema auf die Agenda: Dass Interesse für das Thema Smart City wächst stetig, und es wurden -zumeist außerhalb Europas – bereits einige spannende Technologieprojekte realisiert. Immer mehr Regierungen unternehmen ernsthafte Schritte zur Modernisierung ihrer Infrastruktur, um die Herausforderungen des Bevölkerungswachstums in Megacitys auf der ganzen Welt zu bewältigen. Die meisten dieser Projekte zielen darauf ab, intelligentere Dienstleistungen und eine bessere Lebensqualität für die Bürger zu gewährleisten. Welche technologischen Hürden zu bewältigen sind und welche Rolle Stream Processing dabei spielen kann, beleuchtet Ververica aus Berlin.

Zu den bemerkenswerten Beispielen für Smart-City-Projekte zählt Moskau. Dort trugen Überwachungskameras dazu bei, im Jahr 2018 mehr als 3.500 Verbrechen in der Stadt aufzuklären, was einem Anstieg von 16 Prozent im Vergleich zu 2017 entspricht. Las Vegas ist ein weiteres Beispiel dafür, in dem der Stadtrat unzählige neue Technologien im öffentlichen Raum erprobt, um die Vision einer Smart City voranzubringen. Die City of Canterbury Bankstown im Südwesten Sydneys, hat sich Mittel für ein fortschrittliches Entsorgungsmanagementprojekt gesichert. Dies ist keine Überraschung, da die Staatsausgaben für Smart-City-Initiativen und der gesamte Markt für Smart-City-Plattformen von 104,6 Milliarden US-Dollar im Jahr 2018 auf 223,3 Milliarden US-Dollar im Jahr 2023 steigen soll, mit einer kontinuierlichen jährlichen Wachstumsrate von 16,4 Prozent.

Infrastruktur und Nachhaltigkeit verbessern

Wie können Smart-City-Projekte durch Echtzeit-Datenverarbeitung und Stream-Processing dazu beitragen, die Infrastruktur und Nachhaltigkeit einer Stadt zu verbessern? Warum sollten Regierungen die Verwendung von Stream-Processing-Frameworks für ihre Smart-City-Initiativen in Betracht ziehen?

Eine Smart City ist laut gängiger Definition ein Stadtgebiet, in dem verschiedene Arten von elektronischen Datenerfassungssensoren zum Einsatz kommen. Diese liefern Informationen, die zur effizienten Verwaltung von Vermögenswerten und Ressourcen verwendet werden. Dazu gehören Daten von Bürgern, Geräten und Anlagen, die verarbeitet und analysiert werden. Damit können Verkehrs- und Transportsysteme, Kraftwerke, Wasserversorgungsnetze, Abfallwirtschaft, Strafverfolgung, Informationssysteme, Schulen, Bibliotheken, Krankenhäuser und andere öffentliche Dienste besser überwacht und verwaltet werden.

»Das bedeutet, dass in einer Smart City verschiedene vernetzte Geräte kontinuierlich Daten erzeugen, die in Echtzeit analysiert werden müssen. Hierzu ist ein skalierbares und robustes Datenverarbeitungs-System erforderlich«, so Marta Paes Moreira, Product Evangelist bei Ververica (vormals Data Artisans). »Die Stream-Verarbeitung mit Apache Flink ist aufgrund der einzigartigen Fähigkeit des Frameworks, auf die spezifischen Aspekte eines Smart-City-Projekts zu reagieren, eine naheliegende Lösung für die oben genannten Anforderungen.«

In Smart-City-Projekten werden kontinuierlich Daten produziert

Smart-City-Projekte basieren auf zahlreichen, verschiedenen vernetzten Geräten, die wertvolle Informationen darüber liefern, was in einer Stadt oder einem Stadtgebiet passiert. Dies kann Infrastruktur wie Straßenbahnen, Busse und andere öffentliche Verkehrsmittel sein, die Echtzeit-Verkehrs- und Stauinformationen liefern, oder Daten aus der Videoüberwachung an verschiedenen Orten der Stadt oder Standortdaten von mobilen Geräten senden.

Diese Daten werden als kontinuierliche Ereignisströme erzeugt, was die Stream-Verarbeitung zur perfekten Wahl für die Verarbeitung eines kontinuierlichen Datenstroms in Echtzeit macht, ohne auf statische Abfrage- und Antwortmethoden der Datenverarbeitung zurückgreifen zu müssen. Letztere würden jede Berechnung und Entscheidungsfindung durch zusätzliche Komplexität und hohe Latenzzeiten ausbremsen.

Daten und Ereignisse können verzögert oder beschädigt in das Verarbeitungssystem gelangen

Aufgrund der verteilten Umgebung, in der Daten in einem Smart-City-Projekt generiert werden, ist es nach Meinung von Ververica entscheidend, diese auf Basis der Ereigniszeit zu verarbeiten. So können beispielsweise in Gebieten mit eingeschränkter Netzwerkkonnektivität, etwa Bereiche zwischen U-Bahn-Stationen, oder bei extremen Wetterbedingungen, Daten mit Verzögerungen oder beschädigt im Verarbeitungssystem ankommen.

Mit der Unterstützung von Apache Flink für die Stream-Verarbeitung zur Ereigniszeit sind die Daten- und Analyse-Teams von Smart-City-Projekten in der Lage, die Daten basierend auf einem Zeitstempel zu verarbeiten. Dies bedeutet, die Verarbeitung findet im Wesentlichen basierend auf dem Zeitpunkt statt, an dem das Ereignis tatsächlich stattgefunden hat. Dies ermöglicht es, Muster zu erkennen und gegebenenfalls Anpassungen vorzunehmen, etwa an Ampeln oder Telematik-Displays an Bushaltestellen, oder Meldungen an die Öffentlichkeit zu kommunizieren.

In den meisten Fällen basieren die Entscheidungen auf bestimmten Zeitfenstern

Aufgrund der kontinuierlichen und echtzeitorientierten Berechnungen und Architekturen in Smart-City-Projekten, müssen Daten- und Analyseteams Informationen in bestimmte Zeitfenster unterteilen. Ziel ist es, Anomalien zu erkennen, spezifische Muster zu finden und alle notwendigen Maßnahmen vorzunehmen, die es der Stadt letztendlich ermöglichen, in Echtzeit auf Situationen und Ereignisse zu reagieren. Wenn beispielsweise die Daten zeigen, dass mehrere Busse länger als 20 Minuten lang keinen Standortwechsel aufweisen, dann liegt wahrscheinlich eine Notsituation in einem erweiterten Gebiet vor. Daraufhin kann die Polizei alarmiert werden oder die Linienführung kann geändert werden.

Ein bemerkenswertes Beispiel für den Einsatz von Flink in Smart-City-Projekten ist die Stadt Warschau, die Apache Flink für ihre Fahrzeugbewegungsanalyse- und Stauprognose-Systeme im Rahmen des VaVeL-Smart-City-Projekts einsetzt. Ein anderes Beispiel ist die chinesische Stadt Hangzhou, eine Metropole mit mehr als sieben Millionen Einwohnern. Sie wurde vor einigen Jahren an fünfter Stelle der verkehrsmäßig am stärksten belasteten Städte Chinas eingestuft. Mittlerweil ist Hangzhou in Bezug auf ihre Verkehrsüberlastung auf den 57. Platz gefallen, was zum Teil auf den Einsatz der von Apache Flink betriebenen KI-Plattform City Brain zurückzuführen ist. Die Plattform sammelt Daten aus verschiedenen Quellen in Hangzhou, wie etwa Videos von Kreuzungskameras und GPS-Daten zu den Standorten von Autos und Bussen in der Stadt. City Brain analysiert die Informationen dann in Echtzeit, um mehr als 1.000 Ampeln und Anzeigetafeln in der Stadt zu koordinieren. Auf diese Weise gelingt es, einen Verkehrsinfarkt zu verhindern oder zumindest die Situation zu entschärfen.

»Im Rahmen eines Smart-City-Projekts generieren verschiedene IoT-Geräte kontinuierlich Daten, die innerhalb kurzer Zeit analysiert werden müssen. Der Schlüssel liegt darin, Zugang zu einer Technologie zu haben, die in der Lage ist, aus einer großen Menge von in Echtzeit zur Verfügung gestellten Daten wertvolle Informationen zu gewinnen«, fasst Marta Paes Moreira von Ververica abschließend zusammen.

Foto: Pixabay

138 search results for „Smart City“

NEWS | BUSINESS | BUSINESS PROCESS MANAGEMENT | CLOUD COMPUTING | DIGITALE TRANSFORMATION | GESCHÄFTSPROZESSE | INFRASTRUKTUR | INTERNET DER DINGE | IT-SECURITY | KOMMUNIKATION | KÜNSTLICHE INTELLIGENZ | LÖSUNGEN | ONLINE-ARTIKEL | RECHENZENTRUM | SERVICES | STRATEGIEN

Smart City und SD-WAN: Wie die digitale Transformation Städte intelligenter macht

18. Mai 2018

Eine flächendeckende drahtlose Konnektivität in Städten gepaart mit IoT-Technologie – diese Kombination eröffnet neue, vielfältige Möglichkeiten für die Entwicklung intelligenter Städte, sogenannter Smart Cities. In puncto Netzwerktechnologie erfordern Smart Cities einen modernen Software-definierten Ansatz für Wide Area Networking, kurz: SD-WAN. WANs für intelligente Städte müssen mehr denn je agil, geradezu elastisch sein. Kommunen jeglicher Größe…