智慧港口三维可视化结合阿里云IOT技术实践

简介: 在经济全球化的推动下,港口作为交通运输的枢纽,在促进国际贸易和地区发展中起着举足轻重的作用。随着港口信息化水平的不断提高,国内外许多港口都在尝试将大数据技术、云计算、物联网、可视化等相关信息技术应用于港口生产,数据应用的重点将从传统的数据电话管理转向深度数据挖掘应用。以数据资源为核心,打造港口信息枢纽,提供多层次、多元化边界、精细化服务,实现信息服务产业化,优化港口各环节运行,深化与客户的关系,提升提高港口企业的生产效率,服务港口。


方案特点

基于三维可视化平台开发的智慧港口管理系统,打破港口数据孤岛现状,将离散的实时监控系统、设施管理系统、智能运输系统等各类业务系统数据进行统一整合,集中管理。打通港口信息流、资金流、物流、商流等各类数据,将物流公司、港口公司、船公司等各方数据统一监管,夯实港口运营管理数字化底座,为港口运营管理提供基础。

系统支持多维度,对港口资产、人员、货物进行立体化监管。帮助用户实现统一化协作。支持即时定位港区重点监测区域、动态把握现场状况,提升管理人员全局掌控能力,增强港区运营协同性和管理性。

系统整体预览效果

此处为语雀视频卡片,点击链接查看:预览效果.mp4

应用场合

适用于大且广的智能管理运作场景,譬如港口、机场等。

系统说明

基于三维可视化平台设计的"智慧港口管理系统",能够实现港口的三维可视化展示、监控、管理、交互;同时能够生动展示港口、船舶、码头等三维场景下实时三维模型的变化和数据更新互动。

解决问题

  • 数据采集
  • 实时监控
  • 设备数据上云
  • 数据动画互通

系统解析

系统环境

软件:三维可视化平台、海创微联服务、阿里云平台。

硬件:GPS、摄像头、高速道闸等。

创建产品

在阿里云平台分别创建产品“码头船只管理”、“进出货车登记”,添加对应属性。

创建设备

 

刚创建的设备处于未激活状态

数据采集和上传

船只数据采集

登录海创微服务,点击服务开发,选择对应项目,创建微服务“船只数据采集”,从左边的节点列表选择http、function、阿里云IOT、海创IOT和调试节点,填写数据信息并连接。

  • HTTP(请求指定数据接口,并返回数据

  • function(数据转换)

由于上传的数据格式与传递所需格式不一致,需要用function节点进行数据转换。


  • 阿里云IOT(连接阿里云平台指定产品下的指定设备

  • 调试(查看节点下发的数据内容

显示当前连接的节点下发的数据内容,默认显示msg.payload,调试节点可以接在任何节点的后端,用于查看节点的输出数据是否有问题,便于调试。

车辆数据大同小异,在此不介绍了。


配置完成后,点击部署即可。然后返回阿里云查看设备状态和对应数据。




创建三维可视化大屏

场景设计制作

海创三维可视化场景设计,不仅支持3D模型位置点无缝接入,也支持CAD制图导入自动识别生成立体场景底图,解放生产力,让复杂的三维场景简单化。

三维编辑器可自动识别模型在原有设计器场景里的位置,通过拖拽方式,瞬间生成炫酷场景。

此处为语雀视频卡片,点击链接查看:拖拽即场景 (1).mp4

数据绑定

点击添加阿里云数据。

选择图标或者模型,进行数据绑定。

用户也可通过交互功能配置一系列动画,使场景更加生动形象。

总结

智慧港口将成为港口高质量发展的新动能,以数字赋能撬动生态、产业新增长;应着力构建港口数字生态圈,以智慧物流供应链重塑运营、服务新能力。这需要我们产学研用携手创新,以协同创新机制促进数字应用、港航转型新发展。

目录
相关文章
|
4月前
|
传感器 存储 机器学习/深度学习
物联网(IoT)简介:定义、技术与应用
【5月更文挑战第30天】物联网(IoT)是将物品通过嵌入式系统、传感器及通信技术连接至互联网,实现物物、物人交互和数据共享的技术。其关键包括传感器、通信、嵌入式系统、云计算和人工智能技术。物联网应用于智能家居、智慧城市、工业自动化、农业和健康医疗等领域,通过Arduino等平台可实现简单数据传输。随着技术发展,物联网将深远影响人们生活和工作方式。
342 3
|
22天前
|
存储 分布式计算 物联网
Apache IoTDB进行IoT相关开发实践
当今社会,物联网技术的发展带来了许多繁琐的挑战,尤其是在数据库管理系统领域,比如实时整合海量数据、处理流中的事件以及处理数据的安全性。例如,应用于智能城市的基于物联网的交通传感器可以实时生成大量的交通数据。据估计,未来5年,物联网设备的数量将达数万亿。物联网产生大量的数据,包括流数据、时间序列数据、RFID数据、传感数据等。要有效地管理这些数据,就需要使用数据库。数据库在充分处理物联网数据方面扮演着非常重要的角色。因此,适当的数据库与适当的平台同等重要。由于物联网在世界上不同的环境中运行,选择合适的数据库变得非常重要。 原创文字,IoTDB 社区可进行使用与传播 一、什么是IoTDB 我
94 9
Apache IoTDB进行IoT相关开发实践
|
1月前
|
存储 传感器 监控
理解并利用物联网(IoT)数据的技术探索
【8月更文挑战第11天】物联网数据是数字化转型的重要资源。通过深入理解物联网数据的特性和价值,并采取有效的收集、处理和分析策略,我们可以更好地利用这些数据为企业决策提供支持、优化运营效率、创造新的商业模式并推动数字化转型的深入发展。
|
1月前
|
存储 监控 安全
使用IoT设备优化家庭生活的技术探索
【8月更文挑战第4天】IoT设备以其智能化、便捷性和高效性,正逐步成为现代家庭不可或缺的一部分。从智能照明到智能安防,从智能恒温器到智能厨房,再到智能语音助手,这些设备不仅优化了我们的家庭生活,还提升了我们的生活质量和幸福感。随着技术的不断进步和应用场景的不断拓展,我们有理由相信,未来的智能家居将会更加智能、更加人性化,为我们的生活带来更多惊喜和便利。
|
2月前
|
存储 分布式计算 物联网
Apache IoTDB进行IoT相关开发实践
IoTDB是专为物联网(IoT)设计的开源时间序列数据库,提供数据收集、存储、管理和分析。它支持高效的数据写入、查询,适用于处理大规模物联网数据,包括流数据、时间序列等。IoTDB采用轻量级架构,可与Hadoop和Spark集成,支持多种存储策略,确保数据安全和高可用性。此外,它还具有InfluxDB协议适配器,允许无缝迁移和兼容InfluxDB的API和查询语法,简化物联网项目的数据管理。随着物联网设备数量的快速增长,选择适合的数据库如IoTDB对于数据管理和分析至关重要。
156 12
|
2月前
|
存储 分布式计算 物联网
Apache IoTDB进行IoT相关开发实践
The article introduces IoTDB, an open-source time-series database designed for efficient management of IoT-generated data. It addresses challenges like real-time integration of massive datasets and security. IoTDB supports high-performance storage,
98 0
Apache IoTDB进行IoT相关开发实践
|
2月前
|
分布式计算 NoSQL 物联网
麻省理工IOT教授撰写的1058页Python程序设计人工智能实践手册!
Python是世界上最流行的语言之一,也是编程语言中使用人数增长最快的一种。 开发者经常会很快地发现自己喜欢Python。他们会欣赏Python的表达力、可读性、简洁性和交互性,也会喜欢开源软件开发环境,这个开源环境正在为广泛的应用领域提供快速增长的可重用软件基础。 几十年来,一些趋势已经强有力地显现出来。计算机硬件已经迅速变得更快、更便宜、更小;互联网带宽已经迅速变得越来越大,同时也越来越便宜;优质的计算机软件已经变得越来越丰富,并且通过“开源”方式免费或几乎免费;很快,“物联网”将连接数以百亿计的各种可想象的设备。这将导致以快速增长的速度和数量生成大量数据。 在今天的计算技术中,最新的创新
|
2月前
|
分布式计算 NoSQL 物联网
麻省理工IOT教授撰写的1058页Python程序设计人工智能实践手册!
Python是世界上最流行的语言之一,也是编程语言中使用人数增长最快的一种。 开发者经常会很快地发现自己喜欢Python。他们会欣赏Python的表达力、可读性、简洁性和交互性,也会喜欢开源软件开发环境,这个开源环境正在为广泛的应用领域提供快速增长的可重用软件基础。
|
3月前
|
传感器 安全 物联网
物联网(IoT)设备的硬件选型与集成技术博文
【6月更文挑战第28天】物联网设备硬件选型与集成聚焦关键要素:功能匹配、性能稳定性、兼容扩展及成本效益。嵌入式系统、通信协议、数据处理和安全性技术确保集成效果,支撑高效、智能的IoT系统,驱动家居、城市与工业自动化变革。
|
3月前
|
存储 分布式计算 物联网
Apache IoTDB进行IoT相关开发实践
IoTDB是面向物联网的时序数据库,专注于时间序列数据管理,提供高效的数据处理、集成Hadoop和Spark生态、支持多目录存储策略。它还具有InfluxDB协议适配器,允许无缝迁移原本使用InfluxDB的业务。文章讨论了IoTDB的体系结构,包括数据文件、系统文件和预写日志文件的存储策略,并介绍了如何配置数据存储目录。此外,还提及了InfluxDB版本和查询语法的支持情况。IoTDB在物联网数据管理和分析中扮演关键角色,尤其适合处理大规模实时数据。
69 5