阿拉斯加在云中抗击大自然的力量

*如视频不能正常播放,请点击右上角“...”,使用手机浏览器访问播放。

*此案例基于在全球其他地区由微软运营的云服务实施,仅供由世纪互联运营的 Microsoft Azure、Office 365、Power BI 客户参考。

“借助 WeatherCloud,我们能够赋予员工能力,助其更积极主动地应对冬季风暴。”

——Daniel Schacher,维护主管,阿拉斯加交通运输及公共设施部

 

当回想 2010 年的冬天时,Dan Schacher 仍不禁在内心纠结。

他和他在阿拉斯加交通运输与公共设施部(ADOT&PF)的同事非常沮丧且难以置信地看到,费尔班克斯地区的气温在 24 小时内从零下 25°F(约零下 31℃)迅速升至零上 45°F(约 7℃),连续三天经历了三次倾盆大雨,然后气温又降至零下。造成的后果是:大约 1500 英里的道路在冬季的余下时间里都结上了 2 英寸厚亮晶晶的冰层。

ADOT&PF 北区的运维主管 Schacher 说:“冰灾出其不意地袭击了我们。这一事件远远超出了我们部门的运营能力,影响了冬季余下时间的路面驾驶条件和道路养护工作。”

这是一个很大的教训。如果 ADOT&PF 能够在冰灾前得到消息并采取措施阻止冰层与路面的结合,就可以避免整整五个月的路面结冰。但 Schacher 和工作人员没有地面温度的读数,用以深入了解该地区路面上发生的灾害。

Schacher 说:“我们试着倾倒化学品,铲冰,但无济于事。我们只能等待大自然的春天到来时才能摆脱这个窘境。”

Schacher 发誓再也不要经历如此的被动和不安。

新常态

不幸的是,2010 年的冰灾并不是绝无仅有。在阿拉斯加北部地区,每年都会发生。Schacher 说:“过去六年里,我们每年冬天都监测到冻雨。并且,气候模型预测到全球气温上升和温度变化加剧,这意味着道路结冰将是一个长期存在的事件。这似乎是新常态。”

提前预知天气在阿拉斯加并非易事,因为自然在按照自己的脚本进行。阿拉斯加的气温可能会降至零下 80°F(约零下 62℃),而在瓦尔迪兹附近的汤普森山口,降雪量曾在一个冬季达到 974.5 英寸。地理跨越了 29000 平方英里的冰川和 33904 英里的海岸线。

ADOT&PF 的任务是在各种天气下,保持阿拉斯加人在各种各样的地形条件中行动。该机构在阿拉斯加海上公路系统上,维护着整个阿拉斯加州 5600 英里公路,836座桥梁,242 座机场,758 幢公共建筑,21 座港口和 10 艘船。

在 2010 年之前,ADOT&PF 站点管理人员根据标准降水预测模型评估天气,以决定是否部署除雪机。在并不需要的情况下分发铲雪器并购置沙子和盐,这是一笔很大的开销,但如果不配置,将可能把阿拉斯加的驾驶员置于危险之中。

“总而言之,我们有几十年的天气预报经验,这对于我们来说是无可替代的,但很多时候我们只能通过猜测,”Schacher 说。他的团队与费尔班克斯国家海洋及大气管理局(NOAA)办公室紧密合作,但 NOAA 无法提供超本地化的预测,来帮助 ADOT&PF 在 2010 年做好应对准备。

微天气遍布在阿拉斯加。有时城里在下雪,但在 24 英里以外的山上,太阳在闪耀。以前,ADOT&PF 会派出巡逻队来检查山的另一边的天气,只是为了确定。

“我们花费了大量不必要的资源——工作人员的时间和金钱,”Schacher 说,“我们需要更好的数据来做出更好的决策。”

移动、超本地化的数据

2013 年,ADOT&PF 在数字系统投资以获取这些数据。它继续在道路维修业务中安装道路天气信息系统(RWIS),这是一个路边遥测站网络,除了空气温度、露点温度,相对湿度,风速和风向,降水量和其它条件之外,还可跟踪地表和地下温度。

RWIS 数据通过蜂窝网络传输到一个基于云的数据库,叫做维护决策支持系统(MDSS),ADOT&PF 站点管理员用它来确定是否发出卡车以及车上应该配备什么。MDSS 还包含 NOAA 大气天气和预报数据。

安装在费尔班克斯及周围的 8 个路边 RWIS 站点,让 Schacher 的团队对远程路况比以前拥有更多的可见性。但这还不够。

“我们在道路预测中有一个漏洞,”Schacher 说,“我们的决定是由固定位置的大气读数所驱动的,但我们需要移动的路面数据来帮助我们了解数千英里的路面上发生的情况。”

在参加会议时,Schacher 会见了来自物联网解决方案提供商 Fathym 的代表,该解决方案提供商制作了一个称为 WeatherCloud 的天气跟踪解决方案。WeatherCloud 依靠放置在养护车辆内部挡风玻璃和外部保险杠上的移动传感器;这些传感器可跟踪道路温度、湿度、降水量和雨刷频率等。

图 1:安装在车辆仪表板(Skypack)和保险杠(Roadpack)上的 WeatherCloud 传感器,为 ADOT&PF 卡车司机和站点工作人员提供路面和当地天气条件。

“WeatherCloud专门研究地面真实天气,这是卫星数据无法给你的东西,”Fathym 的共同创始人兼首席营销官 Christy Szoke 说,“道路天气可能会受到微气候和道路上行驶的车辆的影响。与基于降水的传统预测模型不同,WeatherCloud 根据降水量与路面类型和路况进行计算,从而产生更精确的超本地预测。”

安装在卡车上的 WeatherCloud 传感器可收集有关道路状况和天气的数据,并通过蓝牙连接,将其传输到卡车上的智能手机运行程序。如果车辆处于蜂窝区域内,则会立即将数据上载到 Microsoft Azure,在该处进行分析并用于创建显示当前超本地道路状况的仪表板。它也被投入到阿拉斯加维护决策支持系统中使用的预测模型中使用。

具体而言,WeatherCloud 将传感器数据从车辆发送到云中的 Azure IoT Hub,并使用 Azure Stream Analytics 进行清理,并存储在 Azure Blob 存储和 Azure Cosmos 数据库中。请参阅“技术附录”,深入了解 WeatherCloud 在 Azure 中的工作方式。

“在所有公有云解决方案中,Azure 拥有最强大的物联网产品,大大加快了我们的开发速度,”位于科罗拉多州 Fathym 的博尔德首席技术官 Michael Gearhardt 说,“借助 Azure,我们能够以更快的速度开发软件,代码量减少 60%。在云之外创建我们的解决方案需要四个月时间,和三名全职人员。通过 Azure,只需一个月及三名人员。它使我们能够减少管理的代码和技术的数量,因此我们可以专注于开发出色的天气解决方案。”

图 2:WeatherCloud 为养护卡车司机提供车辆周围路面和天气状况,一目了然。

迄今为止,ADOT&PF 已在全州的 70 辆道路养护车上安装了 WeatherCloud 传感器,并将寻求资金来源以完成进一步安装。

更安全的道路

虽然ADOT&PF仍在收集碎片数据,以确定WeatherCloud促进阿拉斯加道路安全到何程度,但 Schacher 认为这一定有所作为。“借助 WeatherCloud,我们能够赋予员工能力,助其更积极主动地应对冬季风暴”他说,“作为整体冬季维护计划的一部分,长期部署类似解决方案的其他州将事故减少了 80%。我们希望看到类似的结果。”

2016 年 2 月,一场冻雨降在费尔班克斯缺乏 RWIS 覆盖的地区。Schacher 完全依赖移动 WeatherCloud 数据来确定行动方案。根据高度的精确性,他的团队根据情况决定使用固体化学剂、盐水和盐砂混合物处理道路。

“我们得到非常棒的结果,” Schacher 说,“我的响应比没有 WeatherCloud 数据时更积极,从而避免了任何意外。我们从 WeatherCloud 获得的信息使我们在创建精确预测方面遥遥领先。我们的反馈变得更加积极主动。”

更少的预算成本

天气云数据不仅可以帮助 ADOT&PF 保证居民的安全,还可以帮助企业每年节省数十万美元的资源使用费用。

“最近,NOAA 对即将到来的天气事件提出了两个高度预警,”Schacher 说,“使用 WeatherCloud 的数据,我做出了这样的决定,即天气不会像预期的那样严重,并告诉工作人员暂时放松。果然,预警的风暴没有到来。我没有无谓地部署养护卡车,为国家节省了大笔资金。这让我很高兴。”

几乎每一个资金短缺的美国州和市政府都需要节省运营成本。最近,ADOT&PF 的预算削减了 26%,随着从 WeatherCloud 收集到更多天气信息,Schacher 的团队能够以更少的资源提供相同的服务。

更好的是,移动传感器可以一整年提高效率。在夏季,ADOT&PF 铺路,用碎石封层,划线,并执行其它维护任务。在夏季,工作人员必须躲开雨天甚至阵雪,他们利用 WeatherCloud 数据找到在特定路段上的最佳工作时段。

“我们北区工作人员服务的地区范围比德克萨斯州还要大,因此在规划维护时通常预见不到天气或路况,”Schacher 说,“相反,他们依靠安装在柱上的 WeatherCloud 传感器来确定他们何时会在特定位置有适合的工作时段。以前我们会派出一名人员,但如果下雨或下雪,他们只能坐等天气好转。有了 WeatherCloud 之后,我们减少了这些无法用于生产的时间。”

毫无疑问,阿拉斯加需要举全村之力来保持道路畅通。但 Dan Schacher 是做出最终决定的那个人。“我是阿拉斯加北区的最后一层决策者,我的决策既可以影响公共安全,又可以影响预算,”他说,“因为我的预测工具包中有 WeatherCloud,我可以在晚上睡得更好。”

技术附录:在云中的预测地面天气

WeatherCloud 收集的数据来自两个移动天气传感器包,一个位于车辆挡风玻璃上,另一个位于车牌附近,它与车内智能中枢(位于 ADOT&PF 的 Android 智能手机上)以及静止气象站进行通信。然后将数据汇总到仪表板中,养护卡车的司机和站点管理员可以查看当前道路状况及对未来的预测,并根据传入数据设置预警。

在架构上,WeatherCloud 有两个组件:数据采集引擎和预测引擎:

  • •  采集引擎
  • 车载传感器将数据传递到 Android 智能中心,后者充当物联网现场网关并连接到 Azure IoT Edge(一种可将云功能提供到边缘的服务)。现场网关将数据发布到 Azure IoT Hub,Fathym 将其用于设备连接、安全性和身份验证。
  • 在遥测上传时,Fathym 使用 Azure 流分析来清理数据,并将每个消息的副本存储在长期的 Azure Blob 存储(冷存储)中。WeatherCloud 使用Stream Analytics 执行多个工作,来确定哪个客户的设备正在发送数据。
  • 从那开始,数据流入由 Azure 事件中心(Azure Event Hubs)构建的清晰事件中心。一旦进入清晰事件中心,Fathym 会运行一个流分析作业,将消息推送到 Azure 消息队列,让 WeatherCloud 提供热门或实时消息分析。
  • Fathym还使用流分析将数据推送到 Azure Cosmos 数据库,并将数据存储到历史报告中。当卡车发送温度、声级、湿度及其它读数时,WeatherCloud 将这些消息分解为单独的观测数据并将其存储在 Cosmos DB 中。WeatherCloud 预测引擎向 Cosmos DB 查询这些读数来计算其预测。
  • 在清晰事件中心的另一个数据流中,WeatherCloud 将每条消息写入 Azure Data Lake Store,Fathym 天气科学家在使用 Azure Data Lake Analytics分析历史数据时会访问这里。建立传感器和现场网关的 Fathym 开发团队也使用这些数据作为校准设备的历史参考。Azure 机器学习用于计算每个WeatherCloud 设备的健康评分并规划预防性维护。
  •  
  • •  预测引擎
  • WeatherCloud 将 Python 编写的预测引擎与 Azure Data Lake Analytics 结合使用,为 WeatherCloud 预测提供智能。WeatherCloud 维护一个全球天气观测资料库,用于输入实时道路天气预报。
  • Fathym 使用 Azure Service Fabric 来托管 WeatherCloud 站点的 API。Gearhardt 表示:“Azure Service Fabric 在操作中为硬件人员和应用程序开发人员之间创建了一个清晰的分离体系,让他们可以专注于构建应用程序。Service Fabric 可以自动扩展,以提供我们所需的基础架构。”
  • “知道微软正在支持着这项技术,让人非常放心,”Schacher 说,“其它天气传感器对于将数据集成到我们的 MDSS 非常困难。我们已经看到,使用 Azure 上的 WeatherCloud 带来了解决方案的可靠性,大大提升了功能性和准确性。”

 

客户

  • Alaska Department of Transportation
    阿拉斯加交通运输部

数字化转型领域

解决方案领域

行业

查看全部案例 >>

推荐案例

Top