Обратный звонок
главнаякейсытранспортный сервис для безопасного и эффективного вождения

транспортный сервис для безопасного и эффективного вождения

DevopsФронтенд
Сервис агрегирует и обрабатывает данные о транспортных средствах для анализа сегментов дороги

каков бизнес заказчика?

Использует данные подключенных транспортных средств для повышения безопасности и эффективности вождения.

Агрегирует и обрабатывает данные о транспортных средствахи транспорте для обеспечения предсказуемого, основанного на времени, анализа сегментов дороги (участки дороги между перекрестками).

Применяет машинное обучение к данным в реальном времени для максимальной производительности и точности

Партнерство с производителями автомобилей для включения этой технологии в автомобильные навигационные системы.

что мы сделали

Единый пользовательский интерфейс клиента (автомобильной компании). До этого у сервиса был разрозненный набор интерфейсов, которыми было сложно пользоваться.

Визуальные презентации данных и артефактов, созданных Galileo, включая табличные данные, графики, карты и интерактивную интеграцию Kepler.

Мы разработали все так, чтобы вписаться в инфраструктуру сервиса на основе Kubernetes, размещенную на облачной платформе Google.

Добавлен единый вход (SSO), чтобы пользователи могли беспрепятственно перемещаться между приложениями сервиса, включая интерфейсную систему Galileo, RoadIQ, JupyterHub и Google Cloud.

В единый интерфейс добавлены интерфейсы обработки данных и анализа данных, чтобы пользователи могли взаимодействовать с наборами данных с помощью различных инструментов и представлений (табличные данные, тепловые карты, графики и диаграммы, интеграция Kepler и т. д.)

Мы создали MVP Map Reporting Tool — автономный сервис для визуализации результатов произвольных запросов BigQuery на карте.

какие наиболее серьезные трудности мы преодолели?

Сервис использует AWS Kubernetes для управления всеми контейнерами в своей среде, поэтому мы встроили в эту архитектуру наш бэкэнд Nest.js.

Первоначальное развертывание с использованием AWS Kubernetes было разработано на ранней стадии проекта, поэтому команде пришлось быстро узнать о нем больше и успешно выполнить развертывание в течение 3 недель.

Некоторые члены команды впервые работали с GraphQL и Google Cloud API (такими как BigQuery).

Создание процесса единого входа (SSO), который позволяет пользователям беспрепятственно перемещаться между пользовательским интерфейсом Galileo, RoadIQ, JupyterHub и Google Cloud без необходимости повторного входа в систему на каждой границе приложения.

Создание бессерверного адаптера на основе Google Cloud Functions для существующего устройства загрузки данных, которое позволяло пользователям получать данные и создавать модели из данных локальных файлов, а не только из таблиц BigQuery.

Данные, необходимые для пользовательского интерфейса, были распределены между множеством источников — таблицами BigQuery, облачными функциями, базой данных Postgres, Auth0. Мы разработали GraphQL API для взаимодействия с пользовательским интерфейсом, который агрегирует данные из этих источников.

Интеграция сложных данных об автомобилях и сегментах дорог в настраиваемый инструмент предварительного просмотра сегментов дорог, где мы показываем интерактивные карты просмотра улиц и местности, а также сами необработанные данные

Загрузка сложных наборов данных в интеграцию Kepler.gl, обеспечивающую представление транспортных событий на основе местоположения/времени

Наш стек технологий

React/Material
UI
Typescript
GraphQL
Apollo (GraphQL client)
Jest testing framework
Auth0
Authentication
Kepler.gl
Nest.js
Google Cloud APIs
Google Cloud Functions as a serverless code execution env
Google Cloud Storage
BigQuery Prisma - GraphQL ORM
PostgreSQL
Docker
Kubernetes

результат

Единый пользовательский интерфейс,в который включены интерфейсы обработки данных и анализа данных (табличные данные, тепловые карты, графики и диаграммы, интеграция Kepler)

Отправь заявку

подписаться на нашу рассылку

Сообщение отправлено
заполнить еще раз

позвоните мне