Cloud IoT Core での Connected Vehicle Platform の設計

このソリューションでは、Google Cloud で Cloud IoT Core を使用する使用状況に基づく保険が付属する接続車両の管理について説明します。

車両は、自己完結型の交通に焦点を当てた個々のオブジェクトから、双方向通信が可能なこともある洗練されたインターネット接続のエンドポイントに変化を遂げつつあります。接続された最新の車両によって生成される新しいデータ ストリームは、使用状況に基づく保険などの革新的なビジネスモデルを推進し、新しい車内体験を実現し、自律走行や車両間(V2V)通信などの車両技術の進歩のための基盤を構築します。

GCP では、接続された車両プラットフォームの構築とオペレーションに、Google のエンドツーエンドのセキュリティ モデルを利用する堅牢なコンピューティング プラットフォームを提供します。

データ型

接続された車両データは、広範囲に及ぶセンサーと次の使用状況データで構成されます。

  • 車両の位置。GPS 座標、速度制限、加速度計、コンパスの向き。
  • ドライブトレインの測定基準。ドライブのステータス、エンジンの RPM、エンジンの温度、燃料レベル、フォールト コード。
  • 車両環境のステータス。キャビン / 外部の温度、雨の検出、湿度。
  • カスタム センサー。カメラ、ペイロードの温度、位置、速度、損傷の影響を含めたサードパーティ追跡サービス。

ユースケース

クラウドのデータ ストレージおよび分析機能と組み合わせられた接続された車両は、次のような数多くの新しい自動車の利用方法を実現します。

使用状況に基づく保険。ほとんどの保険のポリシーはこれまで運転量に基づいてきましたが、高度な遠隔測定やセンサーのデータを利用することで、実際の運転行動を保険リスクモデルに組み込むことができます。このような行動には、加速 / 減速、速度制限と比較した速度、運転の種類(一般道での通勤と比較した高速道路での通勤など)が含まれます。保険者は、観察された運転行動に関するポリシーを基準としています。つまり、安全運転者は低い保険料という恩恵を受けることができます。

予測メンテナンス。 遠隔測定データを積極的にモニタリングすることにより、予想される運用許容値や以前の運用パターンなどの他のデータソースを遠隔測定データと組み合わせて、障害の可能性をより明確に特定することができます。サプライヤは、部品や運用コンポーネントに関する問題を特定できます。運転者にまったく新しい自動化サービス体験が提供されます。運転者に推奨メンテナンスを知らせて、アポイントメントの場所、日付、時間を推奨します。

貨物の追跡。 配送を追跡することは、消費者と企業の両方にとって重要な課題です。注文した品物がいつ到着するかが正確にわかっていれば、ユーザー エクスペリエンスがポジティブになります。企業には無数のユースケースがあります。 1 つの例は、サプライ チェーンによる商品の追跡で、これは食品産業における課題です。センサーおよび接続されたプラットフォームにより、処理施設の情報と処理日を取得し、製品が所定の許容温度内にとどまっていることを確認できます。

カスタマイズされた車内エクスペリエンス。 多くの消費者向け車両では、すでにインターネット接続、エンターテイメント オプション、スマートフォンを使用した車両とのやりとりが提供されています。車両データのストリームを分析することで、特定の運転行動、一般的な移動先、頻繁に使用する検索に合わせて車内エクスペリエンスを細かく調整できます。たとえば、車両は典型的な 1 日の運転パターンに基づいて、通勤の前に自動的に車内をあらかじめ暖めたり、冷却したりできます。

課題

1 日あたり 1 車両につき 560 GB 以上のデータを生成できます。この大量のデータは、データの継続的な流れと、この規模でのデータの処理と分析の課題から価値を引き出す機会を表しています。

車両データの接続と管理を行うためのプラットフォームを開発する際の主な課題は次のとおりです。

  • デバイス管理。デバイスをいずれかのプラットフォームに接続するには、ソフトウェアの認証、承認、更新の push、構成、モニタリングを可能にする必要があります。これらのサービスを数百万台のデバイスにまでスケーリングし、永続的な可用性を提供する必要があります。
  • データの取り込み。プラットフォームでメッセージを確実に受信、処理、保存する必要があります。
  • データ分析。デバイスから生成された時系列データの複雑な分析を実行して、イベント、許容値、傾向、および起こりうる障害を分析できます。
  • アプリケーション。開発者は、ビジネスレベルのアプリケーション ロジックを作成する必要があります。このロジックは、サードパーティのソースやオンプレミスのデータセンターなど、既存のデータソースと統合する必要があります。
  • 予測モデル。ビジネスレベルの結果を予測するためには、現在および過去のデータに基づく予測モデルが必要です。

車両データから価値を導出するには、端末データを大量に取り込み、保管し、処理できる必要があります。プラットフォーム全体でデータを安全に処理するとともに、処理、ストレージ、分析アプリケーションをスケーリングし、さまざまな地域の数百万のデバイスから生成されるデータ量を処理する必要があります。機械学習のアプリケーションには、迅速なデータ分析と予測能力とフィードバック ループが必要です。

Google Cloud は、データの取り込み、モノのインターネット(IoT)、デバイスの管理、ストレージ、分析、機械学習の予測のための堅牢なプラットフォームを提供します。1 台の車両のゲートウェイを集中管理することにより、クラウドベースのシステムにセキュリティとオペレーションの境界を提供しながら、センサーとデータソースの制御プレーンとデータプレーンを簡素化します。

使用状況に基づく保険の要件と設計

このセクションでは、使用状況に基づく保険のユースケースに特化して設計された要件とアーキテクチャについて説明します。

アーキテクチャの図

接続された車両のアーキテクチャ

デバイス管理

使用状況に基づく保険のユースケースでは、各車両の走行中に記録された一連の低レベルの車両イベントを報告する、インターネットに接続されたテレメトリーが車両に装備されます。データはリアルタイムで、または各走行の終了時にアップロードされます。データセットの例には、車速、GPS の位置、および例外イベントが含まれます。車両デバイスは、業界標準の通信プロトコルである MQTT を使用して Google Cloud と通信できます。各デバイスはデータを交換する前に相互に認証され、特定の VIN に関連付けられている必要があります。両方の遠隔測定デバイスでデータを供給し、メッセージを受け入れることができるため、通信はデバイス間で双方向で行われます。

Cloud IoT Core のデバイス マネージャーは、車両を IoT デバイスとして管理するためのスケーラブルで柔軟なソリューションを提供します。デバイス マネージャーは、デバイスの登録時にデバイスの公開鍵を登録します。この公開鍵は、デバイスがメッセージを送信してデバイスの接続を許可し、安全な通信を確立する際に使用されます。デバイスが登録されると、デバイス マネージャーがデバイスを監視し、デバイスにリモート管理コマンドを発行できるようにします。デバイス マネージャーは API を使用して提供され、使用状況に基づく保険アプリケーションをデバイス管理と容易に統合して、車両デバイスの登録や登録解除を行えます。

データの取り込み

各車両からの低レベルの各メッセージは、後で処理や分析を行うために送信、処理、格納を行う必要があります。メッセージは走行セッションが終了するたびに、または MQTT 接続を使用してリアルタイムでストリーミングされます。すべてのイベントデータは、使用状況に基づく保険アプリケーションや詳細な分析で使用するために保存されます。

Cloud IoT Core のプロトコル ブリッジは、MQTT を使用して車両デバイスと通信します。車両のエンドポイントが認証されると、プロトコル ブリッジはメッセージを受け取り、Google Cloud Pub/Sub に転送します。Cloud Pub/Sub はグローバルにスケーラブルなメッセージ キューイング システムであり、車両データのストリームを処理するための最適な選択肢であると同時に、具体的なバックエンド処理を切り離すことができます。

Google Cloud Dataflow は、分散データ パイプラインを使用してテレメトリー データの変換、拡張、保存を行うために使用されます。Cloud Dataflow は、ストレージ用の Google Cloud Bigtable などの Google Cloud コンポーネントに統合されています。Cloud Bigtable は、低レイテンシかつ高スループットでスケーラブルな NoSQL データベース サービスを提供します。これは時系列の車両データの保存と処理に最適です。拡張された元の端末データは最初に Cloud Bigtable に保存され、後で Google BigQuery でアプリケーションと分析データの処理に使用されます。

双方向通信

車両デバイスとの双方向通信は多くの方法で使用できます。例として、まだアップロードされていないデータを要求することや、報告するイベントやデータの種類などのデバイスの構成を更新することが挙げられます。保険の種類に基づいて、車両で急激な加速や減速などの例外イベントを報告するデータが制限される場合や、利用可能なすべてのデータが送信される場合があります。端末設定の更新によって、指定された車両に対して要求されたデータ型が送信されます。

Cloud IoT デバイス マネージャーは、端末設定の更新によって管理対象端末との双方向通信を確立する機能を提供します。特定のデバイスに関連付けられた設定を更新することにより、デバイス マネージャーは車両デバイスに設定の変更を push します。

データ分析

車両データは集計されて、車両および顧客のポリシーに関する企業データと組み合わせられます。データ量は車両数に比例します。拡張されたデータは保存され、使用状況に基づく保険アプリケーションに送信され、分析の結果に基づいてビジネスレベルのルールが顧客アカウントに適用されます。

Cloud Dataflow は、車両デバイスのデータを企業の車両データおよび顧客データと組み合わせるデータ パイプラインを処理し、組み合わせられたデータを BigQuery に格納する機能を提供します。BigQuery は、使用状況に基づく保険アプリケーションと帯域外システム分析のための強力な分析エンジンを提供します。どちらのタイプの分析も重要です。ビジネス プロセス分析は使用状況に基づく保険アプリケーションの複雑なビジネスルールをサポートし、システム分析はシステム全体の動作を分析します。

機械学習

データ量が増え、受信データに対してデータ分析が実行されると、運転者の行動と過去の保険請求をアルゴリズムで関連付ける機械学習モデルを構築して、運転者のリスク プロファイルの分類を向上させることが可能です。非常に高度なニューラル ネットワークでは、モデルで数百または数千のさまざまな入力信号を使用して、リスクをカテゴリに分類したり、リスクスコアの確率を生成したりできます。時間が経つにつれて、これらのモデルでは保険者が高度にカスタマイズされたポリシーを提供し、運転習慣に基づく運転者の保険料を提供し、運転者に安全運転のヒントを提供することができるようになります。

TensorFlowAI Platform では、洗練されたモデリング フレームワークとスケーラブルな実行環境が提供されます。TensorFlow は最初に Google Brain によって開発され、その後に GitHub でオープンソースとしてリリースされた、幅広く使用されている機械学習フレームワークです。TensorFlow はカスタム ディープ ニューラル ネットワーク モデルを開発するために使用され、パフォーマンス、柔軟性、および規模に対して最適化されています。これらはすべて、IoT で生成されたデータを利用する際に重要です。大規模な機械学習の使用における課題の 1 つは、モデルを処理するために必要な処理能力を確保することです。AI Platform では、GPU などの専用の Google コンピューティング インフラストラクチャ ハードウェアを使用して TensorFlow モデルをトレーニングするスケーラブルな環境が提供されます。AI Platform は、他の方法では時間がかかる可能性があるモデルを迅速にトレーニングするためにスケールできます。モデルがトレーニングされると、AI Platform はモデルを使用してバッチまたはリアルタイムで予測を行うことができるため、サービスが非常にフレキシブルになります。

使用状況に基づく保険のユースケースでは、TensorFlow を使用して、車両から受信したデータを使用してトレーニングされたディープ ニューラル ネットワークがあるモデルを作成します。これらのモデルのアウトプットには、特定の車両のクレームの確立と予測されるクレームの強度が含まれます。このデータは、使用状況に基づく保険のリスク モデリングのシグナルとして使用されます。

アプリケーションとプレゼンテーション

コア アプリケーションは、受信した車両データをビジネス プロセス ルールに対して評価して、どのポリシーの価格が提供されるかを判断する、使用状況に基づく保険アプリケーションです。アプリケーションのコンポーネントは、使用状況に基づく保険のサービスに顧客が登録するか継続を解除するときに、端末管理機能と統合されます。顧客データ、車両データ、ポリシーデータなどの既存のシステムの多くは、企業のデータセンターまたはオンプレミスに存在し、使用状況に基づく保険アプリケーションの一部として統合されます。

Google Cloud は、Google Compute Engine を介した仮想マシン、Google Kubernetes Engine を介したコンテナ、Google App Engine を使用した Platform-as-a-Service など、さまざまなコンピューティング オプションを提供します。Kubernetes Engine は、コンテナの実行と管理に使用され、アプリケーションの主要な機能に柔軟性と高いパフォーマンスを提供します。Compute Engine では、アプリケーション アーキテクチャの統合コンポーネントにとって理想的なサービスを実現する、幅広いマシンタイプが提供されます。標準コンテナでのバックエンド サービスの実行により、高度な柔軟性を実現しながら、マイクロサービス アーキテクチャによって提供されるスケーラビリティを利用します。App Engine を使用すると、モバイル クライアントとウェブ クライアントの両方で、スケーラビリティ、統合サービス、モバイルアプリおよびウェブアプリのフロントエンド サービスの提供の簡素化を実現できます。

次のステップ