Für einen Kunden haben wir ein Konzept zum o.g. Thema ausgearbeitet. Der Kunde war eine Mittelständische Logistikfirma, welche Transportfahrzeuge im Alter zwischen 15 und 2 Jahren hatte.
Der Kunde verkehrt häufig auf gleichbleibenden Routen mit wechselnden Fahrern. Routenspezifische Eigenheiten, Sperrungen usw. wurden bislang in Form von Papier mit den Ladungspapieren zusammen ausgegeben. Dynamisch auftretende Sperrungen, Stau usw. sind so natürlich nicht abbildbar.
Da nach Möglichkeit die bereits verbauten Navigationsgeräte in den jeweiligen Transportfahrzeugen genutzt werden sollten fielen „managed“ Navigationsgeräte oder Applösungen im Smartphonebereich raus.
Das Konzept sah dabei folgendes vor:
An zentraler Stelle wurden die Routeninformationen und Staumeldungen zusammengeführt und an den Server übertragen. Um eine größtmögliches Angebot an Information zu bekommen, sollte sowohl auf verfügbare Staumeldungen zugegriffen werden, als auch auf Daten des MDM. Die Daten aus dem MDM liefen dabei durch ein künstlich neuronales Netz, welches auf Basis der Daten und den Daten aus der Vergangenheit ein Prognosemodell bereitstellt, welches es ermöglicht aus den Daten zuverlässige Aussagen zu eventuell auftretenden Problemen und Störungen abzuleiten.
Sobald das ganze Serverseitig aggregiert wurde, sollten die Daten an den Raspi, welcher in jedem Transportfahrzeug verbaut werden sollte, per LTE übertragen werden. Dort wurden die Daten mittels FM Modulator mit TMC an das fest verbaute Navigationsgerät übertragen.