AWS IoT FleetWise
Servicio totalmente gestionado que recopila, transforma y transfiere eficientemente datos de conducción y señales vehiculares desde vehículos conectados al cloud para análisis
Descripción general
AWS IoT FleetWise es un servicio que facilita la recopilación de datos de vehículos conectados a escala. Permite definir qué señales vehiculares recopilar, aplicar lógica de recopilación inteligente en el edge del vehículo para reducir la transferencia de datos, y centralizar los datos en la nube para análisis y machine learning.
Modelado de datos vehiculares y catálogo de señales
FleetWise utiliza un modelo de vehículo jerárquico que describe la estructura de señales disponibles en cada tipo de vehículo. El catálogo de señales define todas las señales posibles (velocidad, RPM, temperatura del motor, estado de batería, posición GPS, etc.) con sus tipos de datos, unidades y rangos válidos. Los modelos de vehículo agrupan señales en ramas lógicas (powertrain, chassis, body, ADAS) siguiendo la especificación VSS (Vehicle Signal Specification). Los decodificadores traducen entre los protocolos de red vehicular nativos (CAN bus, OBD-II, señales de red Ethernet automotriz) y el modelo de señales de FleetWise.
Recopilación inteligente de datos en el edge
El agente de FleetWise se ejecuta en la unidad de computación del vehículo y aplica campañas de recopilación definidas desde la nube. Las campañas especifican qué señales recopilar y bajo qué condiciones. La recopilación basada en condiciones permite capturar datos solo cuando ocurren eventos de interés (frenado brusco, batería baja, activación de ADAS), reduciendo drásticamente el volumen de datos transferidos. La recopilación basada en tiempo captura señales a intervalos regulares para análisis de tendencias. Los datos se comprimen y almacenan localmente hasta que hay conectividad disponible para la transferencia al cloud.
Operación de flotas a gran escala y patrones de uso de datos
FleetWise gestiona flotas de miles a millones de vehículos, desplegando campañas de recopilación selectivamente por modelo de vehículo, región geográfica o criterios personalizados. Los datos recopilados se entregan a S3 o Timestream para almacenamiento y análisis. Los casos de uso incluyen: mantenimiento predictivo (detectar degradación de componentes antes de fallos), optimización de diseño (analizar patrones de uso real para informar el diseño de próximas generaciones), desarrollo de ADAS (recopilar escenarios de conducción para entrenamiento de modelos), y análisis de eficiencia energética para flotas eléctricas. SageMaker permite entrenar modelos sobre los datos recopilados para detección de anomalías y predicción de fallos.