Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Aéroports connectés à l'aide de l'IoT et AI/ML
Date de publication : 23 décembre 2022 (Historique du diagramme)
Cette architecture de référence montre comment construire un aéroport intelligent et connecté à l'aide de l'Internet des objets (IoT) et de intelligence/machine l'apprentissage artificiel (AI/ML). Les opérateurs aéroportuaires utilisent cette architecture pour générer des données en temps quasi réel sur les mouvements des aéronefs, les virages des portes, le suivi des bagages, la profondeur des files d'attente et le trafic de passagers.
Les aéroports traditionnels s'appuient sur des processus manuels et des systèmes déconnectés. Ces approches ne peuvent pas fournir la visibilité en temps réel dont les équipes opérationnelles ont besoin. Cette architecture connecte les appareils IoT à la périphérie, traite les données en temps quasi réel et applique des modèles de machine learning pour obtenir des informations prédictives. Vous pouvez également mettre en œuvre des mesures de conformité telles que la distanciation sociale et la surveillance de la sécurité.
Cette architecture fait référence à la solution de collecte de données passive de suivi des virages des aéronefs pour la collecte des événements de virage des portes.
Schéma des aéroports connectés
Les étapes suivantes décrivent l'architecture :
-
Utilisez AWS IoT Greengrass Core pour connecter, publier et vous abonner à des données. Utilisez le protocole MQTT (Message Queuing Telemetry Transport) avec les appareils IoT.
-
AWS IoT CoreUtilisez-le pour maintenir l'ombre des appareils IoT. Connectez-vous au AWS cloud, gérez les appareils, effectuez les mises à jour en direct (OTA) et sécurisez les appareils.
-
Utilisez des bases de données spécialisées telles que DynamoDB et une architecture sans serveur pour les événements, les microservices et les données opérationnelles.
-
Créez un tableau de bord opérationnel en temps réel à l'aide de microservices et d'AWS AppSync. Diffusez des alertes via Amazon Pinpoint.
-
Créez le lac de données dans Amazon S3. Utilisez AWS Glue Amazon EMR pour les données traitées brutes et sélectionnées.
-
Découvrez et gérez les données dans Amazon S3 à l'aide de AWS Glue robots d'exploration, de Glue Data Catalog et de Lake Formation. Déployez Amazon Macie pour détecter les données sensibles.
-
Utilisez AWS Glue Jobs et Amazon EMR pour la transformation et l'enrichissement des données.
-
Utilisez Amazon Redshift, Athena et Quick pour les analyses. Créez des data marts dans Amazon Redshift pour les analyses les plus utilisées.
-
Utilisez Amazon SageMaker AI pour créer, entraîner et déployer des modèles d'inférence. Déployez des modèles Edge sur AWS IoT Greengrass Core.
-
Utilisez la solution Aircraft Turn Tracking pour collecter passivement les événements de virage des portes.
-
Utilisez des solutions de distanciation sociale et de gestion de la profondeur des files d'attente pour assurer la conformité.
Suggestions de lecture
Pour plus d'informations, consultez les ressources suivantes :
Historique du diagramme
Pour recevoir des mises à jour concernant ce schéma d'architecture de référence, abonnez-vous au fil RSS.
| Modification | Description | Date |
|---|---|---|
Publication initiale | Schéma d'architecture de référence publié pour la première fois. | 23 décembre 2022 |
Obligation d'abonnement RSS
Pour vous abonner aux mises à jour RSS, un plug-in RSS doit être activé pour le navigateur que vous utilisez.
