View a markdown version of this page

使用 IoT 和 AI/ML 的連線機場 - 使用 IoT 和 AI/ML 的連線機場
連線的機場圖表深入閱讀圖表歷史記錄

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

使用 IoT 和 AI/ML 的連線機場

發佈日期：2022 年 12 月 23 日 (圖表歷史記錄)

此參考架構說明如何使用物聯網 (IoT) 和人工智慧/機器學習 (AI/ML) 來建置智慧連網機場。機場營運商使用此架構來產生近乎即時的飛機移動資料、大門轉彎、行李追蹤、佇列深度和乘客流量。

傳統機場依賴手動程序和中斷連線的系統。這些方法無法提供營運團隊所需的即時可見性。此架構會在邊緣連線 IoT 裝置、近乎即時地處理資料，並套用 ML 模型以取得預測性洞見。您也可以實作合規措施，例如社交距離和安全監控。

此架構參考 Aircraft Turn Tracking Passive Data Collection 解決方案，以收集閘道周轉事件。

連線的機場圖表

使用 AWS IoT Core AWS IoT Greengrass和 Amazon SageMaker AI 的連線機場架構。

下列步驟說明 架構：

  1. 使用 AWS IoT Greengrass Core 來連接、發佈和訂閱資料。搭配 IoT 裝置使用訊息佇列遙測傳輸 (MQTT) 通訊協定。

  2. 使用 AWS IoT Core 來維護 IoT 裝置的陰影。連線至 AWS 雲端、管理裝置、無線更新 (OTA) 和安全裝置。

  3. 針對事件、微服務和操作資料使用 DynamoDB 和無伺服器架構等專用資料庫。

  4. 使用微服務和 AWS AppSync 建置即時操作儀表板。透過 Amazon Pinpoint 傳送提醒。

  5. 在 Amazon S3 中建置資料湖。將 AWS Glue和 Amazon EMR 用於原始和策劃的處理資料。

  6. 使用 AWS Glue 爬蟲程式、Glue Data Catalog 和 Lake Formation 探索和管理 Amazon S3 中的資料。部署 Amazon Macie 以偵測敏感資料。

  7. 使用 AWS Glue 任務和 Amazon EMR 進行資料轉換和擴充。

  8. 使用 Amazon Redshift、Athena 和 Quick 進行分析。在 Amazon Redshift 中建置資料封送，以進行大量使用的分析。

  9. 使用 Amazon SageMaker AI 來建置、訓練和部署推論模型。在 AWS IoT Greengrass Core 上部署邊緣模型。

  10. 使用 Aircraft Turn Tracking 解決方案被動收集閘道周轉事件。

  11. 使用社交距離和佇列深度管理解決方案來實現合規。

深入閱讀

如需詳細資訊，請參閱下列資源：

圖表歷史記錄

若要接收有關此參考架構圖表的更新，請訂閱 RSS 摘要。

變更描述日期

初次出版

首先發佈參考架構圖。

2022 年 12 月 23 日

RSS 訂閱需求

若要訂閱 RSS 更新，您必須為正在使用的瀏覽器啟用 RSS 外掛程式。