中通科技是如何建模并高效处理车辆上的时序数据的

2021 年年底，中通快递已完成了总部园区的实景三维模型，通过接入园区内的在线传感器，根据现有园区各功能区的区位布局，基于此三维模型开展园区内生产规划、调度运行和维护管理的全过程应用，从而实现园区内人、车、物在精准运行、资源优化和配置服务中的全过程精益化管理。

随着生产设备的小型化和智能化，快递企业也将更快地进入空间地理信息数据生产领域，有包裹流动的地方，就会有时空数据服务的需求。

这里先给大家介绍一下配送全链路业务，这是指包裹从商家仓出来一直到用户手上的这段派送履约链路，它包含 4 个主要的实操流程，分别是分拨实操、运输实操、站点实操和快递员实操。把 4 种实操管理放到三个系统里面，这三个系统分别是分拨管理、运输管理、末端站点实操管理。具体如下图所示。

我们在每辆车上都安装了部标机（即卫星定位汽车行驶记录仪），来实时采集车辆的行驶速度、时间、里程以及与车辆行驶相关的其他状态信息。采集到的数据，通过我们的 IoT service 这层应用来处理。然后数据经由 MQ（消息队列）层由 JDBC-RESTful 的方式写入 TDengine 集群，以供上游平台使用，而部标机产生的其他类数据则通过别的途径供上游平台使用。

我们使用了三节点三副本的模式落地了 TDengine 集群。

建表很简单，我们选择了一类数据对应一张超级表，超级表下根据车牌号划分子表，表结构如下图所示。目前还是项目初期，所以只接入了 700 余辆车，后续会逐步增加接入车辆。也正因为这套环境接入设备不多，写入方面并无压力，远远达不到 TDengine 的写入极限。

下面我们通过几个例子来看看目前业务中使用比较频繁的查询：

1. 获取车辆的最新位置

SQL 语句如下。

select last_row(longitude,latitude),deviceId   from ioc_gps.vehicle_location groupby deviceId  where device_id = #{deviceId}  and ts >= #{startTime} and ts <= #{endTime}

系统界面如下图所示。

2. 车查轨迹信息查询：

select ts,device_id as deviceId,longitude,latitude,altitude,speed as speed,direction,alarm as warnBit,status as statusBit,mobile,mileage,speed2,rssi,satellites,signal_status as signalStatus,gmt_create as gmtCreate,create_ip as createIp,kind,oil,message_id as messageId,device_name as deviceName,plate,device_group_id as deviceGroupId,device_group_name as deviceGroupName,acc, device_code as deviceCode      from ioc_gps.vehicle_location      where device_id = #{deviceId}        and ts >= #{startTime}                and ts <= #{endTime}

通过指定时间范围和具体的车牌号，就可以立刻获得该车辆的轨迹数据并渲染出轨迹图像。如果知道子表名的话，还可以直接查询子表，这样会减少超级表中对于标签的检索。

select time*speed from (select elapsed(ts,1s)as time,twa(speed) as speed,acc from t1 state_window(acc)) where acc =1 ;

select last(*),first(*) from t2 state_window(charge);

后续我们接入的车辆会达到几万辆，对于部标机产生的相关时序数据的使用也会越来越多。期待 TDengine 可以继续为车联网场景下的查询提供更为多样性的支持，产品越来越好。