小T導讀：海康智聯(lián)以物聯(lián)網(wǎng)、大數(shù)據(jù)與人工智能技術(shù)為核心，構(gòu)建了以“邊緣計算 + 云邊融合”為基礎的整體技術(shù)架構(gòu)，形成覆蓋智能網(wǎng)聯(lián)與車路協(xié)同的一體化產(chǎn)品體系。作為國家級高新技術(shù)企業(yè)，?？抵锹?lián)參與了多項行業(yè)標準制定，業(yè)務已覆蓋全國 20 余個省份，為客戶提供智能網(wǎng)聯(lián)測試示范、車路協(xié)同、自動駕駛、I2V 運營、交通治理、數(shù)字公路及智慧高速等解決方案。在這一體系中，海量設備持續(xù)產(chǎn)生的時序數(shù)據(jù)成為平臺運行的關鍵基礎。本文將結(jié)合多個實際場景，分析 TDengine TSDB 在?？抵锹?lián)產(chǎn)品體系中的落地實踐及應用效果。

車聯(lián)網(wǎng)之困

作為智慧交通領域的領先企業(yè)，我們在推進新一代車聯(lián)網(wǎng)云控平臺的建設初期，主要面臨以下三大核心痛點：

• 其一，車端數(shù)據(jù)接入壓力巨大：全市 10 萬+ 運營車輛需實時上報車速、電機轉(zhuǎn)速、電池包 SOC、GPS 軌跡等時序數(shù)據(jù)，傳統(tǒng)數(shù)據(jù)庫難以支撐高頻次、高并發(fā)的數(shù)據(jù)寫入，時常出現(xiàn)數(shù)據(jù)擁堵或丟失；
• 其二，路側(cè)感知數(shù)據(jù)處理滯后：路側(cè) RSU、攝像頭、雷達產(chǎn)生的目標級結(jié)構(gòu)化數(shù)據(jù)（含目標 ID、坐標、速度、類型）需用于實時碰撞風險計算與信號燈協(xié)同，但傳統(tǒng)存儲方案寫入延遲超過秒級，無法滿足毫秒級決策需求；
• 其三，數(shù)據(jù)價值挖掘低效：車路協(xié)同產(chǎn)生的 PB 級歷史數(shù)據(jù)分散存儲，缺乏統(tǒng)一的時序數(shù)據(jù)管理工具，想要聚合特定時段、路段的流量、平均速度等關鍵指標，需耗費數(shù)小時甚至數(shù)天，嚴重影響交通宏觀決策效率。

TDengine TSDB：開啟變革

為破解上述難題，我們引入專為時序數(shù)據(jù)設計的 TDengine TSDB。 憑借“超級表 + 子表”的獨特數(shù)據(jù)建模方式，TDengine TSDB 能夠很好地適配車聯(lián)網(wǎng)場景中“設備數(shù)量多、數(shù)據(jù)并發(fā)高、采集頻率高”的數(shù)據(jù)特征。同時，TDengine TSDB 原生支持 MQTT、Kafka 等物聯(lián)網(wǎng)數(shù)據(jù)接入方式，可實現(xiàn)設備數(shù)據(jù)的直連寫入，大幅降低系統(tǒng)接入復雜度。此外，其內(nèi)置豐富的時序數(shù)據(jù)聚合函數(shù)，可將歷史數(shù)據(jù)查詢時間從小時級縮短至秒級，為車聯(lián)網(wǎng)系統(tǒng)的實時管控與歷史分析提供了堅實的技術(shù)支撐。

亮點一：車端實時數(shù)據(jù)接入飛躍，10 萬+ 車輛毫秒級在線管控

我們基于 TDengine TSDB 設計了 “一車一子表” 的數(shù)據(jù)模型：以 “車輛信息超級表（vehicle_info_st）” 統(tǒng)一定義車速（speed）、電機轉(zhuǎn)速（motor_speed）、電池包 SOC（battery_soc）、GPS 經(jīng)度（gps_lng）、GPS 緯度（gps_lat）等字段，每輛車對應一張獨立子表（子表名以車輛 VIN 碼命名，如 vin_123456789）。車輛通過 T-Box 以 MQTT 協(xié)議實時上報數(shù)據(jù)， TDengine TSDB 實現(xiàn)毫秒級入庫，穩(wěn)定支撐 10 萬+ 車輛同時在線，確保每輛車的動態(tài)數(shù)據(jù)無延遲、無丟失。

TDengine TSDB SQL 語句（車輛實時數(shù)據(jù)查詢與監(jiān)控）：

 --   1. 創(chuàng)建車輛信息超級表（定義時序數(shù)據(jù)結(jié)構(gòu)）
CREATE   STABLE vehicle_info_st (
    ts TIMESTAMP,  -- 數(shù)據(jù)采集時間戳
    speed FLOAT,   -- 車速（單位：km/h）
    motor_speed INT,  -- 電機轉(zhuǎn)速（單位：rpm）
    battery_soc INT,  -- 電池包SOC（單位：%）
    gps_lng DOUBLE,   -- GPS經(jīng)度
    gps_lat DOUBLE    -- GPS緯度
)   TAGS (
    vin STRING,    -- 車輛唯一標識（子表標簽）
    vehicle_type STRING  -- 車輛類型（如公交車、出租車、私家車）
);
--   2. 查詢某輛車（VIN：vin_123456789）最近10分鐘的實時數(shù)據(jù)（用于大屏實時監(jiān)控）
SELECT   ts, speed, battery_soc, gps_lng, gps_lat 
FROM   vin_123456789 
WHERE   ts >= NOW() - 10m 
ORDER   BY ts DESC;
--   3. 統(tǒng)計全市各類型車輛的平均車速（用于交通狀態(tài)分析）
SELECT   vehicle_type, AVG(speed) AS avg_speed 
FROM   vehicle_info_st 
WHERE   ts >= NOW() - 5m 
GROUP   BY vehicle_type;

亮點二：路側(cè)感知數(shù)據(jù)接入升級，毫秒級支撐碰撞風險與信號燈協(xié)同

針對路側(cè)感知數(shù)據(jù)，我們采用 TDengine TSDB的“一路口一張子表” 建模方案：創(chuàng)建 “路側(cè)目標信息超級表（road_side_target_st）”，定義目標 ID（target_id）、目標坐標（target_x/target_y）、目標速度（target_speed）、目標類型（target_type，如機動車、非機動車、行人）等字段，每個路口的路側(cè)設備（RSU + 攝像頭 + 雷達）對應一張子表（子表名以路口編號命名，如 crossing_001）。

路側(cè)設備通過 MQTT、Kafka 協(xié)議將結(jié)構(gòu)化數(shù)據(jù)實時推送至區(qū)域云，由 TDengine TSDB 進行毫秒級寫入與統(tǒng)一存儲。數(shù)據(jù)隨后實時同步至碰撞風險計算模塊和信號燈控制系統(tǒng)。當系統(tǒng)檢測到車輛與行人距離小于安全閾值時，可在 500 毫秒內(nèi)觸發(fā)預警，并動態(tài)調(diào)整信號燈配時，從而提升路口通行安全。

TDengine TSDB SQL 語句（路側(cè)目標數(shù)據(jù)查詢與風險預警） ：

--   1. 創(chuàng)建路側(cè)目標信息超級表
CREATE   STABLE road_side_target_st (
    ts TIMESTAMP,  -- 數(shù)據(jù)采集時間戳
    target_id INT,  -- 目標唯一標識
    target_x DOUBLE,  -- 目標x坐標（單位：m，基于路口坐標系）
    target_y DOUBLE,  -- 目標y坐標（單位：m，基于路口坐標系）
    target_speed FLOAT,  -- 目標速度（單位：m/s）
    target_type STRING  -- 目標類型（motor_vehicle/non_motor_vehicle/pedestrian）
)   TAGS (
    crossing_id STRING,  -- 路口編號（子表標簽）
    device_id STRING     -- 路側(cè)設備ID
);
--   2. 查詢某路口（crossing_001）最近30秒內(nèi)的所有目標數(shù)據(jù)（用于碰撞風險計算）
SELECT   ts, target_id, target_x, target_y, target_speed, target_type 
FROM   crossing_001 
WHERE   ts >= NOW() - 30s 
ORDER   BY ts DESC;
--   3. 統(tǒng)計某路口早晚高峰（7:00-9:00、17:00-19:00）的各類目標流量（用于信號燈配時優(yōu)化）
SELECT   target_type, COUNT(DISTINCT target_id) AS target_count 
FROM   road_side_target_st 
WHERE   crossing_id = 'crossing_001' 
  AND (ts BETWEEN '2024-01-01 07:00:00' AND   '2024-01-01 09:00:00' 
       OR ts BETWEEN '2024-01-01 17:00:00'   AND '2024-01-01 19:00:00') 
GROUP   BY target_type;

亮點三：云控平臺與歷史分析革新，PB 級數(shù)據(jù)支撐宏觀決策

在 “邊緣云→區(qū)域云→中心云” 三級云控架構(gòu)中，TDengine TSDB 承擔 “實時數(shù)據(jù)湖 + 歷史倉庫” 雙重角色：邊緣云實時采集車端、路側(cè)數(shù)據(jù)并寫入 TDengine TSDB，區(qū)域云基于 TDengine TSDB 進行實時計算（如路段流量統(tǒng)計），中心云則存儲全量 PB 級歷史數(shù)據(jù)。

借助 TDengine TSDB 超級表的高效聚合能力，系統(tǒng)能夠快速查詢?nèi)我鈺r間范圍（如近一周、近一個月）以及任意路段（如西湖大道、錢江新城隧道）的交通關鍵指標，包括車流量、平均速度以及基于車速和車輛類型計算的碳排強度。實際應用中，相關數(shù)據(jù)查詢響應時間已從傳統(tǒng)方案的 2 小時縮短至 3 秒以內(nèi)，為交通宏觀決策、高精地圖更新以及城市級交通仿真提供了精準的數(shù)據(jù)支撐。

TDengine TSDB SQL 語句（交通宏觀數(shù)據(jù)聚合與分析） ：

--   1. 聚合某路段（如西湖大道，通過GPS范圍界定）近1周的日均車流量與平均車速
SELECT   DATE(ts) AS stat_date, 
       COUNT(DISTINCT vin) AS   daily_flow,  -- 日均車流量（按車輛VIN去重）
       AVG(speed) AS avg_daily_speed       -- 日均平均車速
FROM   vehicle_info_st 
WHERE   gps_lng BETWEEN 120.123 AND 120.145  --   西湖大道路段經(jīng)度范圍
  AND gps_lat BETWEEN 30.234 AND 30.256   -- 西湖大道路段緯度范圍
  AND ts >= NOW() - 7d 
GROUP   BY stat_date 
ORDER   BY stat_date;
--   2. 計算全市近1個月各區(qū)域的碳排強度（基于車輛類型與車速的自定義公式）
SELECT   vehicle_type, 
       AVG(CASE WHEN speed <= 20 THEN   0.8  -- 低速行駛碳排系數(shù)
                WHEN speed <= 60 THEN   0.5  -- 中速行駛碳排系數(shù)
                ELSE 0.6 END) AS   carbon_intensity  -- 高速行駛碳排系數(shù)
FROM   vehicle_info_st 
WHERE   ts >= NOW() - 30d 
GROUP   BY vehicle_type;
--   3. 查詢某區(qū)域（如錢江新城）近24小時的交通流量變化趨勢（用于實時仿真）
SELECT   DATE_TRUNC('hour', ts) AS stat_hour,    -- 按小時聚合
       COUNT(*) AS hourly_flow 
FROM   vehicle_info_st 
WHERE   gps_lng BETWEEN 120.167 AND 120.189 
  AND gps_lat BETWEEN 30.268 AND 30.290 
  AND ts >= NOW() - 24h 
GROUP   BY stat_hour 
ORDER   BY stat_hour;

業(yè)務改進與提升

1. 成本效益雙豐收

相比傳統(tǒng)數(shù)據(jù)庫方案， TDengine TSDB 通過 “超級表 + 子表” 的輕量化建模，將存儲成本降低 60%（PB 級數(shù)據(jù)存儲無需額外擴容硬件）；同時，其原生支持數(shù)據(jù)壓縮與分布式計算，減少了 50% 的服務器部署數(shù)量，每年為我們節(jié)省硬件采購與運維成本超 200 萬元。此外，數(shù)據(jù)查詢效率提升 99%（從 2 小時縮短至 3 秒），大幅減少計算資源占用，進一步降低 IT 運營成本。

2. 決策精準效率高

依托 TDengine TSDB 的實時數(shù)據(jù)處理能力，我們的車輛管控業(yè)務實現(xiàn)了從 “事后追溯” 到 “實時預警” 的轉(zhuǎn)變（如 10 萬 + 車輛異常狀態(tài)可在 1 秒內(nèi)觸發(fā)警報）；在宏觀決策層面，基于 TDengine TSDB 的快速數(shù)據(jù)聚合，交通信號燈配時優(yōu)化周期從 1 個月縮短至 1 周。

未來展望：持續(xù)進化

下一步，我們將繼續(xù)深化 TDengine TSDB 的應用場景：一方面，拓展 “車-路-云-人” 全要素數(shù)據(jù)接入，將共享單車、行人過馬路數(shù)據(jù)納入 TDengine TSDB 中進行管理，構(gòu)建更全面的交通數(shù)據(jù)體系；另一方面，基于 TDengine TSDB 的時序數(shù)據(jù)挖掘能力，開發(fā) “交通擁堵預測模型”，實現(xiàn)提前 15 分鐘預測路段擁堵情況并推送至市民導航 APP，進一步提升城市交通智能化水平。

關于?？抵锹?lián)

浙江海康智聯(lián)科技有限公司為中電?？导瘓F旗下企業(yè)，秉承中國電子科技集團有限公司新一代信息基礎設施戰(zhàn)略，用科技筑基交通強國偉業(yè)，致力成為國內(nèi)領先的智能網(wǎng)聯(lián)與車路協(xié)同產(chǎn)品和技術(shù)服務商。在《交通強國建設綱要》的指引下，海康智聯(lián)持續(xù)以“客戶為中心”進行技術(shù)與產(chǎn)品的研發(fā)和創(chuàng)新，打造數(shù)字化、網(wǎng)聯(lián)化、智能化、協(xié)同化的數(shù)智道路，構(gòu)建泛在的、先進的交通信息基礎設施。

作者：?？抵锹?lián) 徐翔