当三大平台融合
Fleet + Publish + Foundation 相结合,创造出全新的能力:AI 驱动的现场作业。在这个全面互联的系统中,人工操作员成为智能边缘节点。
手持 iPad 的卡车司机会收到由 AI 规划的收运路线。系统掌握每辆车的位置。操作员可以通过语音或文字更新路线,AI 会立即重新规划所有受影响的路线。
问题:动态世界中的静态路线
传统的现场作业在前一天晚上就已规划好:
- 路线规划:调度员手动制定路线,或使用夜间批量优化
- 临时变更:司机生病?街道堵塞?只能打电话、重新规划,一片混乱
- 缺乏实时可见性:想知道“47 号卡车在哪里?”还得用无线电呼叫
- 纸质流程:工单需要打印,完成状态需要手动重新录入
- 信息孤岛:司机知道的情况,调度员不知道,客户更是一无所知
一旦实际情况偏离计划,整个系统就难以适应。
解决方案:AI 引导的现场作业
┌─────────────────────────────────────────────────────────────────────┐
│ UBUNTU SOFTWARE UNIFIED STACK │
├─────────────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────────────────┐ │
│ │ PUBLISH │ │ FLEET │ │ FOUNDATION │ │
│ │ │ │ │ │ │ │
│ │ Work orders │ │ Vehicles │ │ Offline-first sync │ │
│ │ Forms/PDFs │◄──►│ Telemetry │◄──►│ Automerge CRDT │ │
│ │ Kiosks │ │ Commands │ │ NATS JetStream │ │
│ │ Translation │ │ Digital │ │ SQLite everywhere │ │
│ │ │ │ Twins │ │ WellKnown Gateway │ │
│ └─────────────┘ └─────────────┘ └─────────────────────────┘ │
│ │ │ │ │
│ └──────────────────┼───────────────────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────────────────────────────────────────────────┐ │
│ │ FIELD OPERATOR (Human Edge) │ │
│ │ │ │
│ │ iPad/Phone with: │ │
│ │ • Real-time route display (2D/3D) │ │
│ │ • AI-directed pickup notifications │ │
│ │ • SST/voice input for route changes │ │
│ │ • Offline capability (queues sync when connected) │ │
│ │ • Position tracking (device GPS) │ │
│ │ • Work order completion/forms │ │
│ └─────────────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────────────────────────────────────────────────┐ │
│ │ VEHICLE (Truck) │ │
│ │ │ │
│ │ • CAN bus telemetry (engine, fuel, diagnostics) │ │
│ │ • GPS position (location tracking) │ │
│ │ • Gateway syncs to NATS JetStream │ │
│ └─────────────────────────────────────────────────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────────────┘
核心洞察: 人工操作员就是边缘计算节点。他们的设备提供定位、接收 AI 指令,并能随时更新系统,就像网络中的其他传感器一样。
示例:重新构想垃圾收运
以下具体示例展示了该架构的工作方式:
早晨:AI 规划一天的工作
- 系统掌握所有收运地点、优先级和垃圾箱满溢程度(IoT 传感器)
- AI 为每辆卡车计算最优路线:尽量缩短行驶距离,同时遵守时间窗口
- 换班开始前,路线自动推送到司机的平板电脑
- 每位司机都能在 2D/3D 视图中看到自己的专属路线,并获得逐向导航
作业期间:实时调整
1 号司机报告:“Main St 123 号因施工封路”
Driver speaks into tablet
└─▶ SST converts to text
└─▶ System marks location as blocked
└─▶ AI refactors all affected routes
└─▶ Updated routes push to affected drivers
└─▶ Total time: seconds
无需电话,无需调度员介入,系统会自动处理。
与此同时:
- 调度仪表板实时显示所有卡车
- 客户门户显示其收运的预计到达时间
- 每次完成的作业都会自动记录
- 每项变更都会被审计,并保留完整的来源记录
人机协同
操作员可以随时否决 AI 的决定:
| 输入方式 | 示例 | 系统响应 |
|---|---|---|
| 语音(SST) | “跳过 Oak Ave 456 号,客户不在家” | 标记跳过,调整路线 |
| 触控 | 在地图上点击位置,选择“受阻” | 从所有路线中移除 |
| 表单 | 填写服务表单并添加备注 | 记录完成情况,触发计费 |
| 手动覆盖 | 拖动路线以更改顺序 | 接受更改,重新优化后续路线 |
AI 增强人的判断,而不是取代它。
人机协同:操作员即边缘智能
真正的突破不只是 AI,而是 AI 与人的判断协同工作。现场操作员不是被动接收指令的人,而是系统中的智能节点。
全面接入的设备
每位司机的 iPad 或手机既是传感器,也是执行器:
┌─────────────────────────────────────────────────────────────────┐
│ DRIVER DEVICE (iPad/Phone) │
├─────────────────────────────────────────────────────────────────┤
│ │
│ INPUTS (Sensing) OUTPUTS (Acting) │
│ ───────────────── ──────────────── │
│ • GPS position • Route display (2D/3D) │
│ • Voice commands (SST) • Turn-by-turn directions │
│ • Touch interactions • Pickup notifications │
│ • Form submissions • Alert sounds/haptics │
│ • Camera (proof of service) • Customer ETA updates │
│ • Accelerometer (driving) • Route change confirmations │
│ │
│ LOCAL INTELLIGENCE │
│ ────────────────── │
│ • SQLite database (offline state) │
│ • Automerge CRDT (conflict-free sync) │
│ • Background location tracking │
│ • Push notification handling │
│ │
└─────────────────────────────────────────────────────────────────┘
系统知道每位司机在哪里、正在做什么,并能即时联系到他们。但更关键的是,司机也可以向系统反馈。
语音驱动的路线重构
语音转文字(SST)让司机无需动手即可更新系统:
| 司机说 | 系统执行 |
|---|---|
| “Main 123 号因施工封路” | 将该地点标记为受阻,重构所有受影响的路线 |
| “跳过下一个收运点,家里没人” | 从路线中移除,通知客户,调整预计到达时间 |
| “Oak Street 的垃圾箱满溢了” | 标记为优先,可能改派给更大的卡车 |
| “休息 15 分钟” | 调整所有后续预计到达时间,通知受影响的客户 |
| “路线完成” | 关闭路线,更新仪表板,触发计费 |
无需给调度打电话,也没有无线电通话。司机说话,AI 倾听,系统随之调整。
决策权层级
人的判断优先于 AI 的建议:
┌─────────────────────────────────────────────────────────────────┐
│ DECISION AUTHORITY │
├─────────────────────────────────────────────────────────────────┤
│ │
│ 1. DRIVER ON-SITE ───────────────────────▶ HIGHEST │
│ Sees reality, can override anything │
│ │
│ 2. DISPATCHER ───────────────────────▶ HIGH │
│ Fleet-wide view, can reassign routes │
│ │
│ 3. AI OPTIMIZER ───────────────────────▶ MEDIUM │
│ Suggests routes, adapts to changes │
│ │
│ 4. SCHEDULED PLAN ───────────────────────▶ LOWEST │
│ Starting point, always subject to reality │
│ │
└─────────────────────────────────────────────────────────────────┘
AI 固然强大,但最终决定权在亲临现场的人手中。
发布:单一来源,全渠道输出
Publish 平台 从单一事实来源生成所有输出。
物流输出
| 源定义 | 生成的输出 |
|---|---|
| 收运记录 | 平板屏幕、PDF 清单、客户短信、信息亭显示 |
| 路线计划 | 司机逐向导航、调度仪表板、客户预计到达时间 |
| 服务表单 | 数字表单、可打印 PDF、OCR 扫描的纸质表单 |
| 每日汇总 | 电子邮件报告、仪表板小组件、合规导出 |
一次定义,多处输出。 修改源数据,所有渠道自动更新。
多语言现场团队
现场人员使用不同的语言?Publish 负责翻译:
- 1 号司机的平板:英语
- 2 号司机的平板:西班牙语
- 客户门户:客户的首选语言
- PDF 清单:公司标准语言
同一份数据,本地化呈现,无需重复管理内容。
可回流的表单
服务完成表单会回流到系统中:
Driver completes pickup form
└─▶ Photo attached (proof of service)
└─▶ Notes recorded ("Container damaged")
└─▶ Time stamped automatically
└─▶ GPS coordinates captured
└─▶ Data syncs via Foundation
└─▶ Billing system updated
└─▶ Customer notified
└─▶ Maintenance ticket created (if needed)
表单不仅用于采集数据,还会触发下游自动化。
数据主权
你的数据流向何处?WellKnown Gateway 确保即使在向 Salesforce、车队追踪系统或计费服务商等外部平台发布数据时,数据仍归你所有。
核心原则: 你向平台发布数据。数据归你所有,而不是归平台所有。
Fleet 集成:车辆即数据源
Fleet 架构提供车辆层,让卡车成为数据丰富的数字孪生。
卡车掌握的信息
每辆车都通过 CAN 总线网关传输遥测数据:
| 数据点 | 来源 | 用途 |
|---|---|---|
| GPS 位置 | 车载信息模块 | 实时追踪、预计到达时间计算 |
| 发动机状态 | ECU | 健康监测、维护提醒 |
| 燃油量 | 燃油传感器 | 续航估算、加油调度 |
| 车速 | 轮速传感器 | 安全监测、路线计时 |
| 诊断信息 | OBD-II / J1939 | 预测性维护 |
| 车门状态 | 车身控制器 | 服务核验 |
| 载重 | 称重传感器 | 容量管理 |
卡车不只是运输工具,更是移动的传感器平台。
数字孪生同步
每辆卡车在系统中都有一个数字孪生:
Physical Truck Digital Twin
───────────── ────────────
Position: 34.05°, -118.24° → state.position
Fuel: 67% → state.fuel
Engine: Running → state.engine
Speed: 25 mph → state.speed
Door: Closed → state.door
Weight: 3,400 lbs → state.weight
调度员看到的是实际情况,AI 基于实际情况进行优化,客户获得准确的预计到达时间。
Fleet 架构 → | 地面车辆 → | 车辆网关 →
Foundation:一切以离线优先
Foundation 平台确保即使网络中断,系统也能正常运行。
为什么离线能力很重要
现场作业往往发生在网络失效的地方:
- 地下停车场
- 信号不稳定的农村地区
- 隧道和地下通道
- 活动期间人流密集的区域
- 国际边境(漫游盲区)
如果你的应用离线就卡死,你的业务也会随之停摆。这是不可接受的。
Automerge CRDT:无冲突同步
离线时做出的更改会在网络恢复后干净地合并:
Driver A (online): Marks pickup complete at 9:15am
Driver B (offline): Marks same pickup skipped at 9:14am (tunnel)
Driver B reconnects:
└─▶ Automerge detects conflict
└─▶ Applies "last write wins" or custom merge rule
└─▶ Both changes preserved in history
└─▶ Alert triggers for dispatcher review
└─▶ No data loss, no app crash
传统数据库可能会损坏或丢失数据,而 CRDT 能从容应对。
无处不在的 SQLite
每台设备都有完整的本地数据库:
- 司机平板:路线、客户、表单、历史记录
- 调度仪表板:车队状态、警报、分析
- 客户门户:客户的服务记录、即将进行的收运
没有网络?没问题。应用所需的一切都在本地。
全面感知:2D/3D 可视化
操作员和调度员看到的是同一个现实:
司机视图(平板)
- 当前路线及逐向导航
- 下一个收运点的详情和客户备注
- 所在区域内的所有其他卡车(态势感知)
- 交通与路况叠加图层
调度视图(仪表板)
- 地图上所有车辆的位置
- 每位司机当前的路线进度
- 突出显示的警报和异常
- 历史轨迹和审计记录
客户视图(门户)
- 服务的预计到达时间
- 司机即将到达的通知
- 服务完成确认
所有视图都源自同一个实时数据流,并自动保持同步。
技术基础
离线韧性
网络中断时,系统仍能继续运行:
Connectivity lost
└─▶ App continues with local SQLite
└─▶ Changes queue in Automerge CRDT
└─▶ Position caches locally
Connectivity returns
└─▶ Automerge merges all changes
└─▶ No conflicts, no data loss
└─▶ System catches up automatically
现场作业不能因网络问题而停止。这套架构确保它们不会停止。
实时同步
联网时,更改会即时传播:
Driver completes pickup
└─▶ Form data saves to local SQLite
└─▶ Automerge syncs to NATS
└─▶ JetStream persists event
└─▶ Dashboard updates
└─▶ Customer notified
└─▶ Total latency: <1 second
通知架构
每台设备都订阅相关的 NATS 主题:
| 主题模式 | 接收方 |
|---|---|
fleet.prod.veh.{id}.route.* | 该司机的设备 |
fleet.prod.veh.*.state.pos | 调度仪表板 |
fleet.prod.customer.{id}.* | 客户门户 |
更改只需发布一次,即可自动送达所有相关方。
不止于垃圾收运
同样的模式适用于各类现场作业:
| 行业 | 应用 |
|---|---|
| 废弃物管理 | 路线优化的收运、满溢程度传感器 |
| 配送与物流 | 最后一公里优化、交付证明 |
| 现场服务 | 技术人员调度、零部件库存 |
| 农业 | 农机协调、收获路线规划 |
| 建筑 | 设备与材料配送、工地物流 |
| 公用事业 | 抄表路线、服务上门 |
| 医疗保健 | 居家护理探访、样本采集 |
相同的架构,相同的模式,不同的领域数据。
安全与数据主权
你的运营数据始终归你所有:
| 原则 | 实现方式 |
|---|---|
| 自主主权 | 数据存储在你的基础设施或我们的基础设施上,由你选择 |
| WellKnown Gateway | 向平台发布数据,不被锁定 |
| 端到端加密 | 数据在传输和存储时均加密 |
| 零信任 | 每台设备都经过认证,每个请求都经过授权 |
| 审计记录 | 每项变更都有日志,并保留完整的来源记录 |
| 离线优先 | 数据存放在设备上,而不仅仅在云端 |
立即开始
AI 驱动的现场作业彻底改变了工作方式。你的操作员将成为实时自适应系统中的智能边缘节点。
准备好了解 Fleet + Publish + Foundation 如何改变你的现场作业了吗?