Fleet Intelligence Dashboard für eine Safety-aaS-Lösung

Prozess

Wir trafen die Gründer von Peregrine.ai während des ITS-Kongresses in Hamburg, der sich mit Innovationen im Bereich der Mobilität befasste. Nach der Projektschätzung nahmen wir unsere Zusammenarbeit auf.

Das Hauptziel von Peregrine.ai war Fleet Intelligence Dashboard, das einen hohen praktischen Nutzen für Flottenmanager haben würde. Unser Kunde verfügte bereits über eine funktionierende Plattform mit einem umfangreichen Archiv von Risikoereignissen sowie einer Seite mit detaillierten Bewertungen solcher Ereignisse. Peregrine.ai lieferte uns zudem die Entwürfe für ein zukünftiges Dashboard.

Zunächst erstellten die Front- und Backend-Entwickler von Lemberg Solutions ein dynamisches Dashboard mit einer Vielzahl von Grafiken für die Anzeige von Fahrzeugstatistiken. Die Grafiken enthielten die durchschnittliche Risikoeinstufung, Risikokomponenten, die Verteilung der Risikofaktoren, Trendübersichten sowie die drei Fahrzeuge, die am häufigsten in Risikoereignisse verwickelt waren, und diejenigen, für die diese Risiken im Straßenverkehr geringer waren. Darüber hinaus hat unser Team Filter entwickelt, mit denen die Statistiken eines bestimmten Fahrzeugs oder einer Gruppe von Fahrzeugen überprüft werden können.

Als nächstes arbeiteten unsere Entwickler an einer detaillierten Seite, die aus einem ausgewählten Video eines Risikoereignisses, einer Karte mit dem genauen Ort des Ereignisses und einer Grafik bestand, zu der wir einen Runner hinzufügten, der sich parallel zum Fahrzeug im Video bewegte und detaillierte Informationen über das Ereignis anzeigte. Darüber hinaus integrierten wir eine Feedback-Schleife, die es dem Fahrer ermöglicht, den Grad der
Gefährdung auf einem bestimmten Straßenabschnitt zu bewerten.

Außerdem erweiterten wir das Produkt um spezielle Funktionen, wie z. B. das Löschen und Archivieren von Videos.

Für die Frontend-Entwicklung haben wir React und GraphQL eingesetzt. Das LS-Team schuf eine Zwischenumgebung für die Übertragung von Frontend-Anfragen an das Backend. Unsere Ingenieure verwendeten Golang, um auf Anfrage des Frontends Daten aus der Datenbank des Kunden extrahieren zu lassen, zudem erstellten wir eine Logik für die Datenextraktion und -übertragung.

Aufgrund der Mehrsprachigkeit des Produkts (Deutsch und Englisch) wurden einige Titel auf den Grafiken nicht richtig angezeigt, und unser Team löste auch dieses Problem. Der von LS bereitgestellte QS-Ingenieur testete das Produkt im Laufe des gesamten Entwicklungsprozesses, um sicherzustellen, dass alle Statistiken und Anfragen korrekt ausgeführt wurden.