Master Thesis MSTR-2022-81

BibliographyKovacic, Marko: Deployment und Ausführung verteilter Datenpipelines in Software-Defined-Car-Anwendungen.
University of Stuttgart, Faculty of Computer Science, Electrical Engineering, and Information Technology, Master Thesis No. 81 (2022).
96 pages, german.
Abstract

Anwendungen im Bereich des Software-Defined-Car (SDC) bieten neue Möglichkeiten, um die Sicherheit und Effizienz in der Verkehrssteuerung, sowie dem Kraftstoffverbrauch zu verbessern. Die Kommunikation zwischen externen Systemen, wie der Infrastruktur, und anderen Verkehrsteilnehmern ermöglicht es Fahrzeugen nicht nur auf die eigene Sensorik, sondern auch auf Daten von außerhalb zu reagieren. Gleichzeitig ergibt sich durch den Datenaustausch das Potenzial Analysen mit Fahrzeugdaten auf externen Komponenten vorzunehmen, welche die verfügbaren Ressourcen innerhalb eines Fahrzeugs übersteigen. Durch die zunehmende Zahl an Fahrzeugen und eine stetig wachsende Menge an zu verarbeitenden Daten ergeben sich jedoch Herausforderungen für das Deployment und die Ausführung von SDC-Anwendungen. In der Literatur existieren bereits modellgetriebene Lösungsansätze für die einfache und schnelle Erstellung sowie Verwaltung solcher Anwendungen. Gleichzeitig mangelt es diesen bislang an Deployment- und Ausführungstechniken, insbesondere für solch heterogene und verteilte Domänen wie dies bei vernetzten Fahrzeugen der Fall ist. Aufbauend auf einem modellgetriebenen Lösungsansatz wird im Rahmen dieser Masterarbeit ein Konzept für das automatisierte Deployment und die Ausführung verteilter Datenpipelines in SDC-Anwendungen vorgestellt. Die Umsetzbarkeit des Konzepts wird durch einen implementierten Prototyp demonstriert, welcher gleichzeitig als Basis für eine Evaluation dient.

Full text and
other links
Volltext
Department(s)University of Stuttgart, Institute of Parallel and Distributed Systems, Applications of Parallel and Distributed Systems
Superviser(s)Mitschang, Prof. Bernhard; Hirmer, Dr. Pascal; Del Gaudio, Daniel
Entry dateMarch 17, 2023
   Publ. Computer Science