# Лизинг {% hint style="warning" %} Включить **IoT Query** перед использованием данных для построения комплексной аналитики. Если у вас его ещё нет, свяжитесь с нами для получения информации об активации - {% endhint %} Лизинговые компании (особенно банки и поставщики флит‑лизинга) сохраняют право собственности на автомобиль или оборудование, в то время как клиент лишь арендует их использование, поэтому они принимают на себя риск, связанный с активом, на протяжении всего срока договора.  Для защиты остаточной стоимости, обеспечения соблюдения договорных ограничений (пробег, география, обслуживание) и упрощения обязательств по полному обслуживанию они полагаются на Navixy. Данные GPS в реальном времени, диагностика на основе датчиков и поведенческая аналитика позволяют им проверять условия использования, автоматизировать планирование сервисного обслуживания, выявлять механические неисправности на ранней стадии, рассчитывать штрафы или плату за превышение пробега и, при необходимости, блокировать или возвращать актив — всё это защищает их инвестиции, сокращает операционные расходы и повышает прозрачность для клиента на протяжении всего жизненного цикла лизинга. Navixy **IoT Query** поможет организовать любую аналитику на каждом этапе лизингового договора. Лизинговый контракт проходит через несколько предсказуемых фаз: Ввод в эксплуатацию и настройка актива → Операционная фаза → Надзор за рисками и соответствием Следующие SQL‑рецепты в вашей книге совместно отслеживают каждый критический этап в этом жизненном цикле: | Фаза жизненного цикла | Цели и вехи | Рассматриваемые сценарии / рецепты | | -------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | Ввод в эксплуатацию и настройка актива | • Зарегистрировать транспортное средство, активировать страхование и учетные данные водителя. • Импортировать активы в портал клиента с корректной видимостью. | Оповещения о регистрации/истечении страховки — зафиксированы базовые даты. Истечение срока действия водительского удостоверения — проверяет водителей перед допуском. | | Планирование профилактического обслуживания | • Установить повторяющиеся графики обслуживания на основе пробега и времени. • Обеспечить сезонную замену шин. | Периодические осмотры по интервалу — задачи, управляемые календарём. Обслуживание по порогу пробега — правила мелкого/капитального обслуживания, основанные на км. Мониторинг часов двигателя — обслуживание машин по наработке часов. | | Ограничения использования, привязанные к контракту | • Обеспечивать соблюдение лимитов пробега и финансовых ограничений. • Раннее обнаружение превышения использования, чтобы избежать сюрпризов в конце срока. | Лимит пробега и штрафы — контроль километража по году / по сумме контракта. | | Поведение водителя и актива в реальном времени | • Защитить стоимость актива; обучать водителей. • Обнаруживать злоупотребления, которые аннулируют покрытие «полного обслуживания». | Резкое торможение. Резкое ускорение. Внезапные повороты/заходы на поворот. | | Надзор за рисками и соответствием | • Держать активы в пределах географических и договорных границ. • Сохранять право на блокировку или возврат. | Выход за геозону (граница страны) — мгновенное оповещение о нарушении территории. Обнаружение зажигания и простоя — отслеживание расхода топлива / неправомерного использования. | ### Шаблон панели мониторинга Хотя приведённые ниже SQL‑рецепты обеспечивают полный контроль над аналитикой по лизингу, вы можете начать быстрее с готовой панели мониторинга, которая визуализирует ключевые метрики на протяжении жизненного цикла лизинга. Шаблон исключает необходимость создавать запросы и визуализации с нуля. Импортируйте его, отрегулируйте параметры и сразу начните мониторинг соблюдения требований, рисков и защиты активов. Шаблон охватывает ключевые рабочие процессы лизинга: отслеживание регистрации и сроков страховки, мониторинг водительских удостоверений, обнаружение резкого торможения и ускорения с классификацией по степени тяжести, анализ времени простоя и мониторинг активности устройств.
Импортируйте конфигурацию в [Dashboard Studio](https://marketplace.navixy.com/shop/dashboard-studio/), отрегулируйте пороговые значения для ваших контрактов (лимиты пробега, уровни тяжести поведения, параметры обнаружения простоя) и разверните рабочее пространство полного мониторинга. Это удобно, когда командам нужны операционные панели для ежедневного контроля соответствия и рисков без написания SQL. **Предварительные требования:** * IoT Query включён в вашей среде * Dashboard Studio установлена и доступна * По крайней мере 72 часа данных отслеживания * Заполнены таблицы стандартной схемы: `tracking_data_core`, `states`, `objects`, `vehicles`, `employees` **Конфигурация после импорта:** После импорта шаблона адаптируйте его к вашим конкретным лизинговым контрактам и операционным порогам: 1. Просмотрите диапазон времени по умолчанию (72 часа) и скорректируйте, если доступность ваших данных отличается. 2. Установите пороги тяжести для дорожных событий в параметрах запросов (по умолчанию: 60+ км/ч/с для предупреждений, 80+ км/ч/с для критических оповещений). 3. Настройте параметры обнаружения простоя (по умолчанию: скорость ниже 5 км/ч, минимальная длительность 5 минут). 4. Обновите метки геозон в запросе пересечения границы, если вы контролируете территориальные ограничения. 5. Используйте глобальный выбор времени для анализа исторических периодов или сосредоточьтесь на недавней активности. **JSON шаблона:** {% file src="" %} {% code lineNumbers="true" expandable="true" %} ```json { "id": null, "uid": "hello-world", "tags": [ "example", "getting-started" ], "time": { "to": "now", "from": "now-72h" }, "links": [], "style": "dark", "title": "Leasing Dashboard", "panels": [ { "id": 10, "type": "text", "title": "Ignition & Idle Detection", "gridPos": { "h": 4, "w": 24, "x": 0, "y": 158 }, "options": { "mode": "markdown", "content": " " }, "x-navixy": { "sql": { "statement": "" }, "dataset": { "shape": "table", "columns": {} } } }, { "id": 11, "type": "piechart", "title": "Drivers with nearest expiry dates", "gridPos": { "h": 12, "w": 12, "x": 12, "y": 0 }, "options": { "pieType": "donut" }, "x-navixy": { "sql": { "params": {}, "statement": "SELECT \r\n CASE \r\n WHEN (DATE(e.driver_license_valid_till) - CURRENT_DATE)::INTEGER < 0 THEN 'Expired'\r\n ELSE 'Others'\r\n END AS category,\r\n COUNT(*) AS value\r\nFROM raw_business_data.employees e\r\nWHERE e.driver_license_valid_till IS NOT NULL\r\nGROUP BY category\r\nORDER BY category" }, "verify": { "max_rows": 1000 }, "dataset": { "shape": "pie", "columns": { "value": { "type": "integer" }, "category": { "type": "string" } } } } }, { "id": 12, "type": "piechart", "title": "Vehicles with nearest expiry dates", "gridPos": { "h": 12, "w": 12, "x": 0, "y": 0 }, "options": { "pieType": "donut" }, "x-navixy": { "sql": { "params": {}, "statement": "WITH expiry_data AS (\r\n SELECT \r\n CASE \r\n WHEN v.free_insurance_valid_till_date IS NOT NULL\r\n AND (v.liability_insurance_valid_till IS NULL \r\n OR v.free_insurance_valid_till_date <= v.liability_insurance_valid_till)\r\n THEN v.free_insurance_valid_till_date\r\n WHEN v.liability_insurance_valid_till IS NOT NULL\r\n THEN v.liability_insurance_valid_till\r\n ELSE NULL\r\n END AS nearest_expiry_date\r\n FROM raw_business_data.vehicles v\r\n),\r\ncategorized_data AS (\r\n SELECT \r\n CASE \r\n WHEN (DATE(nearest_expiry_date) - CURRENT_DATE)::INTEGER < 0 THEN 'Expired'\r\n WHEN (DATE(nearest_expiry_date) - CURRENT_DATE)::INTEGER >= 0 \r\n AND (DATE(nearest_expiry_date) - CURRENT_DATE)::INTEGER < 30 THEN 'Expires within 30 days'\r\n ELSE 'Others'\r\n END AS category\r\n FROM expiry_data\r\n WHERE nearest_expiry_date IS NOT NULL\r\n)\r\nSELECT \r\n category,\r\n COUNT(*) AS value\r\nFROM categorized_data\r\nGROUP BY category\r\nORDER BY \r\n CASE category\r\n WHEN 'Expired' THEN 1\r\n WHEN 'Expires within 30 days' THEN 2\r\n WHEN 'Others' THEN 3\r\n END" }, "verify": { "max_rows": 1000 }, "dataset": { "shape": "pie", "columns": { "value": { "type": "integer" }, "category": { "type": "string" } } } } }, { "id": 13, "type": "barchart", "title": "Harsh Braking Events", "gridPos": { "h": 11, "w": 24, "x": 0, "y": 12 }, "options": { "textMode": "auto" }, "x-navixy": { "sql": { "params": {}, "statement": "WITH spd AS (\r\n SELECT\r\n device_id,\r\n device_time,\r\n speed/100.0 AS kmh,\r\n LAG(speed/100.0) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_kmh,\r\n EXTRACT(EPOCH FROM (device_time - LAG(device_time) OVER (PARTITION BY device_id ORDER BY device_time))) AS dt_sec\r\n FROM\r\n raw_telematics_data.tracking_data_core\r\n WHERE 1=1\r\n ),\r\n decels AS (\r\n SELECT\r\n device_id,\r\n device_time,\r\n (prev_kmh - kmh) / NULLIF(dt_sec, 0) AS decel_kmh_per_sec\r\n FROM\r\n spd\r\n WHERE\r\n prev_kmh IS NOT NULL\r\n ),\r\n events_with_severity AS (\r\n SELECT \r\n DATE(d.device_time) AS category,\r\n CASE \r\n WHEN d.decel_kmh_per_sec >= 80 THEN 'Critical'\r\n WHEN d.decel_kmh_per_sec >= 60 THEN 'Warning'\r\n ELSE 'Normal'\r\n END AS series\r\n FROM decels d\r\n WHERE d.decel_kmh_per_sec >= 60\r\n )\r\n SELECT \r\n category,\r\n COUNT(*) AS value,\r\n series\r\n FROM events_with_severity\r\n GROUP BY category, series\r\n ORDER BY series" }, "verify": { "max_rows": 1000 }, "dataset": { "shape": "category_value", "columns": { "value": { "type": "integer" }, "series": { "type": "string" }, "category": { "type": "date" } } }, "visualization": { "sortOrder": "none", "colorPalette": "vibrant" } } }, { "id": 14, "type": "barchart", "title": "Harsh Acceleration Events", "gridPos": { "h": 17, "w": 24, "x": 0, "y": 41 }, "options": { "orientation": "vertical" }, "x-navixy": { "sql": { "params": {}, "statement": "WITH spd AS (\r\n SELECT\r\n device_id,\r\n device_time,\r\n speed/100.0 AS kmh,\r\n LAG(speed/100.0) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_kmh,\r\n EXTRACT(EPOCH FROM (device_time - LAG(device_time) OVER (PARTITION BY device_id ORDER BY device_time))) AS dt_sec\r\n FROM\r\n raw_telematics_data.tracking_data_core\r\n ),\r\n accels AS (\r\n SELECT\r\n device_id,\r\n device_time,\r\n (kmh - prev_kmh) / NULLIF(dt_sec, 0) AS accel_kmh_per_sec\r\n FROM\r\n spd\r\n WHERE\r\n prev_kmh IS NOT NULL\r\n ),\r\n events_with_severity AS (\r\n SELECT \r\n DATE(a.device_time) AS category,\r\n CASE \r\n WHEN a.accel_kmh_per_sec >= 80 THEN 'Critical'\r\n WHEN a.accel_kmh_per_sec >= 60 THEN 'Warning'\r\n ELSE 'Normal'\r\n END AS series\r\n FROM accels a\r\n WHERE a.accel_kmh_per_sec >= 60\r\n )\r\n SELECT \r\n category,\r\n COUNT(*) AS value,\r\n series\r\n FROM events_with_severity\r\n GROUP BY category, series\r\n ORDER BY series" }, "verify": { "max_rows": 1000 }, "dataset": { "shape": "category_value", "columns": { "value": { "type": "integer" }, "series": { "type": "string" }, "category": { "type": "date" } } }, "visualization": { "colorPalette": "vibrant" } } }, { "id": 15, "type": "barchart", "title": "Sudden Turns / Cornering", "gridPos": { "h": 13, "w": 24, "x": 0, "y": 23 }, "options": { "orientation": "vertical" }, "x-navixy": { "sql": { "params": {}, "statement": "WITH pts AS (\r\n SELECT\r\n device_id,\r\n device_time,\r\n latitude/1e7::numeric AS lat,\r\n longitude/1e7::numeric AS lon,\r\n LAG(latitude/1e7::numeric) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_lat,\r\n LAG(longitude/1e7::numeric) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_lon,\r\n speed/100.0 AS kmh,\r\n LAG(speed/100.0) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_kmh\r\n FROM\r\n raw_telematics_data.tracking_data_core\r\n ),\r\n bearing AS (\r\n SELECT *,\r\n atan2(\r\n sin(radians(lon-prev_lon))*cos(radians(lat)),\r\n cos(radians(prev_lat))*sin(radians(lat)) -\r\n sin(radians(prev_lat))*cos(radians(lat))*cos(radians(lon-prev_lon))\r\n ) * 180/pi() AS heading_change\r\n FROM pts\r\n WHERE prev_lat IS NOT NULL AND prev_lon IS NOT NULL\r\n ),\r\n events_with_severity AS (\r\n SELECT \r\n DATE(b.device_time) AS category,\r\n CASE \r\n WHEN ABS(b.heading_change) >= 50 AND b.kmh >= 30 THEN 'Critical'\r\n WHEN ABS(b.heading_change) >= 30 AND b.kmh >= 30 THEN 'Warning'\r\n ELSE 'Normal'\r\n END AS series\r\n FROM bearing b\r\n )\r\n SELECT \r\n category,\r\n COUNT(*) AS value,\r\n series\r\n FROM events_with_severity\r\n GROUP BY category, series\r\n ORDER BY category, series" }, "verify": { "max_rows": 1000 }, "dataset": { "shape": "category_value", "columns": { "value": { "type": "integer" }, "series": { "type": "string" }, "category": { "type": "date" } } }, "visualization": { "stacking": "percent", "colorPalette": "classic" } } }, { "id": 16, "type": "stat", "title": "Total Idle Events", "gridPos": { "h": 5, "w": 8, "x": 0, "y": 36 }, "options": { "textMode": "auto" }, "x-navixy": { "sql": { "params": {}, "statement": "WITH ign AS (\r\n SELECT device_id,\r\n device_time,\r\n value::int AS ign_on\r\n FROM raw_telematics_data.states\r\n WHERE state_name = 'ignition'\r\n ),\r\n spd AS (\r\n SELECT device_id, device_time, speed/100.0 AS kmh\r\n FROM raw_telematics_data.tracking_data_core\r\n ),\r\n merged AS (\r\n SELECT i.device_id,\r\n i.device_time,\r\n i.ign_on,\r\n s.kmh,\r\n LEAD(i.device_time) OVER (PARTITION BY i.device_id ORDER BY i.device_time) AS next_time\r\n FROM ign i\r\n LEFT JOIN spd s ON s.device_id = i.device_id AND s.device_time = i.device_time\r\n )\r\n SELECT COUNT(*) AS value\r\n FROM merged m\r\n WHERE m.ign_on = 1 \r\n AND (m.kmh IS NULL OR m.kmh < 5) \r\n AND m.next_time IS NOT NULL\r\n AND EXTRACT(EPOCH FROM (m.next_time - m.device_time))/60 >= 5" }, "verify": { "max_rows": 1000 }, "dataset": { "shape": "kpi", "columns": {} } } }, { "id": 9, "type": "timeseries", "title": "Messages Over Time", "gridPos": { "h": 13, "w": 24, "x": 0, "y": 83 }, "options": { "legend": { "calcs": [], "placement": "bottom", "showLegend": true, "displayMode": "list" }, "tooltip": { "mode": "single", "sort": "none" } }, "targets": [], "x-navixy": { "sql": { "params": {}, "statement": "WITH bounds AS (\nSELECT date_trunc('hour', NOW() - INTERVAL '24 hours') AS start_ts, date_trunc('hour', NOW()) AS end_ts ), hours AS (\nSELECT generate_series( (\nSELECT start_ts\nFROM bounds), (\nSELECT end_ts\nFROM bounds), INTERVAL '1 hour' ) AS bucket ), counts AS (\nSELECT date_trunc('hour', t.device_time) AS bucket, COUNT(*) AS messages, COUNT(DISTINCT t.device_id) AS unique_devices\nFROM raw_telematics_data.tracking_data_core t --\n JOIN raw_business_data.objects o\n ON o.device_id = t.device_id --\n AND o.client_id = 398286 -- uncomment & set if you want a specific client\nWHERE t.device_time >= (\nSELECT start_ts\nFROM bounds)\n AND t.device_time < (\nSELECT end_ts\nFROM bounds) + INTERVAL '1 hour'\nGROUP BY 1 )\nSELECT h.bucket AS time, COALESCE(c.messages, 0) AS messages, COALESCE(c.unique_devices, 0) AS unique_devices\nFROM hours h LEFT\n JOIN counts c USING (bucket)\nORDER BY time;" }, "verify": { "max_rows": 1000 }, "dataset": { "shape": "time_value", "columns": {} }, "visualization": { "lineStyle": "solid", "colorPalette": "modern", "interpolation": "smooth", "legendPosition": "top" } }, "datasource": null, "fieldConfig": { "defaults": { "unit": "short", "color": { "mode": "palette-classic" }, "custom": { "stacking": { "mode": "none", "group": "A" }, "drawStyle": "line", "lineWidth": 1, "spanNulls": false, "showPoints": "auto", "fillOpacity": 10, "gradientMode": "none", "axisPlacement": "auto", "lineInterpolation": "linear" }, "mappings": [], "thresholds": { "mode": "absolute", "steps": [ { "color": "green", "value": null } ] } }, "overrides": [] } }, { "id": 1, "type": "kpi", "title": "Sample Count", "gridPos": { "h": 5, "w": 6, "x": 18, "y": 128 }, "options": { "textMode": "auto", "colorMode": "value", "graphMode": "none", "justifyMode": "auto", "orientation": "auto" }, "targets": [], "x-navixy": { "sql": { "params": { "tenant_id": { "type": "uuid" } }, "statement": "SELECT *\nFROM raw_telematics_data.tracking_data_core LIMIT 10;" }, "verify": { "max_rows": 1 }, "dataset": { "shape": "kpi", "columns": { "value": { "type": "number" } } } }, "datasource": null, "description": "", "fieldConfig": { "defaults": { "unit": "short", "color": { "mode": "thresholds" }, "thresholds": { "mode": "absolute", "steps": [ { "color": "green", "value": null } ] } }, "overrides": [] } }, { "id": 2, "type": "barchart", "title": "Sample Data by Category", "gridPos": { "h": 15, "w": 18, "x": 0, "y": 130 }, "options": { "valueMode": "color", "displayMode": "gradient", "orientation": "horizontal", "showUnfilled": true }, "targets": [], "x-navixy": { "sql": { "params": {}, "statement": "SELECT o.object_label, COUNT(*) AS msgs_24h\nFROM raw_telematics_data.tracking_data_core AS t\n JOIN raw_business_data.objects AS o\n ON o.device_id = t.device_id\nWHERE t.device_time >= NOW() - INTERVAL '24 hours'\nGROUP BY o.client_id, o.object_label, t.device_id\nORDER BY msgs_24h DESC LIMIT 20;" }, "verify": { "max_rows": 10 }, "dataset": { "shape": "category_value", "columns": {} }, "visualization": { "orientation": "vertical" } }, "datasource": null, "fieldConfig": { "defaults": { "unit": "short", "color": { "mode": "palette-classic" }, "custom": { "hideFrom": { "viz": false, "legend": false, "tooltip": false } }, "mappings": [], "thresholds": { "mode": "absolute", "steps": [ { "color": "green", "value": null } ] } }, "overrides": [] } }, { "id": 3, "type": "table", "title": "Messages per day", "gridPos": { "h": 9, "w": 12, "x": 4, "y": 148 }, "options": { "sortBy": [], "showHeader": true }, "targets": [], "x-navixy": { "sql": { "params": { "__to": null, "__from": null }, "statement": "SELECT TO_CHAR(date_trunc('day', t.device_time), 'Mon DD, YYYY') AS \"Date\", \n COUNT(*) AS \"Messages\"\nFROM raw_telematics_data.tracking_data_core AS t\nWHERE t.device_time >= ${__from}\n AND t.device_time < ${__to}\nGROUP BY 1\nORDER BY 1;" }, "verify": { "max_rows": 10 }, "dataset": { "shape": "table", "columns": {} }, "visualization": { "pageSize": 5 } }, "datasource": null, "fieldConfig": { "defaults": { "custom": { "align": "auto", "displayMode": "auto" }, "mappings": [], "thresholds": { "mode": "absolute", "steps": [ { "color": "green", "value": null } ] } }, "overrides": [] } }, { "id": 6, "type": "kpi", "title": "Total Idle Time", "gridPos": { "h": 5, "w": 8, "x": 8, "y": 36 }, "options": { "textMode": "auto" }, "x-navixy": { "sql": { "params": {}, "statement": "WITH ign AS (\n SELECT device_id,\n device_time,\n value::int AS ign_on\n FROM raw_telematics_data.states\n WHERE state_name = 'ignition'\n ),\n spd AS (\n SELECT device_id, device_time, speed/100 AS kmh\n FROM raw_telematics_data.tracking_data_core\n ),\n merged AS (\n SELECT i.device_id,\n i.device_time,\n i.ign_on,\n s.kmh,\n LEAD(i.device_time) OVER (PARTITION BY i.device_id ORDER BY i.device_time) AS next_time\n FROM ign i\n LEFT JOIN spd s ON s.device_id = i.device_id AND s.device_time = i.device_time\n )\n SELECT round(COALESCE(SUM(EXTRACT(EPOCH FROM (m.next_time - m.device_time))/60), 0), 0) AS value\n FROM merged m\n WHERE m.ign_on = 1 \n AND (m.kmh IS NULL OR m.kmh < 5) \n AND m.next_time IS NOT NULL\n AND EXTRACT(EPOCH FROM (m.next_time - m.device_time))/60 >= 5" }, "verify": { "max_rows": 1000 }, "dataset": { "shape": "kpi", "columns": { "value": { "type": "number" } } } } }, { "id": 7, "type": "piechart", "title": "Top active devices in the last 24h", "gridPos": { "h": 9, "w": 12, "x": 0, "y": 121 }, "options": { "pieType": "donut" }, "x-navixy": { "sql": { "params": {}, "statement": "SELECT o.object_label, COUNT(*) AS msgs_24h\nFROM raw_telematics_data.tracking_data_core AS t\n JOIN raw_business_data.objects AS o\n ON o.device_id = t.device_id\nWHERE t.device_time >= NOW() - INTERVAL '24 hours'\nGROUP BY o.client_id, o.object_label, t.device_id\nORDER BY msgs_24h DESC LIMIT 20;" }, "verify": { "max_rows": 1000 }, "dataset": { "shape": "pie", "columns": {} } } }, { "id": 8, "type": "table", "title": "Recent Vehicle Movements", "gridPos": { "h": 25, "w": 24, "x": 0, "y": 96 }, "options": { "showHeader": true }, "x-navixy": { "sql": { "params": {}, "statement": "SELECT\n to_char(t.device_time, 'YYYY-MM-DD HH24:MI:SS TZ') AS \"Timestamp\",\n t.device_id AS \"Device ID\",\n t.speed AS \"Speed\",\n round(t.latitude::numeric / 10000000, 6) AS \"Latitude (°)\",\n round(t.longitude::numeric / 10000000, 6) AS \"Longitude (°)\"\nFROM raw_telematics_data.tracking_data_core t\nWHERE t.device_time >= NOW() - INTERVAL '3 days'\n AND t.speed > 0\nORDER BY t.device_time DESC;" }, "verify": { "max_rows": 3 }, "dataset": { "shape": "table", "columns": { "Speed": { "type": "integer" }, "Device ID": { "type": "integer" }, "Timestamp": { "type": "string" }, "Latitude (°)": { "type": "number" }, "Longitude (°)": { "type": "number" } } }, "visualization": { "pageSize": 25, "sortable": true, "showHeader": true, "showTotals": false, "rowHighlighting": "hover" } } }, { "id": 19, "type": "stat", "title": "Average Idle Duration", "gridPos": { "h": 5, "w": 8, "x": 16, "y": 36 }, "options": { "textMode": "auto" }, "x-navixy": { "sql": { "params": {}, "statement": "WITH ign AS (\r\n SELECT device_id,\r\n device_time,\r\n value::int AS ign_on\r\n FROM raw_telematics_data.states\r\n WHERE state_name = 'ignition'\r\n ),\r\n spd AS (\r\n SELECT device_id, device_time, speed/100.0 AS kmh\r\n FROM raw_telematics_data.tracking_data_core\r\n ),\r\n merged AS (\r\n SELECT i.device_id,\r\n i.device_time,\r\n i.ign_on,\r\n s.kmh,\r\n LEAD(i.device_time) OVER (PARTITION BY i.device_id ORDER BY i.device_time) AS next_time\r\n FROM ign i\r\n LEFT JOIN spd s ON s.device_id = i.device_id AND s.device_time = i.device_time\r\n )\r\n SELECT round(COALESCE(AVG(EXTRACT(EPOCH FROM (m.next_time - m.device_time))/60), 0),0) AS value\r\n FROM merged m\r\n WHERE m.ign_on = 1 \r\n AND (m.kmh IS NULL OR m.kmh < 5) \r\n AND m.next_time IS NOT NULL\r\n AND EXTRACT(EPOCH FROM (m.next_time - m.device_time))/60 >= 5" }, "verify": { "max_rows": 1000 }, "dataset": { "shape": "kpi", "columns": {} } } } ], "refresh": "30s", "version": 1, "editable": true, "timezone": "browser", "x-navixy": { "execution": { "dialect": "postgresql", "endpoint": "/api/v1/sql/run", "max_rows": 1000, "read_only": true, "timeout_ms": 5000, "allowed_schemas": [ "demo_data" ] }, "parameters": { "bindings": { "to": "${__to}", "from": "${__from}", "tenant_id": "${var_tenant}" } }, "schemaVersion": "1.0.0" }, "templating": { "list": [ { "name": "var_tenant", "type": "constant", "label": "Tenant", "query": "demo-tenant-id", "current": { "text": "Demo Tenant", "value": "demo-tenant-id" }, "options": [ { "text": "Demo Tenant", "value": "demo-tenant-id", "selected": true } ] } ], "enable": true }, "timepicker": { "now": true, "enable": true, "hidden": false, "collapse": false, "time_options": [ "5m", "15m", "1h", "6h", "12h", "24h" ], "refresh_intervals": [ "5s", "10s", "30s", "1m", "5m", "15m", "30m", "1h" ] }, "annotations": { "list": [ { "hide": true, "name": "Annotations & Alerts", "type": "dashboard", "enable": true, "target": { "tags": [], "type": "dashboard", "limit": 100, "matchAny": false }, "builtIn": 1, "iconColor": "rgba(0, 211, 255, 1)", "datasource": { "uid": "-- Dashboard --", "type": "dashboard" } } ] }, "description": "Simple getting started example dashboard", "graphTooltip": 1, "schemaVersion": 38 } ``` {% endcode %} Чтобы узнать больше о приложении панели IoT Querie, смотрите [Dashboard Studio](https://www.navixy.com/docs/analytics/ru/dashboard-studio). Для помощи при настройке свяжитесь с . ## **Оповещения о регистрации / истечении страховки** Банки должны отслеживать предстоящие истечения регистрации и страховки, поскольку они несут ответственность за технические осмотры, регистрацию и страхование. Своевременные оповещения предотвращают штрафы и простой транспортных средств. {% code expandable="true" %} ```sql SELECT v.vehicle_id, v.vehicle_label, v.registration_number, v.free_insurance_valid_till_date, v.liability_insurance_valid_till FROM raw_business_data.vehicles v WHERE v.free_insurance_valid_till_date BETWEEN CURRENT_DATE AND CURRENT_DATE + INTERVAL '30 days' OR v.liability_insurance_valid_till BETWEEN CURRENT_DATE AND CURRENT_DATE + INTERVAL '30 days'; ``` {% endcode %} ## **Истечение срока действия водительского удостоверения** Хотя это не всегда обязательно, предоставление проактивных оповещений об истечении водительских удостоверений является дополнительной услугой. Ранние предупреждения позволяют клиентам продлить удостоверения до истечения срока. Пожалуйста, обратите внимание, что вы {% code expandable="true" %} ```sql SELECT e.employee_id, e.first_name || ' ' || e.last_name AS driver_name, e.driver_license_number, e.driver_license_valid_till FROM raw_business_data.employees e WHERE e.driver_license_valid_till BETWEEN CURRENT_DATE AND CURRENT_DATE + (30 * INTERVAL '1 day'); ``` {% endcode %} ## Выход за геозону (граница страны) Контракты могут ограничивать перемещение транспортных средств определённой территорией (например, Сербия). Выезд из этой зоны должен мгновенно оповещать банк, чтобы он мог принять меры (например, связаться с клиентом, обездвижить актив). Этот SQL‑запрос предназначен для мониторинга и определения момента, когда устройство покидает заранее определённую географическую зону с меткой "Tallaght Depot Geofences." Процесс начинается со сбора и упорядочивания географических точек, определяющих границу зоны. Чтобы убедиться, что граница образует корректный полигон, первая точка добавляется в конец списка, эффективно закрывая форму. Этот замкнутый набор точек затем используется для создания полигона, представляющего геозону, который преобразуется в объект geography для пространственного анализа. Затем запрос получает данные отслеживания устройств в заданном диапазоне времени, преобразуя сырые значения широты и долготы в географические точки. Он вычисляет, находится ли каждая точка устройства внутри или вне заранее определённой зоны с помощью функции ST\_Contains, которая проверяет пространственное вхождение. Вычисляемый параметр pos принимает значение «inside», если точка находится внутри зоны, и «outside» в противном случае. Наконец, запрос фильтрует эти результаты для обнаружения переходов, когда устройство перемещается изнутри зоны наружу, используя оконную функцию для сравнения текущей позиции с предыдущей. Эта логика помогает в мониторинге перемещений устройств и обнаружении событий выхода из конкретных географических областей. Убедитесь, что вы добавили корректное значение для параметра: `z.zone_label = 'your_zone_label'.` {% code expandable="true" %} ```sql WITH zone AS ( SELECT z.zone_id, ST_MakePolygon(ST_MakeLine(ARRAY_AGG(ST_MakePoint(g.longitude, g.latitude) ORDER BY g.number)))::geography AS geog FROM raw_business_data.zones z JOIN raw_business_data.geofence_points g ON g.zone_id = z.zone_id WHERE z.zone_label = 'your_zone_label' GROUP BY z.zone_id ), pts AS ( SELECT device_id, device_time, ST_SetSRID(ST_MakePoint(longitude/1e7::numeric, latitude/1e7::numeric), 4326)::geography AS geog FROM raw_telematics_data.tracking_data_core WHERE device_time BETWEEN '2025-07-27 00:00:00' AND '2025-07-28 23:59:59' ), states AS ( SELECT p.*, CASE WHEN ST_Contains(z.geog::geometry, p.geog::geometry) THEN 'inside' ELSE 'outside' END AS pos FROM pts p CROSS JOIN zone z ), filtered_states AS ( SELECT device_id, device_time, pos, LAG(pos) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_pos FROM states ) SELECT device_id, device_time, pos FROM filtered_states WHERE prev_pos = 'inside' AND pos = 'outside'; ``` {% endcode %} ## **Периодические осмотры по времени** Некоторые задачи по обслуживанию повторяются по фиксированному графику. Система должна помечать транспортные средства, для которых следующий осмотр/проверка назначены в пределах заданного интервала. {% code expandable="true" %} ```sql WITH t AS ( SELECT vehicle_id, description, start_date, date_repeat_interval, make_interval(days => date_repeat_interval) AS repeat_interval FROM raw_business_data.vehicle_service_tasks WHERE date_repeat_interval IS NOT NULL ) SELECT vehicle_id, description, start_date, date_repeat_interval, start_date + repeat_interval * floor( extract(epoch from (current_date::timestamp - start_date)) / extract(epoch from repeat_interval) ) AS last_due, start_date + repeat_interval * ( floor( extract(epoch from (current_date::timestamp - start_date)) / extract(epoch from repeat_interval) ) + 1 ) AS next_due FROM t WHERE ( start_date + repeat_interval * ( floor( extract(epoch from (current_date::timestamp - start_date)) / extract(epoch from repeat_interval) ) + 1 ) ) BETWEEN current_date AND (current_date + interval '30 days'); ``` {% endcode %} ## **Обслуживание по порогу пробега (мелкое/капитальное)** Мелкое и капитальное обслуживание инициируются на основе пробега с момента последнего сервисного события. Когда накопленные километры превышают порог, необходимо запланировать соответствующее обслуживание. Обратите внимание, что поле `vst.description должно содержать соответствующие комментарии / описание для использования его в фильтрах в приведённом ниже SQL‑коде.` {% code expandable="true" %} ```sql SELECT v.vehicle_id, v.vehicle_label, km.km_since_service, vst.mileage_limit FROM raw_business_data.vehicles v JOIN LATERAL ( SELECT MAX(vst.completion_date) AS last_service_date FROM raw_business_data.vehicle_service_tasks vst WHERE vst.vehicle_id = v.vehicle_id AND (vst.description ILIKE '%minor%' OR vst.description ILIKE '%major%') AND vst.completion_date IS NOT NULL ) ls ON TRUE JOIN raw_business_data.objects o ON o.object_id = v.vehicle_id JOIN LATERAL ( SELECT SUM(t.track_distance_meters) / 1000.0 AS km_since_service FROM business_data.tracks t WHERE t.device_id = o.device_id AND t.track_start_time > ls.last_service_date ) km ON TRUE JOIN raw_business_data.vehicle_service_tasks vst ON vst.vehicle_id = v.vehicle_id AND vst.completion_date = ls.last_service_date AND (vst.description ILIKE '%minor%' OR vst.description ILIKE '%major%') ``` {% endcode %} ## **Ограничение пробега и штрафы** Лизинговые контракты часто ограничивают пробег (например, 25 000 км/год). В случае превышения применяются штрафные положения. Система должна сравнить фактический пробег за период действия контракта с оговоренным лимитом и рассчитать сборы. {% code expandable="true" %} ```sql WITH driven AS ( SELECT o.object_id, DATE_TRUNC('year', t.track_start_time) AS year, SUM(t.track_distance_meters) / 1000.0 AS km_year FROM business_data.tracks t JOIN raw_business_data.objects o ON o.device_id = t.device_id WHERE t.track_start_time >= '2023-01-01'::date AND t.track_start_time < '2024-01-01'::date GROUP BY o.object_id, DATE_TRUNC('year', t.track_start_time) ), limits AS ( SELECT object_id, 10000 AS km_limit, 0.5 AS penalty_rate FROM raw_business_data.objects ) SELECT d.object_id, d.year, d.km_year, l.km_limit, GREATEST(d.km_year - l.km_limit, 0) AS km_over, GREATEST(d.km_year - l.km_limit, 0) * l.penalty_rate AS penalty_amount FROM driven d JOIN limits l ON d.object_id = l.object_id; ``` {% endcode %} ## **Мониторинг моторочасов** Для машин и сельско‑хозяйственной техники эксплуатационные часы — а не пробег — определяют техобслуживание и выставление счетов. Данные по моторочасам (например, из CAN‑шины) необходимо контролировать и суммировать. {% code expandable="true" %} ```sql WITH last_service AS ( SELECT vst.vehicle_id, MAX(vst.completion_date) AS last_service_date, MAX(vst.completion_engine_hours) AS last_service_engine_hours FROM raw_business_data.vehicle_service_tasks vst GROUP BY vst.vehicle_id ), engine_hours_since_service AS ( SELECT v.vehicle_id, SUM(t.track_duration_seconds) / 3600.0 AS engine_hours_since_service FROM raw_business_data.vehicles v JOIN raw_business_data.objects o ON o.object_id = v.object_id JOIN business_data.tracks t ON t.device_id = o.device_id JOIN last_service ls ON ls.vehicle_id = v.vehicle_id WHERE t.track_start_time > ls.last_service_date GROUP BY v.vehicle_id ) SELECT v.vehicle_id, v.vehicle_label, ls.last_service_engine_hours, ehs.engine_hours_since_service, (COALESCE(ehs.engine_hours_since_service,0) + COALESCE(ls.last_service_engine_hours,0)) AS current_engine_hours, vst.engine_hours_limit FROM raw_business_data.vehicles v JOIN last_service ls ON ls.vehicle_id = v.vehicle_id LEFT JOIN engine_hours_since_service ehs ON ehs.vehicle_id = v.vehicle_id JOIN raw_business_data.vehicle_service_tasks vst ON vst.vehicle_id = v.vehicle_id AND vst.completion_date = ls.last_service_date ``` {% endcode %} ## **События резкого торможения** Поведение водителя влияет на износ и соблюдение условий договора. Выявление резкого торможения помогает банку отнести преждевременный износ тормозов/шин к неправильной эксплуатации водителем и, при необходимости, переложить расходы. SQL‑запрос ниже сначала вычисляет скорость в километрах в час и разницу во времени между последовательными точками данных для каждого устройства. Используя эту информацию, затем рассчитывается скорость замедления в км/ч за секунду. Наконец, фильтруются и возвращаются записи, где величина замедления составляет 20 км/ч/с или более, что указывает на значительные события замедления. {% code expandable="true" %} ```sql WITH spd AS ( SELECT device_id, device_time, speed/100.0 AS kmh, LAG(speed/100.0) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_kmh, EXTRACT(EPOCH FROM (device_time - LAG(device_time) OVER (PARTITION BY device_id ORDER BY device_time))) AS dt_sec FROM raw_telematics_data.tracking_data_core WHERE device_time BETWEEN '2025-07-24 00:00:00' AND '2025-07-24 23:59:59' ), decels AS ( SELECT device_id, device_time, (prev_kmh - kmh) / NULLIF(dt_sec, 0) AS decel_kmh_per_sec FROM spd WHERE prev_kmh IS NOT NULL ) SELECT * FROM decels WHERE decel_kmh_per_sec >= 20; ``` {% endcode %} ## **События резкого ускорения** Агрессивное ускорение увеличивает износ шин, трансмиссий, приводных агрегатов и опор двигателя. Идентификация таких событий помогает в обучении водителей и возможном возмещении затрат. SQL‑запрос ниже предназначен для выявления значительных событий ускорения в наборе данных трекинга. Сначала он вычисляет скорость в км/ч и разницу во времени между последовательными точками данных для каждого устройства. Используя эту информацию, затем рассчитывается скорость ускорения в км/ч за секунду. Наконец, фильтруются и возвращаются записи, где скорость ускорения достигает или превышает заданный порог, что указывает на значительные события ускорения. {% code expandable="true" %} ```sql WITH spd AS ( SELECT device_id, device_time, speed/100.0 AS kmh, LAG(speed/100.0) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_kmh, EXTRACT(EPOCH FROM (device_time - LAG(device_time) OVER (PARTITION BY device_id ORDER BY device_time))) AS dt_sec FROM raw_telematics_data.tracking_data_core WHERE device_time BETWEEN '2025-07-28 00:00:00' AND '2025-07-28 23:59:59' ) SELECT device_id, device_time, (kmh - prev_kmh) / NULLIF(dt_sec, 0) AS accel_kmh_per_sec FROM spd WHERE prev_kmh IS NOT NULL AND (kmh - prev_kmh) / NULLIF(dt_sec, 0) >= 20; ``` {% endcode %} ## **Резкие повороты / маневры** Резкие повороты в сочетании с внезапными изменениями скорости указывают на рискованное вождение. Отслеживание такого поведения помогает выявлять неправильное использование транспортного средства. Этот SQL‑запрос предназначен для выявления значительных изменений направления и скорости в данных трекинга за указанный период. Он сначала преобразует сырые значения широты и долготы в десятичные градусы и вычисляет скорость в км/ч. Используя функцию LAG, он получает предыдущие данные по положению и скорости для каждого устройства, что позволяет вычислять изменения во времени. Затем запрос рассчитывает изменение курсового угла в градусах с помощью тригонометрических функций для определения направления между последовательными точками. Также вычисляется изменение скорости между этими точками. Наконец, запрос фильтрует результаты, включая только те записи, где абсолютное изменение курса составляет 10 градусов или более и абсолютное изменение скорости составляет 5 км/ч или более, выявляя значительные маневры или события в данных трекинга. {% code expandable="true" %} ```sql WITH pts AS ( SELECT device_id, device_time, latitude/1e7::numeric AS lat, longitude/1e7::numeric AS lon, LAG(latitude/1e7::numeric) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_lat, LAG(longitude/1e7::numeric) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_lon, speed/100.0 AS kmh, LAG(speed/100.0) OVER (PARTITION BY device_id ORDER BY device_time) AS prev_kmh FROM raw_telematics_data.tracking_data_core WHERE device_time BETWEEN '2025-07-28 00:00:00' AND '2025-07-28 23:59:59' ), bearing AS ( SELECT *, atan2( sin(radians(lon-prev_lon))*cos(radians(lat)), cos(radians(prev_lat))*sin(radians(lat)) - sin(radians(prev_lat))*cos(radians(lat))*cos(radians(lon-prev_lon)) ) * 180/pi() AS heading_change, (kmh - prev_kmh) AS delta_speed FROM pts ) SELECT * FROM bearing WHERE abs(heading_change) >= 10 AND abs(delta_speed) >= 5; ``` {% endcode %} ## **Выключение зажигания и обнаружение холостого хода** Измерение времени холостого хода (зажигание включено, низкая/отсутствует скорость) помогает сократить расход топлива и выявить неправильное использование. Длительные периоды холостого хода следует фиксировать и контролировать. {% hint style="info" %} [Dashboard Studio](https://www.navixy.com/docs/analytics/ru/dashboard-studio) и подобные инструменты не поддерживают подстановку переменных (`:variable` синтаксис). Замените все параметры на буквальные значения перед выполнением этого запроса. Смотрите пример ниже для корректного формата. {% endhint %} {% code expandable="true" %} ```sql WITH ign AS ( SELECT device_id, device_time, value::int AS ign_on FROM raw_telematics_data.states WHERE state_name = 'ignition' AND device_time BETWEEN :from_ts::timestamptz AND :to_ts::timestamptz -- Для Dashboard Studio замените :from_ts и :to_ts на буквальные метки времени: -- TIMESTAMPTZ '2024-01-01 00:00:00+00' AND TIMESTAMPTZ '2024-01-07 00:00:00+00' ), spd AS ( SELECT device_id, device_time, speed / 100.0 AS kmh FROM raw_telematics_data.tracking_data_core WHERE device_time BETWEEN :from_ts AND :to_ts -- Для Dashboard Studio замените :from_ts и :to_ts на буквальные метки времени: -- TIMESTAMPTZ '2024-01-01 00:00:00+00' AND TIMESTAMPTZ '2024-01-07 00:00:00+00' ), merged AS ( SELECT i.device_id, i.device_time, i.ign_on, s.kmh, LEAD(i.device_time) OVER ( PARTITION BY i.device_id ORDER BY i.device_time ) AS next_time FROM ign i LEFT JOIN spd s USING (device_id, device_time) ) SELECT device_id, device_time AS idle_start, next_time AS idle_end, EXTRACT(EPOCH FROM (next_time - device_time)) / 60.0 AS idle_minutes FROM merged WHERE ign_on = 1 AND kmh < :idle_speed -- Для Dashboard Studio замените :idle_speed на числовое значение, например, 5 AND next_time IS NOT NULL AND (next_time - device_time) >= (:idle_min::int * INTERVAL '1 minute'); -- Для Dashboard Studio замените :idle_min на числовое значение, например, (5 * INTERVAL '1 minute') ``` {% endcode %}