Udostępnij za pośrednictwem

Samouczek dotyczący usługi Digital Twin Builder (wersja zapoznawcza) w usłudze Real-Time Intelligence: Wprowadzenie

Narzędzie Digital Twin Builder (wersja zapoznawcza) to nowy element w ramach obciążenia analizyReal-Time w usłudze Microsoft Fabric. Tworzy cyfrowe reprezentacje rzeczywistych środowisk w celu optymalizacji operacji fizycznych przy użyciu danych.

Ważne

Ta funkcja jest dostępna w wersji zapoznawczej.

Z tego samouczka dowiesz się, jak skonfigurować element konstruktora cyfrowej reprezentacji bliźniaczej i używać go do tworzenia ontologii, która kontekstuje przykładowe dane przesyłane strumieniowo z strumienia zdarzeń. Po utworzeniu ontologii w konstruktorze cyfrowego bliźniaka użyj skrótów, aby uwidocznić dane w magazynie zdarzeń i wykonać zapytanie językiem KQL. Następnie zwizualizujesz te wyniki zapytania na pulpicie nawigacyjnym Real-Time.

Wymagania wstępne

Scenariusz

Przykładowy scenariusz używany w tym samouczku to zestaw danych magistrali zawierający informacje o ruchach i lokalizacjach magistrali. Korzystając z narzędzia Digital Twin Builder (wersja zapoznawcza) do kontekstowania i modelowania danych, możesz analizować i szacować zachowanie magistrali.

Ta analiza obejmuje szacowanie, czy autobus będzie spóźniony na następnym przystanku, a także przy użyciu danych lokalizacji na poziomie gminy do analizowania wzorców opóźnień. Analiza może służyć do szacowania opóźnień na poszczególnych przystankach i identyfikowania trendów geograficznych, takich jak przystanki i dzielnice doświadczają częstszych opóźnień.

Podsumowanie danych

W tym samouczku połączysz dane z dwóch źródeł: ruchu autobusów w czasie rzeczywistym i szczegółów dotyczących czasu (dane dotyczące faktów) oraz precyzyjnych danych geograficznych i kontekstowych o przystankach autobusowych (dane wymiarowe). Kontekstowe dane magistrali w narzędziu digital twin builder (wersja zapoznawcza) umożliwiają dynamiczną analizę i szczegółowe informacje operacyjne. Włączenie danych przystanku magistrali statycznej ustanawia podstawę do zlokalizowanej analizy i identyfikowania wzorców opóźnień. Ponadto dane dotyczące własności i lokalizacji gminy z danych zatrzymania umożliwiają zrozumienie szerszych trendów geograficznych i ogólnej wydajności tranzytowej.

W poniższych tabelach podsumowano dane zawarte w każdym źródle danych.

Dane autobusowe

Ten zestaw danych to dane w czasie rzeczywistym, które zawierają informacje o ruchach autobusów. Jest przesyłany strumieniowo za pośrednictwem Real-Time Intelligence.

(No changes needed) Opis
Timestamp Czas wykonania migawki danych (czas rzeczywisty systemu).
TripId Unikatowy identyfikator każdego wystąpienia podróży, taki jak określony przebieg autobusu na trasie. Przydatne do śledzenia poszczególnych podróży autobusów.
BusLine Numer trasy, taki jak 110 lub 99. Przydatne do grupowania podróży i przystanków w celu wykrywania wzorców na określonych liniach.
StationNumber Sekwencja zatrzymania w podróży (1 to pierwszy przystanek). Przydatne do śledzenia, jak autobus przemieszcza się wzdłuż trasy.
ScheduleTime Zaplanowany czas, w którym autobus powinien dotrzeć do następnej stacji na trasie. Przydatne do obliczania opóźnień.
Properties Pole JSON zawierające dwie wartości: BusState, które mogą być InMotion lub Arrived (wskazuje stan ruchu), oraz TimeToNextStation, czyli szacowany czas pozostały do osiągnięcia następnego przystanku. Ta kolumna zawierająca pole JSON musi być oddzielona do użycia w narzędziu Digital Twin Builder (wersja zapoznawcza).

Dane przystanku autobusowego

Ten zestaw danych to dane dotyczące wymiarów przystanków autobusowych. Udostępnia (symulowane) kontekstowe informacje o tym, gdzie znajdują się przystanki. Te dane są przesyłane jako plik statyczny do Lakehouse w ramach samouczka.

(No changes needed) Opis
Stop_Code Unikatowy identyfikator przystanku autobusowego.
Stop_Name Nazwa przystanku autobusowego, takiego jak Abbey Wood Road.
Latitude Szerokość geograficzna przystanku autobusowego. Przydatne w przypadku wizualizacji mapy lub obliczania odległości między przystankami.
Longitude Długość geograficzna przystanku autobusowego. Przydatne w przypadku wizualizacji mapy lub obliczania odległości między przystankami.
Road_Name Droga, w której znajduje się przystanek. Przydatne do identyfikowania trendów specyficznych dla ruchu drogowego.
Borough Dzielnica, w której znajduje się przystanek, taka jak Greenwich. Przydatne w przypadku agregacji i analizy geograficznej.
Borough_ID Numeryczny identyfikator dzielnicy. Może być potencjalnie używany do dołączania do zestawów danych na poziomie gminy.
Suggested_Locality Dzielnica lub obszar lokalny, do którego należy przystanek, taki jak Abbey Wood. Bardziej szczegółowy niż dzielnica i pomocny w analizie lokalnej.
Locality_ID Identyfikator liczbowy dla lokalizacji.

Instrukcje krok po kroku

W tym samouczku wykonasz następujące kroki, aby utworzyć scenariusz danych magistrali:

  • Skonfiguruj środowisko i przekaż statyczne, kontekstowe przykładowe dane do Lakehouse.
  • Przetwarzanie danych przesyłanych strumieniowo i pobieranie ich do lakehouse
  • Tworzenie ontologii w narzędziu Digital Twin Builder (wersja zapoznawcza)
  • Wyświetlanie danych ontologii w Eventhouse przy użyciu notesu Fabric
  • Tworzenie zapytań KQL i pulpitu nawigacyjnego Real-Time w celu eksplorowania i wizualizowania danych

Następny krok

Samouczek, część 1. Przekazywanie danych kontekstowych

  • Last updated on