Примечание
Для доступа к этой странице требуется авторизация. Вы можете попробовать войти или изменить каталоги.
Для доступа к этой странице требуется авторизация. Вы можете попробовать изменить каталоги.
Построитель цифровых двойников (предварительная версия) — это новый элемент в рамках рабочей нагрузки Real-Time Intelligenceв Microsoft Fabric. Он создает цифровые представления реальных сред для оптимизации физических операций с помощью данных.
Это важно
Эта функция доступна в предварительной версии.
В этом руководстве вы узнаете, как настроить элемент конструктора цифровых двойников и использовать его для создания онтологии, которая контекстуализирует примеры данных, поступающих из потока событий. После создания онтологии в построителе цифровых двойников вы используете сочетания клавиш для предоставления данных в хранилище событий и запрашиваете его с помощью запросов KQL (язык запросов Kusto). Затем вы визуализируете результаты этих запросов на панели Real-Time.
Предпосылки
- Рабочая область с емкостью , поддерживающей Microsoft Fabric.
- Включен доступ к конструктору цифровых двойников на арендуемом пространстве.
Администраторы системы могут предоставить доступ к построителю цифровых двойников на портале администратора. В параметрах клиента включите Digital Twin Builder (предварительная версия).
Арендатор не может включить автоматическое выставление счетов для Spark, так как конструктор цифровых двойников не совместим с этой функцией. Этот параметр также управляется на портале администрирования.
Сценарий
Пример сценария, используемый в этом руководстве, — это набор данных автобусов, содержащий сведения о движении и расположении автобусов. Используя построитель цифровых двойников (предварительная версия) для того чтобы контекстуализировать и моделировать данные, можно анализировать и оценивать поведение автобуса.
Этот анализ включает в себя оценка того, будет ли автобус поздно на следующей остановке, а также использование данных о расположении на уровне района для анализа шаблонов задержки. Анализ можно использовать для оценки задержек на отдельных остановках и выявления географических тенденций, таких как остановки и районы, испытывающие более частые задержки.
Сводка данных
В этом руководстве вы объединяете данные из двух источников: движение автобусов в режиме реального времени и сведения о расписании (фактические данные), а также точные географические и контекстные данные об остановках автобусов (измерительные данные). Контекстуализация данных шины в построителе цифровых двойников (предварительная версия) позволяет проводить динамический анализ и получать операционные идеи. Включение статических данных автобусных остановок даёт основу для локализованного анализа и определения шаблонов задержки. Кроме того, данные о владении округами и местоположениях из данных о точках остановки позволяют понять более широкие географические тенденции и общую эффективность транзита.
В следующих таблицах перечислены данные, включенные в каждый источник данных.
Данные шины
Эти данные в режиме реального времени предоставляют информацию о перемещении автобусов. Он передается посредством Real-Time Интеллекта.
| Поле | Описание |
|---|---|
Timestamp |
Время создания моментального снимка данных (реальное системное время). |
TripId |
Уникальный идентификатор для каждого экземпляра поездки, например для конкретного автобусного рейса по маршруту. Полезно для отслеживания отдельных путешествий в автобусе. |
BusLine |
Номер маршрута, например 110 или 99. Полезно для группировки поездок и остановок для обнаружения шаблонов на определенных линиях. |
StationNumber |
Последовательность остановки в поездке (1 является первой остановкой). Полезно для отслеживания продвижения автобуса по маршруту. |
ScheduleTime |
Запланированное время, в которое автобус должен достичь следующей станции на своем маршруте. Полезно для вычисления задержек. |
Properties |
Поле JSON, содержащее два значения: BusState это может быть InMotion или Arrived (указывает состояние перемещения), а TimeToNextStationтакже предполагаемое время, оставшееся для достижения следующей остановки. Этот столбец поля JSON должен быть разделен для использования в построителе цифровых двойников (предварительная версия). |
Данные остановки автобуса
Этот набор данных представляет собой размерные данные о остановках автобуса. Он предоставляет (имитированные) контекстные сведения о расположении остановок. Эти данные загружаются в виде статического файла в учебный озерный дом.
| Поле | Описание |
|---|---|
Stop_Code |
Уникальный идентификатор остановки автобуса. |
Stop_Name |
Название автобусной остановки, например, Эбби Вуд Роуд. |
Latitude |
Широта остановки автобуса. Полезно для визуализаций карты или вычисления расстояний между остановками. |
Longitude |
Долгота остановки автобуса. Полезно для визуализаций карты или вычисления расстояний между остановками. |
Road_Name |
Дорога, где расположена остановка. Полезно для выявления тенденций, характерных для дорог. |
Borough |
Район, где расположена остановка, как Гринвич. Полезно для агрегирования и географического анализа. |
Borough_ID |
Числовый идентификатор для района. Возможно, можно использовать для присоединения к наборам данных на уровне района. |
Suggested_Locality |
Район или местность, к которому принадлежит остановка, как Аббатство Вуд. Более детализированный, чем район, и полезный для анализа на местном уровне. |
Locality_ID |
Числовый идентификатор для локальности. |
Шаги инструкции
В этом руководстве вы выполните следующие шаги для разработки сценария данных автобусных маршрутов:
- Настройте среду и загрузите статические, контекстные примеры данных в lakehouse.
- Обработка потоковых данных и его получение в lakehouse
- Создание онтологии в построителе цифровых двойников (предварительная версия)
- Спроецировать онтологические данные в Eventhouse с помощью записной книжки Fabric.
- Создание запросов KQL и панели мониторинга Real-Time для изучения и визуализации данных