หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
Digital Twin Builder (ตัวอย่าง) เป็นรายการใหม่ภายในปริมาณงาน Real-Time Intelligence ใน Microsoft Fabric ซึ่งเป็นตัวแทนของสภาพแวดล้อมในโลกแห่งความเป็นจริงเพื่อปรับการทํางานทางกายภาพให้เหมาะสมโดยใช้ข้อมูล
สําคัญ
คุณลักษณะนี้อยู่ในแสดงตัวอย่าง
ในบทช่วยสอนนี้ คุณจะได้เรียนรู้วิธีการตั้งค่ารายการ Digital Twin Builder และใช้เพื่อสร้างโทโพโลยีที่มีบริบทข้อมูลตัวอย่างที่สตรีมจากเหตุการณ์ หลังจากสร้างโทโพโลยีในตัวสร้างคู่แบบดิจิทัลแล้ว คุณใช้ทางลัดเพื่อเปิดเผยข้อมูลในกิจกรรมและคิวรี่โดยใช้คิวรี KQL (Kusto Query Language) จากนั้น คุณแสดงวิชวลผลลัพธ์คิวรีเหล่านี้ในแดชบอร์ด Real-Time
ข้อกําหนดเบื้องต้น
- พื้นที่ทํางาน ที่มีความจุ ที่เปิดใช้งาน Microsoft Fabric
- ตัวสร้างคู่แบบดิจิทัล (ตัวอย่าง) เปิดใช้งานบนผู้เช่าของคุณ
ผู้ดูแลระบบผ้า สามารถให้สิทธิ์เข้าถึงตัวสร้าง Twin แบบดิจิทัลใน พอร์ทัลผู้ดูแลระบบได้ ใน การตั้งค่าผู้เช่า ให้เปิดใช้งาน Digital Twin Builder (ตัวอย่าง)
ผู้เช่าไม่สามารถเปิดใช้งาน การเรียกเก็บเงินการปรับขนาดอัตโนมัติสําหรับ Spark เนื่องจากตัวสร้างคู่แบบดิจิทัลไม่สามารถใช้งานได้ การตั้งค่านี้ยังได้รับการจัดการในพอร์ทัลผู้ดูแลระบบ
สถานการณ์สมมติ
ตัวอย่างสถานการณ์ที่ใช้ในบทช่วยสอนนี้คือ ชุดข้อมูลบัสที่ประกอบด้วยข้อมูลเกี่ยวกับการเคลื่อนไหวของบัสและตําแหน่งที่ตั้ง ด้วยการใช้ตัวสร้างคู่แบบดิจิทัล (ตัวอย่าง) เพื่อปรับบริบทและจําลองข้อมูล คุณสามารถวิเคราะห์และประมาณพฤติกรรมของบัสได้
การวิเคราะห์นี้รวมถึงการประเมินว่าบัสจะสายในช่วงหยุดถัดไปหรือไม่ ในขณะที่ยังใช้ข้อมูลตําแหน่งที่ตั้งระดับ borough เพื่อวิเคราะห์รูปแบบการหน่วงเวลา การวิเคราะห์สามารถใช้เพื่อประมาณความล่าช้าที่แต่ละหยุดและระบุแนวโน้มทางภูมิศาสตร์ เช่น การหยุดและการโบกที่ประสบความล่าช้าบ่อยมากขึ้น
ข้อมูลสรุป
ในบทช่วยสอนนี้ คุณจะรวมข้อมูลจากสองแหล่งข้อมูล: การเคลื่อนไหวของบัสแบบเรียลไทม์และรายละเอียดเวลา (ข้อมูลเวลาจริง) และข้อมูลหยุดทางภูมิศาสตร์และบริบทที่แม่นยํา (ข้อมูลแบบมิติ) การปรับบริบทข้อมูลบัสในตัวสร้างคู่แบบดิจิทัล (ตัวอย่าง) ช่วยให้สามารถวิเคราะห์แบบไดนามิกและข้อมูลเชิงลึกในการปฏิบัติงานได้ การรวมข้อมูลหยุดบัสแบบคงที่จะสร้างรากฐานสําหรับการวิเคราะห์ที่แปลเป็นภาษาท้องถิ่นและการระบุรูปแบบความล่าช้า นอกจากนี้ ความเป็นเจ้าของแบบเจาะลึกและข้อมูลท้องถิ่นจากข้อมูลการหยุดช่วยให้สามารถทําความเข้าใจเกี่ยวกับแนวโน้มทางภูมิศาสตร์และประสิทธิภาพการขนส่งโดยรวมได้กว้างขึ้น
ตารางต่อไปนี้สรุปข้อมูลที่รวมอยู่ในแต่ละแหล่งข้อมูล
ข้อมูลบัส
ชุดข้อมูลนี้เป็นข้อมูลแบบเรียลไทม์ที่ให้ข้อมูลเกี่ยวกับการเคลื่อนไหวของบัส มันสตรีมผ่าน Real-Time Intelligence
| สนาม | คำอธิบาย |
|---|---|
Timestamp |
เวลาที่ใช้สแนปช็อตข้อมูล (เวลาระบบแบบเรียลไทม์) |
TripId |
ตัวระบุที่ไม่ซ้ํากันสําหรับแต่ละอินสแตนซ์ของการเดินทาง เช่น การเรียกใช้บัสเฉพาะบนเส้นทาง มีประโยชน์ในการติดตามการเดินทางรถบัสแต่ละคัน |
BusLine |
หมายเลขเส้นทาง เช่น 110 หรือ 99 มีประโยชน์สําหรับการจัดกลุ่มทริปและหยุดสําหรับการตรวจหารูปแบบในเส้นที่กําหนด |
StationNumber |
ลําดับการหยุดภายในการเดินทาง (1 เป็นการหยุดแรก) มีประโยชน์สําหรับการติดตามความคืบหน้าของบัสไปตามเส้นทาง |
ScheduleTime |
เวลาตามกําหนดเวลาที่รถบัสควรไปถึงสถานีถัดไปในเส้นทาง มีประโยชน์สําหรับการคํานวณความล่าช้า |
Properties |
เขตข้อมูล JSON ที่ประกอบด้วยสองค่า: BusState ที่สามารถเป็น InMotion หรือ Arrived (ระบุสถานะการเคลื่อนไหว) และ TimeToNextStationซึ่งเป็นเวลาที่เหลือโดยประมาณเพื่อให้ถึงจุดหยุดถัดไป ต้องแยกคอลัมน์เขตข้อมูล JSON นี้สําหรับการใช้งานในตัวสร้างคู่แบบดิจิทัล (ตัวอย่าง) |
ข้อมูลบัสหยุด
ชุดข้อมูลนี้เป็นข้อมูลมิติเกี่ยวกับบัสหยุด ซึ่งมีข้อมูลบริบท (จําลอง) เกี่ยวกับตําแหน่งที่หยุดอยู่ ข้อมูลนี้ถูกอัปโหลดเป็นไฟล์แบบคงที่ไปยัง lakehouse ของบทช่วยสอน
| สนาม | คำอธิบาย |
|---|---|
Stop_Code |
รหัสเฉพาะสําหรับบัสหยุด |
Stop_Name |
ชื่อของป้ายรถประจําทาง เช่น ถนน Abbey Wood |
Latitude |
ละติจูดของป้ายรถเมล์ มีประโยชน์สําหรับการแสดงภาพแผนที่หรือคํานวณระยะทางระหว่างการหยุด |
Longitude |
ลองจิจูดของป้ายรถเมล์ มีประโยชน์สําหรับการแสดงภาพแผนที่หรือคํานวณระยะทางระหว่างการหยุด |
Road_Name |
ถนนที่จอดอยู่ มีประโยชน์สําหรับการระบุแนวโน้มเฉพาะถนน |
Borough |
เส้นทางที่จอดอยู่เหมือนกรีนิช มีประโยชน์สําหรับการรวมและการวิเคราะห์ทางภูมิศาสตร์ |
Borough_ID |
ID ตัวเลขสําหรับการเข้าถึงรายละเอียด สามารถใช้สําหรับการเข้าร่วมกับชุดข้อมูลระดับโบรูทได้ |
Suggested_Locality |
ละแวกใกล้เคียงหรือในพื้นที่ที่ป้ายจอดอยู่ เช่น แอบบี้วู้ด ละเอียดกว่า borough และเป็นประโยชน์สําหรับการวิเคราะห์ภายในเครื่อง |
Locality_ID |
ตัวระบุตัวเลขสําหรับตําแหน่งที่ตั้ง |
ขั้นตอนบทช่วยสอน
ในบทช่วยสอนนี้ คุณทําตามขั้นตอนต่อไปนี้เพื่อสร้างสถานการณ์ข้อมูลบัส:
- ตั้งค่าสภาพแวดล้อมของคุณและอัปโหลดข้อมูลตัวอย่างตามบริบทแบบคงที่ลงในเลคเฮ้าส์
- ประมวลผลข้อมูลการสตรีมและเข้าไปในเลคเฮ้าส์
- สร้างโทโพโลยีในตัวสร้างคู่แบบดิจิทัล (ตัวอย่าง)
- ฉายข้อมูลโทโพโลยีไปยัง Eventhouse โดยใช้สมุดบันทึกสําหรับ Fabric
- สร้างคิวรี KQL และแดชบอร์ด Real-Time เพื่อสํารวจและแสดงข้อมูล