Share via

Руководство по созданию геопространственных визуализаций

  • Статья

Это руководство предназначено для тех, кто хочет использовать язык запросов Kusto (KQL) для геопространственной визуализации. Геопространственные кластеризация — это способ упорядочивания и анализа данных на основе географического расположения. KQL предлагает несколько методов для выполнения геопространственных кластеризация и инструментов для геопространственных визуализаций.

Из этого руководства вы узнаете, как выполнять следующие задачи:

Создание точек на карте

Чтобы визуализировать точки на карте, используйте проект , чтобы выбрать столбец, содержащий долготу, а затем столбец, содержащий широту. Затем используйте отрисовку , чтобы просмотреть результаты на точечной диаграмме с kind значением map.

Выполнить запрос

StormEvents
| take 100
| project BeginLon, BeginLat
| render scatterchart with (kind = map)

Снимок экрана: пример событий шторма на карте.

График нескольких рядов точек

Чтобы визуализировать несколько точек, используйте проект для выбора долготы и широты вместе с третьим столбцом, который определяет ряд.

В следующем запросе этот ряд имеет значение EventType. Точки окрашены по-разному в соответствии с их EventType, и при выборе отображают содержимое столбца EventType .

Выполнить запрос

StormEvents
| take 100
| project BeginLon, BeginLat, EventType
| render scatterchart with (kind = map)

Снимок экрана: пример событий storm на карте по типу.

Вы также можете явно указать xcolumn (Долгота), ycolumn (Широта) и series при выполнении render. Эта спецификация необходима, если в результате больше столбцов, чем столбцы долготы, широты и ряда.

Выполнить запрос

StormEvents
| take 100
| render scatterchart with (kind = map, xcolumn = BeginLon, ycolumns = BeginLat, series = EventType)

Использование значений GeoJSON для построения точек на карте

Динамическое значение GeoJSON может изменяться или обновляться и часто используется для приложений для сопоставления в режиме реального времени. Точки сопоставления с использованием динамических значений GeoJSON обеспечивают большую гибкость и контроль над представлением данных на карте, что может быть невозможно при простых значениях широты и долготы.

Следующий запрос использует geo_point_to_s2cell и geo_s2cell_to_central_point для сопоставления событий шторма на точечной диаграмме.

Выполнить запрос

StormEvents
| project BeginLon, BeginLat
| summarize by hash=geo_point_to_s2cell(BeginLon, BeginLat, 5)
| project point = geo_s2cell_to_central_point(hash)
| project lng = toreal(point.coordinates[0]), lat = toreal(point.coordinates[1])
| render scatterchart with (kind = map)

Снимок экрана: примеры событий шторма, отображаемые с помощью geojson.

Представление точек данных с пузырьками переменного размера

Визуализируйте распределение точек данных, выполнив агрегирование в каждом кластере, а затем настроив на графике центральную точку кластера.

Например, следующий запрос фильтрует все события storm типа "Tornado". Затем он группирует события в кластеры на основе их долготы и широты, подсчитывает количество событий в каждом кластере, проецирует центральную точку кластера и визуализирует карту для визуализации результата. Регионы с наибольшим числом торнадо четко обнаруживаются на основе их большого размера пузырьков.

Выполнить запрос

StormEvents
| where EventType == "Tornado"
| project BeginLon, BeginLat
| where isnotnull(BeginLat) and isnotnull(BeginLon)
| summarize count_summary=count() by hash = geo_point_to_s2cell(BeginLon, BeginLat, 4)
| project geo_s2cell_to_central_point(hash), count_summary
| extend Events = "count"
| render piechart with (kind = map)

Снимок экрана: пользовательский веб-интерфейс Azure Data Explorer с геопространственной картой штормов торнадо.

Отображение точек в определенной области

Используйте многоугольник для определения области и функцию geo_point_in_polygon для фильтрации событий, происходящих в этой области.

Следующий запрос определяет многоугольник, представляющий регион южной Калифорнии, и фильтрует штормовые события в этом регионе. Затем он группирует события в кластеры, подсчитывает количество событий в каждом кластере, проецирует центральную точку кластера и отрисовывает карту для визуализации кластеров.

Выполнить запрос

let southern_california = dynamic({
    "type": "Polygon",
    "coordinates": [[[-119.5, 34.5], [-115.5, 34.5], [-115.5, 32.5], [-119.5, 32.5], [-119.5, 34.5]]
    ]});
StormEvents
| where geo_point_in_polygon(BeginLon, BeginLat, southern_california)
| project BeginLon, BeginLat
| summarize count_summary = count() by hash = geo_point_to_s2cell(BeginLon, BeginLat, 8)
| project geo_s2cell_to_central_point(hash), count_summary
| extend Events = "count"
| render piechart with (kind = map)

Снимок экрана: веб-интерфейс Azure Data Explorer с геопространственной картой штормов в южной Калифорнии.

Отображение ближайших точек на LineString

Следующий запрос находит близлежащие события шторма, которые происходят вдоль указанной линии LineString, представляющей определенный путь. В этом случае LineString — это путь к Ки-Уэст. Функция geo_distance_point_to_line() используется для фильтрации событий storm на основе их близости к определенному LineString. Если событие находится в пределах 500 метров от LineString, оно отображается на карте.

Выполнить запрос

let roadToKeyWest = dynamic({
"type":"linestring",
"coordinates":[
          [
            -81.79595947265625,
            24.56461038017685
          ],
          [
            -81.595458984375,
            24.627044746156027
          ],
          [
            -81.52130126953125,
            24.666986385216273
          ],
          [
            -81.35650634765625,
            24.66449040712424
          ],
          [
            -81.32354736328125,
            24.647017162630366
          ],
          [
            -80.8099365234375,
            24.821639356846607
          ],
          [
            -80.62042236328125,
            24.93127614538456
          ],
          [
            -80.37872314453125,
            25.175116531621764
          ],
          [
            -80.42266845703124,
            25.19251511519153
          ],
          [
            -80.4803466796875,
            25.46063471847754
          ]
        ]});
StormEvents
| where isnotempty(BeginLat) and isnotempty(BeginLon)
| project BeginLon, BeginLat, EventType
| where geo_distance_point_to_line(BeginLon, BeginLat, roadToKeyWest) < 500
| render scatterchart with (kind=map)

Снимок экрана: результат предыдущего запроса KQL для вычисления событий вдоль LineString.

Отображение близлежащих точек в многоугольнике

Следующий запрос находит близлежащие события шторма, происходящие в пределах указанного многоугольника. В этом случае многоугольник является дорогой в Ки-Уэст. Функция geo_distance_point_to_polygon() используется для фильтрации событий шторма на основе их близости к определенному многоугольнику. Если событие находится в пределах 500 метров от многоугольника, оно отображается на карте.

Выполнить запрос

let roadToKeyWest = dynamic({
"type":"polygon",
"coordinates":[
          [
            [
              -80.08209228515625,
              25.39117928167583
            ],
            [
              -80.4913330078125,
              25.517657429994035
            ],
            [
              -80.57922363281249,
              25.477992320574817
            ],
            [
              -82.188720703125,
              24.632038149596895
            ],
            [
              -82.1942138671875,
              24.53712939907993
            ],
            [
              -82.13104248046875,
              24.412140070651528
            ],
            [
              -81.81243896484375,
              24.43714786161562
            ],
            [
              -80.58746337890625,
              24.794214972389486
            ],
            [
              -80.08209228515625,
              25.39117928167583
            ]
          ]
        ]});
StormEvents
| where isnotempty(BeginLat) and isnotempty(BeginLon)
| project BeginLon, BeginLat, EventType
| where geo_distance_point_to_polygon(BeginLon, BeginLat, roadToKeyWest) < 500
| render scatterchart with (kind=map)

Снимок экрана: результат предыдущего запроса KQL для вычисления событий вдоль многоугольника.

Поиск аномалий на основе геопространственных данных

Следующий запрос выполняет анализ событий шторма, происходящих в определенном состоянии. В запросе используются ячейки S2 и темпоральная статистическая обработка для изучения шаблонов повреждения. Результатом является визуальная диаграмма аномалий, которая изображает любые нарушения или отклонения в разрушениях, вызванных штормом, с течением времени, предлагая подробный взгляд на влияние бурь в пределах указанного состояния.

Выполнить запрос

let stateOfInterest = "Texas";
let statePolygon = materialize(
    US_States
    | extend name = tostring(features.properties.NAME)
    | where name == stateOfInterest
    | project geometry=features.geometry);
let stateCoveringS2cells = statePolygon
    | project s2Cells = geo_polygon_to_s2cells(geometry, 9);
StormEvents
| extend s2Cell = geo_point_to_s2cell(BeginLon, BeginLat, 9)
| where s2Cell in (stateCoveringS2cells)
| where geo_point_in_polygon(BeginLon, BeginLat, toscalar(statePolygon))
| make-series damage = avg(DamageProperty + DamageCrops) default = double(0.0) on StartTime step 7d
| extend anomalies=series_decompose_anomalies(damage)
| render anomalychart with (anomalycolumns=anomalies)

Снимок экрана: диаграмма аномалий, отображаемая предыдущим запросом KQL.

См. также