Google, içerikleri tercih ettiğiniz dile çevirmek için yapay zeka teknolojisini kullanır. Yapay zeka çevirilerinde hata olabilir.

Yerler Analizleri'ni kullanmaya başlama

Yer Sayısı işlevleri, BigQuery'de çalışan ve kesin sayıları ve yer kimliklerini almak için Places Insights veri kümesini sorgulamanın önerilen yolu olan önceden tanımlanmış SQL sorgularıdır. Veri kümesini doğrudan sorgulayabilirsiniz. Ancak iki sorgu yöntemi, gizlilik eşiklerini ve arama alanlarını şu şekilde ele alır:

Yer Sayısı işlevleri, 0 dahil olmak üzere herhangi bir sayıyı döndürebilir ancak minimum 40,0 metreye 40,0 metre (1.600 m²) (40,0 metreye 40,0 metre / 1.600 m²) arama alanı zorunluluğu vardır. İşlevler, tek tek yerler hakkında bilgi aramak için kullanılabilecek Yer Kimlikleri'ni de döndürür ve isteğe bağlı tarih filtreleri kullanılarak geçmiş aylık anlık görüntülerde geçmiş ÖY analizi yapılmasını destekler.
Yer veri kümesi sorguları yalnızca 5 ve üzeri sayıları döndürebilir (diferansiyel gizliliği korumak için 0-4 arasındaki düşük sayılar atlanır). Ancak arama alanının boyutuyla ilgili herhangi bir sınırlama uygulanmaz.

Karmaşık bir mekansal analiz yapmanız gerekmiyorsa PLACES_COUNT_PER_H3 gibi Yer Sayısı işlevleriyle başlamanızı öneririz. Standartlaştırılmış ızgara hücrelerinde anında mekansal yoğunluk analizleri sağlar, kesin referans incelemesi için yer kimlikleri döndürür ve coğrafi özellik mühendisliği ile makine öğrenimi modelleri için özel olarak tasarlanmıştır.

En uygun yer sayısı işlevini seçin

Places Insights, çeşitli mekansal işlevleri destekler. Sorgu yürütme, paralel işleme ve toplu ölçeklenebilirlik işlemlerinin optimize edilmesi için aşağıdaki işlevleri kullanmanızı öneririz:

PLACES_COUNT_PER_H3: H3 hücresi başına yer sayılarının bulunduğu bir BigQuery tablosu döndürür. Bu işlev, bölgesel yoğunluk analizi ve kloroplet ısı haritası için önerilir.
PLACES_COUNT_V2: Yer sayılarını ve örnek yer kimliklerini içeren bir tablo döndürür. Bu işlev, giriş coğrafi konumlarınızı içeren bir tablo parametresini kabul eder. BigQuery yürütme motoru, doğrudan bir tablonun tamamını ileterek iş yükünü dağıtabilir ve mekansal kesişimleri paralel olarak işleyebilir. Bu sayede, büyük ölçekli analiz için son derece verimli toplu işleme olanağı sağlanır.
PLACES_COUNT_PER_TYPE_V2: Yer türüne göre kategorize edilmiş yer sayıları ve örnek yer kimliklerinden oluşan bir tablo döndürür. PLACES_COUNT_V2 benzer şekilde, giriş coğrafi konumlarınızı tablo parametresi olarak iletmek, BigQuery'nin büyük veri kümelerinde uzamsal kesişimleri yerel olarak paralelleştirmesine olanak tanır.
PLACES_COUNT_CHANGE: İki belirli ay arasındaki yer sayılarının yanı sıra eklenen ve kaldırılan yer kimliklerinin tablosunu döndürür. PLACES_COUNT_V2'ya benzer şekilde, giriş coğrafi konumlarınızı tablo parametresi olarak iletmek, BigQuery'nin büyük veri kümelerinde uzamsal kesişimleri yerel olarak paralelleştirmesine olanak tanır.

Bu işlevler, yer sayılarıyla birlikte yanıtın her öğesi için 250'ye kadar Yer kimliği de döndürür.

Yer kimlikleri şu durumlarda kullanılabilir:

Places Count işlevleriyle sorgu yürütme

İşlevleri çağırmak için şu biçimi kullanın: [project name (optional)].[table name].[function name].

Places Insights'ı ayarlarken bağlı veri kümesinin adını değiştirdiyseniz varsayılan tablo adları yerine özel adınızı kullanın. İsteğe bağlı olarak proje adınızı da ekleyebilirsiniz. Biri dahil edilmezse sorgu varsayılan olarak etkin projeye yönlendirilir.

Örneğin:

PROJECT_NAME.places_insights___us.PLACES_COUNT_V2

İşleve bağımsız değişkenler iletmek için JSON_OBJECT kullanın.

Büyük/küçük harfe duyarlı parametreleri kullanarak sorgu sonuçlarını filtreleme

Yer sayısı işlevleri, aramanızı daraltmak için birçok filtreyi destekler. Bu parametreler (örneğin, price_level veya types) büyük/küçük harfe duyarlıdır ve parametre adlarıyla tam olarak eşleşmelidir. Seçeneklerin tam listesi için filtre parametreleri referansı konusuna bakın.

snapshot_date ile geçmiş anlık görüntüleri sorgulama

Varsayılan olarak, yer sayısı işlevleri mevcut en son veri anlık görüntüsünü sorgular. Yer verilerini geçmişteki belirli bir ayda olduğu şekliyle analiz etmek için snapshot_date parametresini JSON_OBJECT parametrenize ekleyin.

Biçim: YYYY-MM (örneğin, '2026-07').
Varsayılan: Atlanırsa işlev, en son anlık görüntüyü otomatik olarak sorgular.

Aşağıdaki örnek sorgular, Temmuz 2026 anlık görüntüsünde kaydedildiği şekliyle arama alanlarınızdaki restoran sayılarını gösterir:

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas`,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters
      'business_status', ['OPERATIONAL'],
      'types', ["restaurant"],
      'snapshot_date', '2026-07' -- Optional historical snapshot month
  )
);

Sonraki örnekte, PLACES_COUNT_V2 işlevini kullanarak aramayı minimum kullanıcı puanı, fiyat düzeyi, işletme durumu ve restoranın köpeklere izin verip vermediğine göre sınırlandırmak için filtreler uyguluyorsunuz.

Öncelikle giriş coğrafya tablonuzu kullanın veya seçilen coğrafyaları içeren bir tablo hazırlayın:

-- Create a table for the input geographies
CREATE TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas` AS (
  SELECT
    '1' AS geo_id, -- Unique identifier
    ST_GEOGPOINT(-73.9857, 40.7484) AS geo -- Empire State Building
  UNION ALL
  SELECT
    '2' AS geo_id, -- Unique identifier
    ST_GEOGPOINT(-73.9851, 40.7580) AS geo -- Times Square
);

Ardından, tablo ve filtreleri içeren JSON nesnesiyle PLACES_COUNT_V2 işlevini çağırın. Arama yarıçapı, JSON filtrelerine dahil edilir ve my_search_areas tablosundaki her nokta için uygulanır.

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas`,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters around each point in 'geo'
      'business_status', ['OPERATIONAL'],
      'types', ["restaurant"],
      'min_rating', 1.3,
      'price_level', ['PRICE_LEVEL_INEXPENSIVE', 'PRICE_LEVEL_MODERATE'],
      'allows_dogs', TRUE
      )
);

Örnek: PLACES_COUNT_V2 ile restoran sayılarını ve marka konumlarını sorgulama

Aşağıdaki örnekte, Temmuz 2026'da New York City'deki Empire State Binası ve Times Meydanı'na 1.000 metre mesafede bulunan, faaliyetteki restoranların sayısını döndürmek için özel girişli coğrafya tablosu my_search_areas ile PLACES_COUNT_V2 işlevi kullanılmaktadır:

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas`,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters
      'business_status', ['OPERATIONAL'],
      'types', ["restaurant"],
      'snapshot_date', '2026-07'
      )
);

Yanıt, geo_id, coğrafya, sayı ve yer kimliklerinin bir örneğini içeren bir BigQuery tablosudur.

New York City'deki Places Count işlevinin sonuçları.

Aşağıdaki örnekte, belirli marka kimliklerine göre filtreleme yapmak için PLACES_COUNT_V2 işlevi kullanılmaktadır. Bu örnekte, marka kimliğini kullanarak Starbucks konumlarını filtreliyoruz "1413758728321880760".

Filtrelemek istediğiniz markaların marka kimliklerini bulmak için veri kümenizin brandstablosunu (örneğin, places_insights___us.brands) sorgulayın. Markalar veri kümesi hakkında daha fazla bilgi için Marka verilerini kullanarak sorgu yazma başlıklı makaleyi inceleyin.

Örneğin, "Starbucks"ın marka kimliğini bulmak için:

SELECT id, name
FROM `PROJECT_NAME.places_insights___us.brands`
WHERE name = "Starbucks"

Marka kimliklerini aldıktan sonra bunları aşağıdaki sorguda gösterildiği gibi brand_ids filtresinde kullanabilirsiniz:

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas`,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters
      'business_status', ['OPERATIONAL'],
      'brand_ids', ["1413758728321880760"]
      )
);

Google Cloud araçlarıyla sorgu çıkışını görselleştirme

Analiz ve iş zekası araçları, BigQuery verilerinizdeki analizleri keşfetmenize yardımcı olur. BigQuery, Places Insights verilerindeki işlevlerinizin sonuçlarını analiz etmek için kullanabileceğiniz çeşitli Google ve üçüncü taraf veri görselleştirme araçlarını destekler.

Bir işlevin sonuçlarını görselleştirme örneği için PLACES_COUNT_PER_H3 referansındaki sonuçları görselleştirme bölümüne bakın. Places Insights sonuçlarını görselleştirme hakkında daha fazla bilgi için Sorgu sonuçlarını görselleştirme başlıklı makaleyi inceleyin.

İşlev sınırlamaları ve şartları

Places Count işlevleriyle ilgili sınırlamalar ve şartlar aşağıda belirtilmiştir:

İşlevler yalnızca COUNT analizlerini destekler.
Minimum 40,0 metre x 40,0 metre (1.600 m²) (40,0 metre x 40,0 metre / 1.600 m²) arama alanı gereklidir.
Parametre Giriş Boyutu Sınırı: İşlevlere parametre olarak aktarılan JSON nesnesi 1 MB ile sınırlıdır. Bu sınırın etkisi, işlev sürümüne bağlıdır:
- V2 işlevleri (PLACES_COUNT_V2, PLACES_COUNT_PER_TYPE_V2, PLACES_COUNT_CHANGE) için bu sınır yalnızca filtreler JSON nesnesi için geçerlidir. Coğrafi konumlar bir tablo parametresi kullanılarak ayrı ayrı sağlandığından bu işlevler, JSON boyut sınırına ulaşmadan çok daha fazla sayıda giriş coğrafi konumu için ölçeklenebilir.
- PLACES_COUNT_PER_H3, PLACES_COUNT, PLACES_COUNT_PER_TYPE ve PLACES_COUNT_PER_GEO için bu sınır, tüm coğrafya tanımları dahil olmak üzere tüm JSON nesnesi için geçerlidir. Bu durum, tek bir çağrıda işlenebilecek coğrafi konum sayısını sınırlayabilir.
Yer kimliğine veya adres bileşenine göre filtreleme desteklenmez.
Yalnızca abone olduğunuz şehirler ve ülkeler için Yer Sayısı işlevlerine erişebilirsiniz. Veri kümesine erişim için Places Insights'ı ayarlama başlıklı makaleyi inceleyin.
Filtre parametreleri (örneğin, geography veya types) büyük/küçük harfe duyarlıdır ve parametre adlarıyla tam olarak eşleşmelidir. Aksi takdirde sorgu başarısız olur.