Pierwsze kroki z Statystykami miejsc

Funkcje Places Count to predefiniowane zapytania SQL, które są uruchamiane w BigQuery i są zalecanym sposobem wysyłania zapytań do zbioru danych Statystyki miejsc w celu uzyskania dokładnych liczby i identyfikatorów miejsc. Możesz też wysyłać zapytania bezpośrednio do zbioru danych, ale te 2 metody zapytań obsługują progi prywatności i obszary wyszukiwania:

  • Funkcje Places Count mogą zwracać dowolne liczby, w tym 0, ale wymagają minimalnego obszaru wyszukiwania o wymiarach 40,0 m na 40,0 m (1600 m2) (40,0 m na 40,0 m / 1600 m²). Funkcje zwracają też identyfikatory miejsc, których można użyć do wyszukiwania informacji o poszczególnych miejscach, oraz obsługują analizę historycznych punktów POI w poprzednich miesięcznych zrzutach za pomocą opcjonalnych filtrów dat.

  • Zapytania do zbioru danych miejsc mogą zwracać tylko liczby 5 i większe (pomijając niskie liczby od 0 do 4, aby zachować prywatność różnicową), ale nie nakładają żadnych ograniczeń na rozmiar obszaru wyszukiwania.

Jeśli nie musisz przeprowadzać złożonej analizy przestrzennej, zalecamy rozpoczęcie od funkcji Places Count, takich jak PLACES_COUNT_PER_H3. Umożliwia ona natychmiastowe uzyskanie informacji o gęstości przestrzennej w standardowych komórkach siatki, zwraca identyfikatory miejsc do weryfikacji i jest specjalnie zaprojektowana do tworzenia funkcji geoprzestrzennych i modeli ML.

Wybieranie optymalnej funkcji Places Count

Statystyki miejsc obsługują kilka funkcji przestrzennych. Aby zoptymalizować wykonywanie zapytań, przetwarzanie równoległe i skalowalność wsadową, zalecamy używanie tych funkcji:

  • PLACES_COUNT_PER_H3: zwraca tabelę BigQuery z liczbą miejsc w komórce H3. Ta funkcja jest zalecana do analizy gęstości regionalnej i tworzenia map cieplnych.
  • PLACES_COUNT_V2: zwraca tabelę zawierającą liczbę miejsc i przykładowe identyfikatory miejsc. Ta funkcja akceptuje parametr tabeli zawierający Twoje dane geograficzne. Dzięki bezpośredniemu przekazywaniu całej tabeli silnik wykonywania BigQuery może rozdzielać obciążenie i równolegle przetwarzać przecięcia przestrzenne, co umożliwia bardzo wydajne przetwarzanie wsadowe na potrzeby analizy na dużą skalę.
  • PLACES_COUNT_PER_TYPE_V2: Zwraca tabelę z liczbą miejsc i przykładowymi identyfikatorami miejsc, podzieloną według typu miejsca. Podobnie jak w przypadku funkcji PLACES_COUNT_V2, przekazywanie danych geograficznych jako parametru tabeli umożliwia BigQuery natywne równoległe przetwarzanie przecięć przestrzennych w dużych zbiorach danych.
  • PLACES_COUNT_CHANGE: zwraca tabelę z liczbą miejsc oraz dodanymi i usuniętymi identyfikatorami miejsc w 2 podanych miesiącach. Podobnie jak w przypadku funkcji PLACES_COUNT_V2, przekazywanie danych geograficznych jako parametru tabeli umożliwia BigQuery natywne równoległe przetwarzanie przecięć przestrzennych w dużych zbiorach danych.

Oprócz liczby miejsc te funkcje zwracają też maksymalnie 250 identyfikatorów miejsc na element odpowiedzi.

Identyfikatory miejsc można używać w tych usługach:

Wykonywanie zapytań za pomocą funkcji Places Count

Aby wywołać funkcje, użyj tego formatu: [project name (optional)].[table name].[function name].

Jeśli podczas konfigurowania Statystyk miejsc zmienisz nazwę połączonego zbioru danych, użyj nazwy niestandardowej zamiast domyślnych nazw tabel. Możesz też opcjonalnie podać nazwę projektu. Jeśli nie podasz nazwy projektu, zapytanie domyślnie będzie dotyczyć aktywnego projektu.

Na przykład:

PROJECT_NAME.places_insights___us.PLACES_COUNT_V2

Aby przekazać argumenty do funkcji, użyj JSON_OBJECT.

Filtrowanie wyników zapytań za pomocą parametrów uwzględniających wielkość liter

Funkcje Places Count obsługują wiele filtrów, które pozwalają zawęzić wyszukiwanie. Te parametry (np. price_level lub types) uwzględniają wielkość liter i muszą dokładnie odpowiadać nazwom parametrów. Pełną listę opcji znajdziesz w dokumentacji parametrów filtra.

Wysyłanie zapytań do historycznych zrzutów za pomocą parametru snapshot_date

Domyślnie funkcje Places Count wysyłają zapytania do najnowszego dostępnego zrzutu danych. Aby analizować dane o miejscach w określonym miesiącu, dodaj do JSON_OBJECT opcjonalny parametr snapshot_date.

  • Format: YYYY-MM (np. '2026-07').
  • Domyślnie: jeśli ten parametr zostanie pominięty, funkcja automatycznie wysyła zapytanie do najnowszego zrzutu.

Ten przykład wysyła zapytanie o liczbę restauracji w Twoich obszarach wyszukiwania zarejestrowanych w zrzucie z lipca 2026 r.:

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
  )
);

W następnym przykładzie zastosujesz filtry, aby ograniczyć wyszukiwanie według minimalnej oceny użytkownika, poziomu cen, stanu firmy oraz tego, czy restauracja akceptuje psy, za pomocą funkcji PLACES_COUNT_V2.

Najpierw użyj tabeli danych geograficznych lub przygotuj tabelę z wybranymi danymi geograficznymi:

-- 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
);

Następnie wywołaj funkcję PLACES_COUNT_V2 z tabelą i obiektem JSON zawierającym filtry. Promień wyszukiwania jest uwzględniony w filtrach JSON i będzie stosowany wokół każdego punktu w tabeli my_search_areas.

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
      )
);

Przykład: wysyłanie zapytań o liczbę restauracji i lokalizacje marek za pomocą funkcji PLACES_COUNT_V2

Ten przykład używa funkcji PLACES_COUNT_V2 z niestandardową tabelą danych geograficznych my_search_areas, aby zwrócić liczbę działających restauracji w promieniu 1000 metrów od Empire State Building i Times Square w Nowym Jorku w lipcu 2026 r.:

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'
      )
);

Odpowiedź to tabela BigQuery, która zawiera geo_id, dane geograficzne, liczbę i próbkę identyfikatorów miejsc.

Wyniki funkcji Places Count w Nowym Jorku.

Ten przykład używa funkcji PLACES_COUNT_V2 do filtrowania według określonych identyfikatorów marek. W tym przykładzie filtrujemy lokalizacje Starbucks za pomocą identyfikatora marki "1413758728321880760".

Aby znaleźć identyfikatory marek, według których chcesz filtrować, wyślij zapytanie do brands tabeli w swoim zbiorze danych (np. places_insights___us.brands). Więcej informacji o zbiorze danych marek znajdziesz w artykule Pisanie zapytań za pomocą danych o markach.

Aby na przykład znaleźć identyfikator marki „Starbucks”:

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

Po uzyskaniu identyfikatorów marek możesz ich użyć w filtrze brand_ids, jak pokazano w tym zapytaniu:

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"]
      )
);

Wizualizowanie danych wyjściowych zapytań za pomocą narzędzi Google Cloud

Narzędzia do analizy i analityki biznesowej pomagają odkrywać statystyki na podstawie danych BigQuery. BigQuery obsługuje kilka narzędzi do wizualizacji danych Google i innych firm których możesz używać do analizowania wyników funkcji na podstawie danych Statystyk miejsc.

Przykład wizualizacji wyników funkcji znajdziesz w artykule Wizualizowanie wyników w dokumentacji funkcji PLACES_COUNT_PER_H3 referencyjnej. Więcej informacji o wizualizacji wyników Statystyk miejsc znajdziesz w artykule Wizualizowanie wyników zapytań.

Ograniczenia i wymagania dotyczące funkcji

Funkcje Places Count mają te ograniczenia i wymagania:

  • Funkcje obsługują tylko statystyki COUNT.
  • Wymagany jest minimalny obszar wyszukiwania o wymiarach 40,0 m na 40,0 m (1600 m2) (40,0 m na 40,0 m / 1600 m²).
  • Limit rozmiaru danych wejściowych parametru: obiekt JSON przekazywany jako parametr do funkcji jest ograniczony do 1 MB. Wpływ tego limitu zależy od wersji funkcji:
    • W przypadku funkcji w wersji 2 (PLACES_COUNT_V2, PLACES_COUNT_PER_TYPE_V2, PLACES_COUNT_CHANGE) ten limit dotyczy tylko obiektu JSON filtrów. Ponieważ dane geograficzne są podawane osobno za pomocą parametru tabeli, te funkcje mogą być skalowane do znacznie większej liczby danych geograficznych bez osiągania limitu rozmiaru JSON.
    • W przypadku funkcji PLACES_COUNT_PER_H3, PLACES_COUNT, PLACES_COUNT_PER_TYPE, i PLACES_COUNT_PER_GEO ten limit dotyczy całego obiektu JSON, w tym wszystkich definicji danych geograficznych. Może to ograniczyć liczbę danych geograficznych, które można przetworzyć w jednym wywołaniu.
  • Brak obsługi filtrowania według identyfikatora miejsca lub komponentu adresu.
  • Możesz uzyskać dostęp do funkcji Places Count tylko w przypadku miast i krajów, które subskrybujesz. Informacje o dostępie do zbioru danych znajdziesz w artykule Konfigurowanie Statystyk miejsc.
  • Parametry filtra (np. geography lub types) uwzględniają wielkość liter i muszą dokładnie odpowiadać nazwom parametrów. W przeciwnym razie zapytanie się nie powiedzie.