H3별 관심 장소 수 쿼리

PLACES_COUNT_PER_H3 함수는 관심 장소 (POI) 데이터를 지정된 해상도의 표준화된 H3 공간 그리드 셀로 집계합니다. 이 함수는 지역 밀도 분석, 경쟁 매핑, 육각형 등치선 히트맵 생성에 권장되는 경로입니다.

PLACES_COUNT_PER_H3 함수를 호출하려면 함수가 테이블을 반환하므로 SQL FROM 절을 사용합니다.

문법 및 매개변수

SELECT * FROM `PROJECT_NAME.LINKED_DATASET_NAME.PLACES_COUNT_PER_H3`(
  filters
)

매개변수

• PROJECT_NAME: Google Cloud 프로젝트 이름입니다. 프로젝트 이름을 지정하지 않으면 쿼리가 기본적으로 활성 프로젝트로 지정됩니다.
• LINKED_DATASET_NAME: 구독한 장소 통계 데이터 세트의 이름입니다 (예: places_insights___us).
• filters(JSON): 키-값 필터 매개변수가 포함된 JSON_OBJECT를 사용하여 구성된 JSON 객체입니다.

필수 JSON 필터

• geography(GEOGRAPHY): 색인을 생성할 경계 검색 영역 (점, 선 문자열 또는 다각형)입니다.
• h3_resolution (INTEGER): H3 셀 해상도 수준입니다 (지원되는 값 범위는 0~11).

선택적 JSON 필터

• 각 셀 내에서 계산된 장소를 필터링하는 types, business_status, price_level, min_rating과 같은 추가 매개변수 필터 매개변수의 전체 목록을 참조하세요.

출력 테이블 스키마

이 함수는 대상 도형과 교차하는 H3 셀 색인당 하나의 행이 있는 BigQuery 테이블을 반환합니다.

PLACES_COUNT_PER_H3을 사용하여 리전별 관심 장소 밀도 집계

이 함수는 필터에 지정된 경계 지리 정보를 처리하고, 타겟 해상도에서 교차하는 모든 H3 육각형을 식별하며, 각 육각형의 정확한 장소 수와 장소 ID를 반환합니다.

예: 뉴욕주의 휠체어 이용 가능 식료품점 및 편의점 수 계산

이 쿼리는 H3 해상도 수준 8을 사용하여 뉴욕주에서 운영 중인 휠체어 이용 가능 편의점과 식료품점을 집계합니다. 뉴욕주의 경계 도형은 bigquery-public-data.geo_us_boundaries.states 공개 데이터 세트에서 동적으로 쿼리됩니다.

-- Query POI count per H3 cell intersecting the New York State polygon boundary
SELECT *
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_H3`(
  JSON_OBJECT(
      'geography', (
        -- Dynamically retrieve the boundary geography for New York State
        SELECT state_geom
        FROM `bigquery-public-data.geo_us_boundaries.states`
        WHERE state = 'NY'
        LIMIT 1
      ),
      'types', ['grocery_store', 'convenience_store'],
      'business_status', ['OPERATIONAL'],
      'h3_resolution', 8,
      'wheelchair_accessible_entrance', TRUE
  )
)
ORDER BY count DESC;

대답 형식

쿼리는 셀을 공간 수에 직접 매핑하는 행별 테이블을 생성합니다.

예: 브랜드별로 필터링된 H3 셀당 장소 수 계산

다음 예에서는 brand_ids 필터를 사용하여 스타벅스 "1413758728321880760" 및 던킨 "1314981297593671295"과 같은 특정 브랜드의 장소 수와 샘플 장소 ID를 검색합니다.

DECLARE geo GEOGRAPHY;

-- Get the geography for New York City.
SET geo = (SELECT geometry FROM `bigquery-public-data.overture_maps.division_area`
  WHERE country = 'US' AND subtype = 'locality' AND names.primary = 'New York'  LIMIT 1);

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_H3`(
  JSON_OBJECT(
      'geography', geo,
      'h3_resolution', 8,
      'brand_ids', ["1413758728321880760", "1314981297593671295"],
      'business_status', ['OPERATIONAL']
    )
);

Looker Studio에서 H3 결과를 동적으로 시각화하기

다음 이미지는 Looker Studio에서 등치 지역도로 표시된 PLACES_COUNT_PER_H3의 데이터를 보여줍니다. H3 셀이 어두울수록 결과의 집중도가 높습니다.

데이터를 Looker Studio로 가져오려면 다음 단계를 따르세요.

1. BigQuery에서 위의 함수를 실행하여 결과를 생성합니다.
2. BigQuery 결과 창에서 다음에서 열기 -> Looker Studio를 클릭합니다. 결과는 Looker Studio로 자동으로 가져옵니다.

3. Looker Studio는 기본 보고서 페이지를 만들고 결과의 제목, 표, 막대 그래프로 초기화합니다.

   

4. 페이지의 모든 항목을 선택하고 삭제합니다.

5. 삽입 -> 음영 지도를 클릭하여 보고서에 음영 지도를 추가합니다.

6. 차트 유형 -> 설정에서 아래와 같이 필드를 구성합니다.

   

7. 채워진 지도가 위와 같이 표시됩니다. 원하는 경우 차트 유형 -> 스타일을 선택하여 지도의 모양을 추가로 구성할 수 있습니다.

Places Insights 결과를 시각화하는 방법에 관한 자세한 내용은 쿼리 결과 시각화를 참고하세요.

예시: 특정 필터를 사용하여 H3 셀별로 이전 관심 장소 수 쿼리

이 예시에서는 snapshot_date 필터를 사용하여 특정 스냅샷 월의 H3 공간 그리드에서 이전 관심 장소 수를 쿼리하는 방법을 보여줍니다. 위치 주변의 버퍼를 사용하여 지리적 검색 영역을 정의하고, 특정 regular_opening_hours와 함께 max_ev_charge_connector_count를 사용하여 EV 충전 커넥터 수에 대한 추가 기준을 적용합니다.

SELECT *
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_H3`(
  JSON_OBJECT(
    'geography', ST_BUFFER(ST_GEOGPOINT(-74.0060, 40.7128), 5000), -- 5km radius around NYC
    'h3_resolution', 8,
    'business_status', ['OPERATIONAL'],
    'snapshot_date', '2026-01', -- Target snapshot month (YYYY-MM)
    'max_ev_charge_connector_count', 3, -- Maximum connector count
    'regular_opening_hours', JSON_OBJECT(
      'monday', [JSON_OBJECT('start_time', '09:00', 'end_time', '12:00')]
    )
  )
);