هذا المنتج أو الميزة في المعاينة (في مرحلة ما قبل التوفّر للجمهور العام). قد تكون منتجات وميزات مرحلة ما قبل التوفّر للجمهور العام متوافقة بشكل محدود، وقد لا تتوافق التغييرات التي تم إجراؤها على منتجات وميزات مرحلة ما قبل التوفّر للجمهور العام مع إصدارات "إحصاءات Google ما قبل التوفّر للجمهور العام". تخضع "عروض مرحلة ما قبل التوفّر للجمهور العام" للبنود المحدّدة لخدمة "منصة خرائط Google". لمزيد من المعلومات، راجِع أوصاف مراحل الإطلاق.

تستخدم Google تكنولوجيا الذكاء الاصطناعي لترجمة المحتوى إلى لغتك المفضّلة، وقد تتضمّن بعض الأخطاء.

لمحة عن بيانات "إحصاءات حول ديناميات السكان"

فهم البيانات

على الرغم من توفّر عمليات التضمين لبلدان متعدّدة، يظلّ المخطط متّسقًا في جميع مجموعات البيانات. يتم تنظيم عمليات التضمين في بيانات منفصلة على BigQuery لكل بلد.

شرح متّجه التضمين

عمود features هو متّجه ثلاثي الأبعاد (مخزَّن كصفيف REPEATED FLOAT في BigQuery). يتوافق كل قسم من الصفيف مع إشارة بيانات محدّدة يستخرجها نموذج "ديناميات السكان".

يسمح فهم هذا الهيكل بإزالة الميزات (على سبيل المثال، تحديد مدى توقّع سلوك البحث للمبيعات مقارنةً بالطقس).

مؤشرات المتّجهات	مصدر البيانات	الوصف
0 – 127	مؤشرات البحث المجمَّعة	تسجِّل الاهتمامات والمخاوف الإقليمية (على سبيل المثال، عمليات البحث عن "صالة رياضية" و"أعراض الإنفلونزا" و"السلع الفاخرة").
128 – 255	الخرائط ومستوى الازدحام	تسجِّل البيئة المبنية (نقاط الاهتمام مثل المستشفيات والحدائق والمدارس) وكثافة النشاط البشري.
256 – 329	الطقس وجودة الهواء	تسجِّل السياق البيئي (درجة الحرارة والأمطار ومؤشر جودة الهواء والرياح).

الأعمدة الرئيسية والبيانات الوصفية

يحتوي جدول عمليات التضمين على بيانات وصفية مكانية تتيح التحليل الجغرافي المكاني والفَرز والتوافق مع خدمات "منصة خرائط Google" الأخرى.

geo_id: المعرّف الأساسي للمنطقة بالنسبة إلى مجموعات بيانات خلايا S2، يكون هذا الرمز المميّز لخلية S2 ممثَّلاً كسلسلة سداسية عشرية (على سبيل المثال، '80ead45'). استخدِم هذا المعرّف كمفتاح الربط الأساسي.
geo_name: الاسم الذي يمكن للمستخدِم قراءته للمنطقة ملاحظة: بالنسبة إلى مجموعات بيانات شبكة S2، لا تحتوي الخلايا الرياضية على أسماء عادية، لذا سيحتوي هذا العمود على الرمز المميّز نفسه تمامًا مثل geo_id. تم تصميم ذلك للحفاظ على بنية عمود متّسقة في جميع عروض "ديناميات السكان".
administrative_area_level_1_id: رقم تعريف المكان الفريد في "خرائط Google" للحدود الإدارية ذات المستوى الأعلى (على سبيل المثال، الولاية أو المقاطعة)
administrative_area_level_1_name: الاسم الذي يمكن للمستخدِم قراءته للحدود ذات المستوى الأعلى (على سبيل المثال، 'California')
administrative_area_level_2_id: رقم تعريف المكان الفريد في "خرائط Google" للحدود الإدارية الثانوية (على سبيل المثال، المقاطعة أو المنطقة)
administrative_area_level_2_name: الاسم الذي يمكن للمستخدِم قراءته للحدود الثانوية (على سبيل المثال، 'Tulare County')
features: متّجه التضمين الأساسي ثلاثي الأبعاد، المخزَّن أصلاً كـ ARRAY<FLOAT64> يتطلّب تحميل هذا المتّجه في مكتبة Pandas Python تسطيحه أو تحويله إلى مصفوفة NumPy.

الأسئلة الشائعة

هل يمكنني الوصول إلى بيانات الإدخال الأولية (على سبيل المثال، طلبات بحث محدّدة أو بيانات تتبُّع التنقّل)؟

لا، يتم إنشاء عمليات تضمين "إحصاءات حول ديناميات السكان" من إشارات مجمَّعة تحافظ على الخصوصية. لضمان خصوصية المستخدِم، لا نوفّر بيانات تتبُّع محدّدة للمستخدِم أو سجلّات بحث فردية أو أنماط حركة أولية. توفّر عمليات التضمين تمثيلاً ضمنيًا لهذه السلوكيات، تم تحسينه للنمذجة والتوقّع، بدلاً من التحليلات الأولية.

هل يمكن تفسير أبعاد المتّجه (على سبيل المثال، هل البُعد 5 هو "قهوة")؟

المتّجهات هي تمثيلات ضمنية، ما يعني أنّها تسجِّل أنماطًا مجرّدة بدلاً من تصنيفات محدّدة يمكن للمستخدِم قراءتها. على الرغم من أنّنا نعلم أنّ المؤشرات من 0 إلى 127 مستمدّة من "مؤشرات Google"، لا يتطابق مؤشر محدّد (مثل المؤشر 5) مع كلمة رئيسية واحدة مثل "قهوة". بدلاً من ذلك، يمثّل هذا المؤشر ميزة معقّدة لسلوك البحث تعلّمها النموذج.

هل تتضمّن مجموعة البيانات حدود المضلّعات (ملفات Shapefile)؟

توفّر مجموعة البيانات الرموز المميّزة لخلايا S2 (geo_id) وأرقام تعريف الأماكن للمعرّفات الجغرافية (مثل المناطق الإدارية من المستوى 1 والمناطق الإدارية من المستوى 2)، ولكنّها لا تتضمّن هندسة المضلّعات الأولية (WKT/Shapefile) لمناطق خلايا S2. يمنع حذف الأشكال الهندسية الأولية تضخّم مساحة التخزين ويقلّل تكاليف فحص BigQuery لخطوط أنابيب تعلُّم الآلة التي تتطلّب متّجهات الميزات فقط. علاوةً على ذلك، يكون الربط بالرموز المميّزة لسلسلة S2 أسرع بكثير وأكثر فعالية من الناحية الحسابية من تنفيذ تقاطعات المضلّعات المكانية.

بالنسبة إلى إحداثيات النقاط: لربط بيانات النقاط (مثل مواقع نقاط الاهتمام أو مراكز المتاجر) بإحصاءات حول ديناميات السكان، يمكنك تحويل إحداثيات خطوط الطول والعرض إلى رموز مميّزة لخلايا S2 من المستوى 12 باستخدام S2_CELLIDFROMPOINT مع ST_GEOGPOINT (راجِع مقالة تحويل إحداثيات النقاط إلى رموز سداسية عشرية لخلايا S2 من المستوى 12).
بالنسبة إلى حدود المنطقة: إذا كنت بحاجة إلى تقاطع حدود مخصّصة مع إحصاءات حول ديناميات السكان، ننصحك بتحويل المضلّعات المخصّصة إلى رموز مميّزة لخلايا S2 من المستوى 12 باستخدام S2_COVERINGCELLIDS (راجِع مقالة إنشاء رموز مميّزة لخلايا S2 من المستوى 12 لمضلّع) أو ربط مجموعة البيانات هذه بمجموعات بيانات الحدود العامة المتوفّرة في BigQuery Public Data.
بالنسبة إلى التصوّر وتحويل الأشكال الهندسية: تنفّذ دوال الجغرافيا المضمّنة في BigQuery عملية تحويل أحادية الاتجاه (الشكل الهندسي ← رقم تعريف خلية S2). لتحويل الرموز المميّزة لخلايا S2 إلى أشكال هندسية للمضلّعات لأدوات الخرائط أو نظم المعلومات الجغرافية، يمكنك استخدام مكتبات من جهة العميل، مثل s2sphere في Python. للاطّلاع على نماذج التعليمات البرمجية والتعليمات، راجِع مقالة الحصول على الشكل الهندسي لخلية S2 من رمز سداسي عشري لخلية S2 من المستوى 12.