لمحة عن بيانات "إحصاءات حول ديناميات السكان"

فهم البيانات

على الرغم من أنّ التضمينات متاحة لبلدان متعددة، يظل المخطط متسقًا في جميع مجموعات البيانات. يتم تنظيم التضمينات في قوائم BigQuery منفصلة لكل بلد.

مكوّنات متّجه التضمين

عمود features هو متّجه يتألف من 330 سمة (يتم تخزينه كمصفوفة REPEATED FLOAT في BigQuery). يتوافق كل قسم من الصفيف مع إشارة بيانات معيّنة يستخرجها نموذج "ديناميكيات السكان".

ويتيح فهم هذه البنية إمكانية استبعاد بعض الميزات (على سبيل المثال، تحديد مدى تأثير سلوك البحث في توقّع المبيعات مقارنةً بالطقس).

فهارس المتّجهات مصدر البيانات الوصف
‫0 – 127 مؤشرات البحث المجمَّعة يرصد الاهتمامات والمخاوف الإقليمية (على سبيل المثال، عمليات البحث عن "نادي رياضي" و"أعراض الإنفلونزا" و"سلع فاخرة").
‫128 – 255 "خرائط Google" وميزة "مدى الازدحام" يتم تسجيل البيئة الحضرية (نقاط الاهتمام مثل المستشفيات والمنتزهات والمدارس) وكثافة النشاط البشري.
‫256 – 329 الطقس وجودة الهواء يتم تسجيل السياق البيئي (درجة الحرارة، هطول الأمطار، مؤشر جودة الهواء، الرياح).

الأعمدة الرئيسية والبيانات الوصفية

يحتوي جدول التضمينات على بيانات وصفية مكانية تتيح التحليل الجغرافي المكاني والفلترة وإمكانية التشغيل التفاعلي مع خدمات أخرى من "منصة خرائط Google".

  • ‫geo_id: المعرّف الأساسي للمنطقة بالنسبة إلى مجموعات بيانات خلايا S2، هذا هو رمز خلية S2 المعروض كسلسلة سداسية عشرية (على سبيل المثال، '80ead45'). استخدِم هذا الرمز كمفتاح الربط الأساسي.
  • ‫geo_name: الاسم الذي يمكن لشخص عادي قراءته للمنطقة. ملاحظة: بالنسبة إلى مجموعات بيانات شبكة S2، لا تحتوي الخلايا الرياضية على أسماء عادية، لذا سيحتوي هذا العمود على الرمز المميز نفسه تمامًا كما في geo_id. تم تصميم ذلك للحفاظ على بنية أعمدة متسقة في جميع عروض "إحصاءات السكان".
  • ‫administrative_area_level_1_id: هو رقم تعريف مكان فريد خاص بـ "خرائط Google" يمثّل الحدود الإدارية ذات المستوى الأعلى (مثل الولاية أو المقاطعة).
  • ‫administrative_area_level_1_name: الاسم الذي يمكن لشخص عادي قراءته للحدود ذات المستوى الأعلى (على سبيل المثال، 'California').
  • administrative_area_level_2_id: هو رقم تعريف المكان الفريد في "خرائط Google" الخاص بالحدود الإدارية الثانوية (مثل المقاطعة أو المنطقة).
  • ‫administrative_area_level_2_name: الاسم الذي يمكن لشخص عادي قراءته للحدود الثانوية (على سبيل المثال، 'Tulare County')
  • features: متّجه التضمين الأساسي المكوّن من 330 بُعدًا، والمخزَّن في الأصل كـ ARRAY<FLOAT64>. يتطلّب تحميل هذا الملف في مكتبة Pandas Python تسطيحه أو تحويله إلى مصفوفة NumPy.

الأسئلة الشائعة

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

لا، يتم إنشاء عمليات التضمين في &quot;إحصاءات حول ديناميات السكان&quot; من إشارات مجمّعة تحافظ على الخصوصية. لضمان خصوصية المستخدم، لا نقدّم آثار أنشطة محددة للمستخدمين أو سجلات البحث على Google الفردية أو أنماط الحركة الأولية. وتوفّر التضمينات تمثيلاً كامنًا لهذه السلوكيات، تم تحسينه من أجل النمذجة والتوقّع، بدلاً من الإحصاءات الأولية.

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

المتّجهات هي تمثيلات كامنة، ما يعني أنّها تلتقط أنماطًا مجرّدة بدلاً من تصنيفات محدّدة يمكن لشخص عادي قراءتها. ومع أنّنا نعرف أنّ المؤشرات من 0 إلى 127 مستمدة من "مؤشرات البحث"، لا يرتبط مؤشر معيّن (مثل المؤشر 5) بكلمة رئيسية واحدة مثل "قهوة". بدلاً من ذلك، يمثّل ميزة معقّدة لسلوك البحث الذي تعلّمه النموذج.

هل تتضمّن مجموعة البيانات حدودًا مضلّعة (ملفات أشكال)؟

توفر مجموعة البيانات رموز S2 المميزة للخلايا (geo_id) وأرقام تعريف الأماكن للمعرّفات الجغرافية (مثل مناطق المستوى الإداري 1 والمستوى الإداري 2)، ولكنها لا تتضمن أشكالاً هندسية أولية للمضلّعات (WKT/Shapefiles) لمناطق خلايا S2. يؤدي حذف الأشكال الهندسية الأولية إلى منع تضخم مساحة التخزين وتقليل تكاليف فحص BigQuery لخطوط أنابيب تعلُّم الآلة التي تتطلب متجهات الميزات فقط. علاوة على ذلك، فإن الانضمام إلى رموز سلسلة S2 أسرع بكثير وأكثر كفاءة من الناحية الحسابية من تنفيذ تقاطعات المضلعات المكانية.

  • بالنسبة إلى إحداثيات النقاط: لدمج بيانات النقاط (مثل المواقع الجغرافية لنقاط الاهتمام أو المراكز الهندسية للمتاجر) مع &quot;إحصاءات ديناميكيات السكان&quot;، يمكنك تحويل إحداثيات خطوط العرض/الطول إلى رموز مميّزة لخلايا S2 من المستوى 12 باستخدام S2_CELLIDFROMPOINT مع ST_GEOGPOINT (يُرجى الاطّلاع على تحويل إحداثيات النقاط إلى رموز مميّزة سداسية عشرية من المستوى 12 في S2).
  • بالنسبة إلى حدود المناطق: إذا كنت بحاجة إلى تقاطع حدود مخصّصة مع &quot;إحصاءات حول التغيّرات السكانية&quot;، ننصحك بتحويل المضلّعات المخصّصة إلى رموز مميّزة للخلايا التي تغطي المستوى 12 من S2 باستخدام S2_COVERINGCELLIDS (راجِع إنشاء رموز مميّزة للخلايا التي تغطي المستوى 12 من S2 لمضلّع) أو ربط مجموعة البيانات هذه بمجموعات بيانات الحدود العلنية المتاحة في BigQuery Public Data.
  • للعرض المرئي وتحويل الأشكال الهندسية: تؤدي دوال الجغرافيا المضمّنة في BigQuery إلى إجراء تحويل أحادي الاتجاه (من الشكل الهندسي إلى رقم تعريف خلية S2). لتحويل رموز خلايا S2 إلى أشكال مضلّعة لأدوات الربط أو نظم المعلومات الجغرافية، يمكنك استخدام مكتبات من جهة العميل، مثل s2sphere في Python. للاطّلاع على عينات تعليمات برمجية والتعليمات، يُرجى الرجوع إلى الحصول على شكل خلية S2 من رمز مميّز سداسي عشري من المستوى 12 في S2.