Les insights sur la dynamique démographique (PDI) fournissent un aperçu riche et spécifique à un lieu de la façon dont les populations interagissent avec leur environnement. Il capture cette relation complexe dans un ensemble de données d'embeddings qui peut être intégré à vos modèles géospatiaux et prédictifs existants.
Les embeddings PDI sont générés par le modèle propriétaire de Google, entraîné sur un ensemble de données géo-indexées d'informations agrégées riches provenant des tendances de recherche Google, des schémas de fréquentation de Google Maps, des points d'intérêt, de la météo et des données sur la qualité de l'air. Fourni sous la forme d'un ensemble de données d'embeddings à 330 dimensions dans BigQuery, PDI permet aux organisations de comprendre l'"ADN" de n'importe quel emplacement, de combler les lacunes critiques dans les données et de modéliser les interactions entre l'homme et l'environnement à l'échelle mondiale avec une précision sans précédent et sans aucune ingénierie manuelle des caractéristiques. Ces embeddings garantissent la confidentialité tout en permettant une analyse et une prédiction spatiales nuancées pour des applications allant de la santé publique à la modélisation socio-économique.
À propos des embeddings PDI
Les embeddings de dynamique de population sont générés à l'aide d'un modèle de machine learning spécialement conçu, entraîné sur un ensemble riche de caractéristiques et converti en une représentation vectorielle condensée. Ces embeddings sont entraînés sur :
- Tendances de recherche agrégées : capture les modèles de recherche les plus populaires et les plus représentatifs d'un lieu pour informer sur le comportement et les centres d'intérêt des utilisateurs.
- Point d'intérêt Maps agrégé : capture les types d'entreprises, d'établissements et de points de repère présents.
- Affluence agrégée : capture les schémas de fréquentation pour indiquer la densité et la fréquence de la présence humaine.
- Météo et qualité de l'air agrégées : capture les statistiques et les tendances de la météo et de la qualité de l'air.
Ces caractéristiques sont agrégées au niveau 12 de la cellule S2 pour générer des embeddings localisés et contextuels qui préservent la confidentialité.
Combiner avec des ensembles de données d'analyse Google Maps Platform associés
Bien que PDI fournisse des embeddings de machine learning qui capturent les tendances de la recherche Google, l'environnement bâti et les schémas d'activité humaine, ainsi que le contexte environnemental (comme la météo et la qualité de l'air), vous pouvez également avoir besoin du nombre exact de points d'intérêt (POI), de l'emplacement des concurrents ou de la densité de la marque. Pour modéliser les relations entre la présence commerciale et l'environnement local dans BigQuery, associez les données PDI à Places Insights.