按 H3 查询 POI 数量

PLACES_COUNT_PER_H3 函数可将地图注点 (POI) 数据聚合到指定分辨率下的标准化 H3 空间网格单元中。此函数是进行区域密度分析、竞争性地图绘制和生成六边形等值线热图的推荐途径。

如需调用 PLACES_COUNT_PER_H3 函数，请使用 SQL FROM 子句，因为该函数会返回一个表。

语法和参数

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

参数

• PROJECT_NAME：您的 Google Cloud 项目的名称。如果您未指定项目名称，则查询将默认针对活动项目。
• LINKED_DATASET_NAME：您订阅的地点数据分析数据集的名称（例如 places_insights___us）。
• filters (JSON)：使用 JSON_OBJECT 构建的 JSON 对象，包含键值对过滤参数。

必需的 JSON 过滤器

• geography (GEOGRAPHY)：要编入索引的边界搜索区域（点、线串或多边形）。
• h3_resolution (INTEGER)：H3 单元格分辨率级别（支持的值范围为 0 到 11）。

可选的 JSON 过滤条件

• 其他参数，例如 types、business_status、price_level 和 min_rating，用于过滤每个单元格内统计的地点。查看过滤条件参数的完整列表。

输出表架构

该函数会返回一个 BigQuery 表，其中每个 H3 单元格索引（与目标几何图形相交）对应一行：

列名	数据类型	说明
h3_cell_index	STRING	相应单元格的唯一 H3 指数标识符。
geography	GEOGRAPHY	表示 H3 单元格实际边界的多边形。
count	INTEGER	相应特定 H3 单元格内匹配的营业地点的确切总数，如果没有匹配的地点，则为零。
sample_place_ids	ARRAY<STRING>	相应单元格内最多 250 个地点 ID 的数组，可使用 Places API 直接查询实况数据。

使用 PLACES_COUNT_PER_H3 汇总区域地图注点密度

该函数会处理过滤条件中指定的边界地理位置，识别目标分辨率下的所有相交 H3 六边形，并返回每个六边形的精确地点数量和地点 ID。

示例：统计纽约州可供轮椅通行的杂货店和便利店的数量

此查询使用 H3 分辨率级别 8 汇总了纽约州的营业便利店和可供轮椅通行的杂货店。纽约州的边界几何图形是从 bigquery-public-data.geo_us_boundaries.states 公共数据集中动态查询的。

-- 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;

回答格式

查询会生成一个逐行表，其中单元格直接映射到空间计数：

重要提示： 传递给 PLACES_COUNT_PER_H3 的 JSON 对象有严格的大小限制（1 MB）。由于边界地理位置直接在 'geography' 键下的 JSON_OBJECT 参数中传递，因此具有数千个顶点的复杂空间边界可能会超出此限制。为防止执行失败，请使用 ST_SIMPLIFY 函数在将几何图形传递给该函数之前降低顶点复杂度。

示例：按品牌过滤后，统计每个 H3 单元格中的地点数量

以下示例使用 brand_ids 过滤条件检索特定品牌（例如 Starbucks "1413758728321880760" 和 Dunkin "1314981297593671295"）的地点数量和示例地点 ID：

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']
    )
);

在 Looker Studio 中动态直观呈现 H3 结果

下图显示了 Looker Studio 中以填充地图形式呈现的 PLACES_COUNT_PER_H3 数据。H3 单元格的颜色越深，结果的集中度越高：

如需将数据导入 Looker Studio，请执行以下操作：

1. 在 BigQuery 中运行上述函数，以生成结果。
2. 在 BigQuery 结果窗格中，依次点击打开方式 -> Looker Studio。您的结果会自动导入 Looker Studio。

3. Looker Studio 会创建一个默认报告页面，并使用结果的标题、表格和条形图对其进行初始化。

   

4. 选择网页上的全部内容，然后将其删除。

5. 点击插入 -> 填充地图，将填充地图添加到报告中。

6. 在图表类型 -> 设置下，按如下所示配置字段：

   

7. 填充地图会显示如上所示。您可以选择图表类型 -> 样式，进一步配置地图的外观。

如需详细了解如何直观呈现地点数据分析结果，请参阅直观呈现查询结果。