H3 দ্বারা POI সংখ্যা অনুসন্ধান করুন

PLACES_COUNT_PER_H3 ফাংশনটি আগ্রহের স্থান (POI) ডেটাকে একটি নির্দিষ্ট রেজোলিউশনে প্রমিত H3 স্থানিক গ্রিড সেলে একত্রিত করে। আঞ্চলিক ঘনত্ব বিশ্লেষণ, প্রতিযোগিতামূলক ম্যাপিং এবং ষড়ভুজাকার কোরোপ্লেথ হিটম্যাপ তৈরির জন্য এই ফাংশনটিই প্রস্তাবিত পদ্ধতি।

PLACES_COUNT_PER_H3 ফাংশনটি কল করতে একটি SQL FROM ক্লজ ব্যবহার করুন, কারণ ফাংশনটি একটি টেবিল রিটার্ন করে।

সিনট্যাক্স এবং প্যারামিটার

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

প্যারামিটার

• PROJECT_NAME : আপনার গুগল ক্লাউড প্রজেক্টের নাম। আপনি যদি কোনো প্রজেক্টের নাম উল্লেখ না করেন, তাহলে আপনার কোয়েরিটি ডিফল্টভাবে সক্রিয় প্রজেক্টটিকে ব্যবহার করবে।
• LINKED_DATASET_NAME : আপনার সাবস্ক্রাইব করা প্লেসেস ইনসাইটস ডেটাসেটের নাম (উদাহরণস্বরূপ, places_insights___us )।
• filters ( JSON ) : JSON_OBJECT ব্যবহার করে নির্মিত একটি JSON অবজেক্ট, যাতে কী-ভ্যালু ফিল্টার প্যারামিটার থাকে।

প্রয়োজনীয় JSON ফিল্টার

• geography ( GEOGRAPHY ) : সূচীবদ্ধ করার জন্য সীমানাযুক্ত অনুসন্ধান এলাকা (বিন্দু, রেখাংশ, বা বহুভুজ)।
• h3_resolution (পূর্ণসংখ্যা) : H3 কোষের রেজোলিউশন স্তর (সমর্থিত মান 0 থেকে 11 পর্যন্ত)।

ঐচ্ছিক JSON ফিল্টার

• প্রতিটি সেলের মধ্যে গণনা করা স্থানগুলিকে ফিল্টার করার জন্য types , business_status , price_level এবং min_rating এর মতো অতিরিক্ত প্যারামিটার ব্যবহার করা যায়। ফিল্টার প্যারামিটারগুলির সম্পূর্ণ তালিকা দেখুন।

আউটপুট টেবিল স্কিমা

এই ফাংশনটি একটি BigQuery টেবিল রিটার্ন করে, যেখানে আপনার টার্গেট জ্যামিতির সাথে ছেদকারী প্রতিটি H3 সেল ইনডেক্সের জন্য একটি করে সারি থাকে:

কলামের নাম	ডেটা টাইপ	বর্ণনা
h3_cell_index	স্ট্রিং	সেলটির অনন্য H3 সূচক শনাক্তকারী।
geography	ভূগোল	একটি বহুভুজ যা H3 কোষের ভৌত সীমানাকে প্রতিনিধিত্ব করে।
count	পূর্ণসংখ্যা	এই নির্দিষ্ট H3 সেলের মধ্যে মিলে যাওয়া কার্যকরী স্থানগুলির মোট সঠিক সংখ্যা, অথবা কোনো স্থান না মিললে শূন্য।
sample_place_ids	অ্যারে<স্ট্রিং>	এই সেলের মধ্যে অবস্থিত ২৫০টি পর্যন্ত প্লেস আইডির একটি অ্যারে, যা প্লেসেস এপিআই ব্যবহার করে সরাসরি গ্রাউন্ড-ট্রুথ কোয়েরি করতে সক্ষম করে।

PLACES_COUNT_PER_H3 ব্যবহার করে মোট আঞ্চলিক POI ঘনত্ব

এই ফাংশনটি আপনার ফিল্টারে নির্দিষ্ট করা সীমানার ভৌগোলিক অবস্থান বিশ্লেষণ করে, আপনার নির্ধারিত রেজোলিউশনে থাকা সমস্ত ছেদকারী H3 হেক্সাগন শনাক্ত করে এবং প্রতিটি হেক্সাগনের জন্য সঠিক স্থানের সংখ্যা ও স্থান আইডি ফেরত দেয়।

উদাহরণ: নিউ ইয়র্ক রাজ্যে হুইলচেয়ার-প্রবেশযোগ্য মুদি ও সুবিধাজনক দোকান গণনা করুন।

এই কোয়েরিটি H3 রেজোলিউশন লেভেল ৮ ব্যবহার করে নিউ ইয়র্ক স্টেটের চালু ও হুইলচেয়ার-অ্যাক্সেসযোগ্য কনভেনিয়েন্স ও গ্রোসারি স্টোরগুলোকে একত্রিত করে। নিউ ইয়র্ক স্টেটের সীমানার জ্যামিতি bigquery-public-data.geo_us_boundaries.states পাবলিক ডেটাসেট থেকে ডায়নামিকভাবে কোয়েরি করা হয়।

-- 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;

প্রতিক্রিয়া বিন্যাস

কোয়েরিটি একটি সারি-ভিত্তিক টেবিল তৈরি করে যা সেলগুলোকে সরাসরি স্থানিক গণনার সাথে সংযুক্ত করে:

গুরুত্বপূর্ণ: PLACES_COUNT_PER_H3 ফাংশনে পাঠানো JSON অবজেক্টটি কঠোরভাবে ১ মেগাবাইট আকারের সীমাবদ্ধতার অধীন। যেহেতু সীমানার ভৌগোলিক অবস্থান সরাসরি JSON_OBJECT প্যারামিটারের 'geography' কী-এর অধীনে পাঠানো হয়, তাই হাজার হাজার ভার্টেক্স সহ জটিল স্থানিক সীমানা এই সীমা অতিক্রম করতে পারে। কার্য সম্পাদনে ব্যর্থতা এড়াতে, ফাংশনে জিওমেট্রি পাঠানোর আগে ভার্টেক্সের জটিলতা কমাতে ST_SIMPLIFY ফাংশনটি ব্যবহার করুন।

উদাহরণ: ব্র্যান্ড অনুযায়ী ফিল্টার করা প্রতিটি H3 সেলের স্থান সংখ্যা গণনা করুন

নিম্নলিখিত উদাহরণটি brand_ids ফিল্টার ব্যবহার করে নির্দিষ্ট ব্র্যান্ডের জন্য স্থানের সংখ্যা এবং নমুনা স্থানের আইডি পুনরুদ্ধার করে, যেমন Starbucks "1413758728321880760" এবং Dunkin "1314981297593671295" :

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']
    )
);

লুকার স্টুডিওতে গতিশীলভাবে H3 ফলাফল দেখুন

নিম্নলিখিত চিত্রগুলিতে লুকার স্টুডিওতে একটি ফিল্ড ম্যাপ হিসাবে PLACES_COUNT_PER_H3 থেকে প্রাপ্ত ডেটা দেখানো হয়েছে। H3 সেলটি যত গাঢ়, ফলাফলের ঘনত্ব তত বেশি:

আপনার ডেটা লুকার স্টুডিওতে ইম্পোর্ট করতে:

1. আপনার ফলাফল তৈরি করতে BigQuery-তে উপরের ফাংশনটি চালান।
2. BigQuery রেজাল্ট প্যানে, Open in -> Looker Studio-তে ক্লিক করুন। আপনার ফলাফল স্বয়ংক্রিয়ভাবে Looker Studio-তে ইম্পোর্ট হয়ে যাবে।

3. লুকার স্টুডিও একটি ডিফল্ট রিপোর্ট পেজ তৈরি করে এবং ফলাফলের একটি শিরোনাম, টেবিল ও বার গ্রাফ দিয়ে সেটিকে প্রস্তুত করে।

   

4. পৃষ্ঠার সবকিছু নির্বাচন করে মুছে ফেলুন।

5. আপনার রিপোর্টে একটি ফিল্ড ম্যাপ যোগ করতে Insert -> Filled map-এ ক্লিক করুন।

6. চার্ট টাইপস -> সেটআপ-এর অধীনে, নিচে দেখানো অনুযায়ী ফিল্ডগুলো কনফিগার করুন:

   

7. পূরণ করা মানচিত্রটি উপরের ছবির মতো দেখায়। আপনি চাইলে চার্ট টাইপস -> স্টাইল নির্বাচন করে মানচিত্রটির চেহারা আরও কনফিগার করতে পারেন।

Places Insights-এর ফলাফল ভিজ্যুয়ালাইজ করার বিষয়ে আরও তথ্যের জন্য, ‘কোয়েরির ফলাফল ভিজ্যুয়ালাইজ করুন ’ দেখুন।