Google 會運用 AI 技術將內容翻譯成你偏好的語言，但可能會出錯。

開始使用 Places Insights

地點計數函式是預先定義的 SQL 查詢，會在 BigQuery 中執行，建議您使用這種方式查詢 Places Insights 資料集，擷取確切計數和地點 ID。雖然您也可以直接查詢資料集，但這兩種查詢方法處理隱私權門檻和搜尋區域的方式不同：

Places Count 函式可傳回任何計數 (包括 0)，但強制規定搜尋區域至少為 40.0 公尺 x 40.0 公尺 (1600 平方公尺)。函式也會傳回地點 ID，可用於查詢個別地點的資訊，並支援使用選用的日期篩選器，分析過去每月快照中的歷來搜尋點。
地點資料集查詢只能傳回 5 以上的計數 (省略 0 到 4 的低計數，以維護差異化隱私)，但不會限制搜尋區域的大小。

除非需要執行複雜的空間分析，否則建議先使用 Places 計數函式，例如 PLACES_COUNT_PER_H3。這項工具可立即提供標準化網格儲存格的空間密度洞察資料、傳回地點 ID 以進行基準真相檢查，並專為地理空間特徵工程和機器學習模型打造。

選取最佳 Places Count 函式

Places Insights 支援多種空間函式。為最佳化查詢執行、平行處理和批次擴充性，建議使用下列函式：

PLACES_COUNT_PER_H3：傳回 BigQuery 資料表，其中包含每個 H3 儲存格的地點數量。建議用於區域密度分析和等值線熱視圖。
PLACES_COUNT_V2：傳回包含地點數量和範例地點 ID 的資料表。這個函式接受資料表參數，其中包含輸入的地理區域。直接傳遞整個資料表，BigQuery 執行引擎就能分配工作負載，並平行處理空間交集，進而高效批次處理大規模分析。
PLACES_COUNT_PER_TYPE_V2：傳回地點數量和地點 ID 範例的表格，並依地點類型分類。與 PLACES_COUNT_V2 類似，將輸入地理區域做為資料表參數傳遞，可讓 BigQuery 原生平行處理大型資料集的空間交集。
PLACES_COUNT_CHANGE：傳回地點數量表格，以及兩個指定月份之間新增和移除的地點 ID。與 PLACES_COUNT_V2 類似，將輸入地理區域做為資料表參數傳遞，可讓 BigQuery 原生平行處理大型資料集的空間交集。

除了地點數量，這些函式也會傳回最多 250 個地點 ID (每個回應元素)。

地點 ID 可用於：

使用 Places Count 函式執行查詢

請使用下列格式呼叫函式：[project name (optional)].[table name].[function name]。

如果您在設定 Places Insights 時變更了連結的資料集名稱，請使用自訂名稱，而非預設資料表名稱。您也可以視需要加入專案名稱。如未提供，查詢會預設為使用中的專案。

例如：

PROJECT_NAME.places_insights___us.PLACES_COUNT_V2

使用 JSON_OBJECT 將引數傳遞至函式。

使用區分大小寫的參數篩選查詢結果

Places Count 函式支援多種篩選條件，可縮小搜尋範圍。這些參數 (例如 price_level 或 types) 會區分大小寫，且必須與參數名稱完全相符。如需完整的選項清單，請參閱篩選器參數參考資料。

使用 snapshot_date 查詢歷來快照

根據預設，Places Count 函式會查詢最新的可用資料快照。如要分析過去某個月份的地點資料，請在 JSON_OBJECT 中加入選用的 snapshot_date 參數。

格式： YYYY-MM (例如 '2026-07')。
預設：如果省略，函式會自動查詢最新快照。

以下範例會查詢 2026 年 7 月快照中記錄的搜尋區域周邊餐廳數量：

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas`,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters
      'business_status', ['OPERATIONAL'],
      'types', ["restaurant"],
      'snapshot_date', '2026-07' -- Optional historical snapshot month
  )
);

在下一個範例中，您將使用 PLACES_COUNT_V2 函式套用篩選器，依最低使用者評分、價格等級、營業狀態，以及餐廳是否允許攜帶狗，來限制搜尋範圍。

首先，請使用輸入地理區域資料表，或準備一份包含所選地理區域的資料表：

-- Create a table for the input geographies
CREATE TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas` AS (
  SELECT
    '1' AS geo_id, -- Unique identifier
    ST_GEOGPOINT(-73.9857, 40.7484) AS geo -- Empire State Building
  UNION ALL
  SELECT
    '2' AS geo_id, -- Unique identifier
    ST_GEOGPOINT(-73.9851, 40.7580) AS geo -- Times Square
);

接著，呼叫 PLACES_COUNT_V2，並傳入資料表和包含篩選器的 JSON 物件。搜尋半徑包含在 JSON 篩選器中，並會套用至 my_search_areas 資料表中的每個點。

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas`,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters around each point in 'geo'
      'business_status', ['OPERATIONAL'],
      'types', ["restaurant"],
      'min_rating', 1.3,
      'price_level', ['PRICE_LEVEL_INEXPENSIVE', 'PRICE_LEVEL_MODERATE'],
      'allows_dogs', TRUE
      )
);

範例：使用 PLACES_COUNT_V2 查詢餐廳數量和品牌地點

以下範例使用 PLACES_COUNT_V2 函式和自訂輸入地理位置資料表 my_search_areas，傳回 2026 年 7 月紐約市帝國大廈和時報廣場 1,000 公尺範圍內營業中的餐廳數量：

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas`,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters
      'business_status', ['OPERATIONAL'],
      'types', ["restaurant"],
      'snapshot_date', '2026-07'
      )
);

回應會是 BigQuery 資料表，其中包含 geo_id、地理位置、計數和地點 ID 範例。

紐約市地點計數函式的結果。

以下範例使用 PLACES_COUNT_V2 函式，依特定品牌 ID 篩選。在這個範例中，我們使用品牌 ID "1413758728321880760" 篩選星巴克門市。

如要找出要篩選的品牌 ID，請查詢資料集的 brands 資料表 (例如 places_insights___us.brands)。如要進一步瞭解品牌資料集，請參閱「使用品牌資料編寫查詢」。

舉例來說，如要找出「Starbucks」的品牌 ID，請按照下列步驟操作：

SELECT id, name
FROM `PROJECT_NAME.places_insights___us.brands`
WHERE name = "Starbucks"

取得品牌 ID 後，您可以在 brand_ids 篩選器中使用這些 ID，如以下查詢所示：

SELECT * FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_V2`(
  TABLE `PROJECT_NAME.YOUR_DATASET.my_search_areas`,
  JSON_OBJECT(
      'geography_radius', 1000, -- Radius in meters
      'business_status', ['OPERATIONAL'],
      'brand_ids', ["1413758728321880760"]
      )
);

使用 Google Cloud 工具以圖表呈現查詢輸出內容

分析和商業智慧工具可協助您從 BigQuery 資料中發掘洞察資訊。BigQuery 支援多種 Google 和第三方資料視覺化工具，可用於分析 Places Insights 資料函式的結果。

如需以視覺化方式呈現函式結果的範例，請參閱 PLACES_COUNT_PER_H3 參考資料中的「視覺化呈現結果」。如要進一步瞭解如何以圖表呈現 Places Insights 結果，請參閱「以圖表呈現查詢結果」。

函式限制和規定

Places Count 函式有下列限制和規定：

這些函式僅支援COUNT洞察資料。
搜尋區域至少須為 40.0 公尺 x 40.0 公尺 (1,600 平方公尺)。
參數輸入大小限制：以參數形式傳遞至函式的 JSON 物件，大小上限為 1 MB。這項限制的影響取決於函式版本：
- 如果是 V2 函式 (PLACES_COUNT_V2、PLACES_COUNT_PER_TYPE_V2、PLACES_COUNT_CHANGE)，這項限制僅適用於篩選器 JSON 物件。由於地理區域是使用資料表參數個別提供，因此這些函式可以擴充至更多輸入地理區域，而不會達到 JSON 大小限制。
- 如果是 PLACES_COUNT_PER_H3、PLACES_COUNT、PLACES_COUNT_PER_TYPE 和 PLACES_COUNT_PER_GEO，這項限制適用於整個 JSON 物件，包括所有地理位置定義。這可能會限制單次呼叫可處理的地理區域數量。
不支援依地點 ID 或地址元件篩選。
您只能存取已訂閱城市和國家/地區的地點計數函式。如要存取資料集，請參閱「設定 Places Insights」。
篩選器參數 (例如 geography 或 types) 區分大小寫，且必須與參數名稱完全相符，否則查詢會失敗。