Erste Schritte mit Places Insights

Places Count-Funktionen sind vordefinierte SQL-Abfragen, die in BigQuery ausgeführt werden. Sie sind die empfohlene Methode, um das Places Insights-Dataset abzufragen und genaue Zahlen und Orts-IDs abzurufen. Sie können das Dataset auch direkt abfragen. Die beiden Abfragemethoden verarbeiten Datenschutzschwellenwerte und Suchbereiche:

• Places Count-Funktionen können beliebige Anzahlen zurückgeben, einschließlich 0, erzwingen jedoch einen Mindestsuchbereich von 40,0 m × 40, 0 m (1.600 m²). Die Funktionen geben auch Orts-IDs zurück, mit denen Informationen zu einzelnen Orten abgerufen werden können. Außerdem unterstützen sie die Analyse von POIs in der Vergangenheit anhand von monatlichen Snapshots mit optionalen Datumsfiltern.

• Abfragen für Orts-Datasets können nur Ergebnisse ab 5 zurückgeben (niedrige Ergebnisse von 0–4 werden weggelassen, um die Differential Privacy zu wahren). Es gibt jedoch keine Einschränkungen für die Größe des Suchbereichs.

Sofern Sie keine komplexen räumlichen Analysen durchführen müssen, empfehlen wir, mit Funktionen zur Zählung von Orten wie PLACES_COUNT_PER_H3 zu beginnen. Sie liefert sofortige Einblicke in die räumliche Dichte über standardisierte Rasterzellen, gibt Orts-IDs für die Überprüfung der Grundwahrheit zurück und ist speziell für Feature Engineering und ML-Modelle konzipiert.

Optimale Funktion für die Anzahl der Orte auswählen

Places Insights unterstützt mehrere räumliche Funktionen. Für eine optimierte Abfrageausführung, parallele Verarbeitung und Batch-Skalierbarkeit empfehlen wir die Verwendung der folgenden Funktionen:

• PLACES_COUNT_PER_H3: Gibt eine BigQuery-Tabelle mit der Anzahl der Orte pro H3-Zelle zurück. Diese Funktion wird für die regionale Dichteanalyse und die Erstellung von Choroplethen-Heatmaps empfohlen.
• PLACES_COUNT_V2: Gibt eine Tabelle mit der Anzahl der Orte und Beispiel-Orts-IDs zurück. Diese Funktion akzeptiert einen Tabellenparameter, der Ihre Eingabegeografien enthält. Wenn Sie eine ganze Tabelle direkt übergeben, kann die BigQuery-Ausführungs-Engine die Arbeitslast verteilen und räumliche Schnittpunkte parallel verarbeiten. Das ermöglicht eine hocheffiziente Batchverarbeitung für umfangreiche Analysen.
• PLACES_COUNT_PER_TYPE_V2: Gibt eine Tabelle mit der Anzahl der Orte und Beispiel-Orts-IDs zurück, kategorisiert nach Ortstyp. Ähnlich wie bei PLACES_COUNT_V2 können Sie Ihre Eingabegeografien als Tabellenparameter übergeben, damit BigQuery räumliche Schnittpunkte über große Datasets hinweg nativ parallelisieren kann.
• PLACES_COUNT_CHANGE: Gibt eine Tabelle mit der Anzahl der Orte sowie den hinzugefügten und entfernten Orts-IDs zwischen zwei angegebenen Monaten zurück. Ähnlich wie bei PLACES_COUNT_V2 ermöglicht die Übergabe Ihrer Eingabegeografien als Tabellenparameter BigQuery, räumliche Schnittpunkte über große Datasets hinweg nativ zu parallelisieren.

Zusätzlich zur Anzahl der Orte geben diese Funktionen auch bis zu 250 Orts-IDs pro Element der Antwort zurück.

Orts-IDs können für Folgendes verwendet werden:

• Places API (New)
• Geocoding API
• Places UI Kit

Hinweis: Sie können auf die Funktionen für die Anzahl der Orte für dieselben Städte und Länder zugreifen, auf die Sie Zugriff haben.

Abfragen mit Places Count-Funktionen ausführen

Verwenden Sie das folgende Format, um die Funktionen aufzurufen: [project name (optional)].[table name].[function name].

Wenn Sie den Namen des verknüpften Datasets beim Einrichten von Places Insights geändert haben, verwenden Sie Ihren benutzerdefinierten Namen anstelle der Standardtabellennamen. Optional können Sie auch den Projektnamen angeben. Wenn keine angegeben ist, wird die Abfrage standardmäßig auf das aktive Projekt angewendet.

Beispiel:

PROJECT_NAME.places_insights___us.PLACES_COUNT_V2

Verwenden Sie ein JSON_OBJECT, um Argumente an die Funktion zu übergeben.

Hinweis: Wenn Sie eine Places Count-Funktion verwenden, geben Sie die Funktion in der FROM-Klausel an und lassen Sie WITH_AGGREGATION_THRESHOLD weg.

Abfrageergebnisse mit Parametern filtern, bei denen die Groß-/Kleinschreibung berücksichtigt wird

Die Funktionen zum Zählen von Orten unterstützen viele Filter, mit denen Sie Ihre Suche verfeinern können. Bei diesen Parametern (z. B. price_level oder types) wird zwischen Groß- und Kleinschreibung unterschieden. Sie müssen genau mit den Parameternamen übereinstimmen. Eine vollständige Liste der Optionen finden Sie in der Referenz zu Filterparametern.

Verlaufs-Snapshots mit snapshot_date abfragen

Standardmäßig fragen die Funktionen für die Anzahl der Orte den neuesten verfügbaren Daten-Snapshot ab. Wenn Sie Ortsdaten analysieren möchten, wie sie in einem bestimmten Monat in der Vergangenheit vorhanden waren, fügen Sie Ihrer JSON_OBJECT den optionalen Parameter snapshot_date hinzu.

• Format: YYYY-MM (z. B. '2026-07').
• Standard: Wenn dieser Wert weggelassen wird, fragt die Funktion automatisch den neuesten Snapshot ab.

Im folgenden Beispiel wird die Anzahl der Restaurants in Ihren Suchgebieten abgefragt, die im Snapshot vom Juli 2026 erfasst wurden:

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
  )
);

Im nächsten Beispiel wenden Sie Filter an, um die Suche mithilfe der Funktion PLACES_COUNT_V2 nach Mindestnutzerbewertung, Preisniveau, Geschäftsstatus und danach, ob Hunde im Restaurant erlaubt sind, einzuschränken.

Verwenden Sie zuerst Ihre Eingabegeografietabelle oder bereiten Sie eine mit den ausgewählten geografischen Einheiten vor:

Wichtig: Sie müssen das Dataset mit der Tabelle der Eingabegeografien in derselben Region wie das verknüpfte Places Insights-Dataset erstellen. Wenn die Standorte nicht übereinstimmen, gibt BigQuery einen Fehler zurück.

-- 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
);

Rufen Sie als Nächstes PLACES_COUNT_V2 mit der Tabelle und dem JSON-Objekt auf, das die Filter enthält. Der Suchradius ist in den JSON-Filtern enthalten und wird auf jeden Punkt in der Tabelle my_search_areas angewendet.

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
      )
);

Hinweis: Verwenden Sie den Filter business_status, um die Anzahl der OPERATIONAL-Unternehmen zu erhalten. Andernfalls werden geschlossene Unternehmen mitgezählt.

Beispiel: Anzahl der Restaurants und Markenstandorte mit PLACES_COUNT_V2 abfragen

Im folgenden Beispiel wird die Funktion PLACES_COUNT_V2 mit der benutzerdefinierten Eingabegeografietabelle my_search_areas verwendet, um die Anzahl der im Juli 2026 geöffneten Restaurants im Umkreis von 1.000 Metern um das Empire State Building und den Times Square in New York City zurückzugeben:

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'
      )
);

Die Antwort ist eine BigQuery-Tabelle, die die geo_id, die Geografie, die Anzahl und eine Stichprobe von Orts-IDs enthält.

Im folgenden Beispiel wird die Funktion PLACES_COUNT_V2 verwendet, um nach bestimmten Marken-IDs zu filtern. In diesem Beispiel filtern wir nach Starbucks-Standorten mit der Marken-ID "1413758728321880760".

Wenn Sie die Marken-IDs für die Marken finden möchten, nach denen Sie filtern möchten, fragen Sie die Tabelle brands für Ihr Dataset ab (z. B. places_insights___us.brands). Weitere Informationen zum Marken-Dataset finden Sie unter Abfrage mit Markendaten schreiben.

So finden Sie beispielsweise die Marken-ID für „Starbucks“:

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

Nachdem Sie die Marken-IDs abgerufen haben, können Sie sie im Filter brand_ids verwenden, wie in der folgenden Abfrage gezeigt:

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"]
      )
);

Hinweis: Die erforderlichen und optionalen Parameter unterscheiden sich für jede Places Count-Funktion, wie unter Filter beschrieben.

Abfrageausgabe mit Google Cloud-Tools visualisieren

Mit Analyse- und Business-Intelligence-Tools können Sie Erkenntnisse aus Ihren BigQuery-Daten gewinnen. BigQuery unterstützt mehrere Datenvisualisierungstools von Google und Drittanbietern, mit denen Sie die Ergebnisse Ihrer Funktionen für Places Insights-Daten analysieren können.

Ein Beispiel für die Visualisierung der Ergebnisse einer Funktion finden Sie unter Ergebnisse in der PLACES_COUNT_PER_H3-Referenz visualisieren. Weitere Informationen zum Visualisieren von Places Insights-Ergebnissen finden Sie unter Abfrageergebnisse visualisieren.

Einschränkungen und Anforderungen für Funktionen

Für die Funktionen zum Zählen von Orten gelten die folgenden Einschränkungen und Anforderungen:

• Die Funktionen unterstützen nur COUNT-Statistiken.
• Es ist ein Suchbereich von mindestens 40,0 m × 40,0 m (1.600 m²) erforderlich.
• Größenbeschränkung für Parametereingaben: Das JSON-Objekt, das als Parameter an die Funktionen übergeben wird, ist auf 1 MB beschränkt. Die Auswirkungen dieses Limits hängen von der Funktionsversion ab:
  • Bei V2-Funktionen (PLACES_COUNT_V2, PLACES_COUNT_PER_TYPE_V2, PLACES_COUNT_CHANGE) gilt dieses Limit nur für das JSON-Objekt „filters“. Da geografische Einheiten separat über einen Tabellenparameter bereitgestellt werden, können diese Funktionen auf eine viel größere Anzahl von Eingabegeografien skaliert werden, ohne dass das JSON-Größenlimit erreicht wird.
  • Für PLACES_COUNT_PER_H3, PLACES_COUNT, PLACES_COUNT_PER_TYPE und PLACES_COUNT_PER_GEO gilt dieses Limit für das gesamte JSON-Objekt, einschließlich aller Geografiedefinitionen. Dies kann die Anzahl der geografischen Einheiten einschränken, die in einem einzelnen Aufruf verarbeitet werden können.
• Das Filtern nach Orts-ID oder Adresskomponente wird nicht unterstützt.
• Sie können nur auf die Places Count-Funktionen für die Städte und Länder zugreifen, die Sie abonniert haben. Informationen zum Zugriff auf Datasets finden Sie unter Places Insights einrichten.
• Bei Filterparametern (z. B. geography oder types) wird die Groß-/Kleinschreibung berücksichtigt. Sie müssen genau mit den Parameternamen übereinstimmen, da die Abfrage sonst fehlschlägt.