PLACES_COUNT_PER_H3 ফাংশন

PLACES_COUNT_PER_H3 ফাংশনটি অনুসন্ধানের জন্য একটি ভৌগোলিক এলাকা গ্রহণ করে এবং অনুসন্ধানকৃত এলাকার প্রতিটি H3 সেলের স্থান সংখ্যার একটি সারণি ফেরত দেয়।

যেহেতু PLACES_COUNT_PER_H3 ফাংশনটি একটি টেবিল রিটার্ন করে, তাই এটিকে FROM ক্লজ ব্যবহার করে কল করুন।

• ইনপুট প্যারামিটারসমূহ:

  • আবশ্যক : geography ফিল্টার প্যারামিটার যা অনুসন্ধান এলাকা নির্দিষ্ট করে। geography প্যারামিটারটি BigQuery GEOGRAPHY ডেটা টাইপ দ্বারা সংজ্ঞায়িত একটি মান, যা পয়েন্ট, লাইনস্ট্রিং এবং পলিগন সমর্থন করে।

    ভিউপোর্ট এবং লাইনের মতো বিভিন্ন ধরণের সার্চ জিওগ্রাফি ব্যবহারের উদাহরণের জন্য PLACES_COUNT ফাংশনটি দেখুন।

  • আবশ্যক : h3_resolution ফিল্টার প্যারামিটার , যা প্রতিটি H3 সেলের স্থান সংখ্যা একত্রিত করতে ব্যবহৃত H3 রেজোলিউশন নির্দিষ্ট করে। সমর্থিত মান ০ থেকে ১১ পর্যন্ত।

  • ঐচ্ছিক : আপনার অনুসন্ধানকে আরও পরিমার্জিত করার জন্য অতিরিক্ত ফিল্টার প্যারামিটার।

• ফেরত:

  • প্রতিটি H3 সেলের জন্য একটি করে সারি সহ একটি টেবিল। টেবিলটিতে h3_cell_index ( STRING ), geography ( GEOGRAPHY ) (যা H3 সেলটির প্রতিনিধিত্বকারী বহুভুজকে সংজ্ঞায়িত করে), count ( INT64 ), এবং place_ids ( ARRAY<STRING> ) কলামগুলো রয়েছে, যেখানে place_ids কলামটিতে প্রতিটি H3 সেলের জন্য ২৫০টি পর্যন্ত স্থানের আইডি থাকে।

উদাহরণ: প্রতি H3 সেলে হুইলচেয়ার প্রবেশযোগ্য সুবিধাজনক দোকান এবং মুদি দোকানের সংখ্যা গণনা করুন।

নিচের উদাহরণটি নিউ ইয়র্ক সিটিতে প্রতিটি H3 সেলের জন্য চালু, হুইলচেয়ার ব্যবহারকারীদের জন্য প্রবেশযোগ্য সুবিধাজনক দোকান এবং মুদি দোকানের সংখ্যা গণনা করে। H3 সেলগুলোতে ৮ রেজোলিউশন লেভেল ব্যবহার করা হয়েছে।

এই উদাহরণটিতে নিউ ইয়র্ক সিটির ভৌগোলিক তথ্য পেতে Overture Maps Data BigQuery পাবলিক ডেটাসেটটি ব্যবহার করা হয়েছে।

দ্রষ্টব্য: যেহেতু রেসপন্স টেবিলে একটি geography ফিল্ড থাকে, তাই আপনি BigQuery GEOGRAPHY টাইপ সমর্থনকারী টুল ব্যবহার করে এটি ভিজ্যুয়ালাইজ করতে পারেন। কোনো ফাংশনের ফলাফল ভিজ্যুয়ালাইজ করার উদাহরণের জন্য, 'ফলাফল ভিজ্যুয়ালাইজ করুন ' দেখুন। Places Insights-এর ফলাফল ভিজ্যুয়ালাইজ করার বিষয়ে আরও তথ্য এবং উদাহরণের জন্য, 'কোয়েরির ফলাফল ভিজ্যুয়ালাইজ করুন' দেখুন।

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,
      'types', ["convenience_store","grocery_store"],
      'wheelchair_accessible_entrance', true,
      'business_status', ['OPERATIONAL'],
      'h3_resolution', 8
    )
);

ফাংশনটির প্রতিক্রিয়া:

ফলাফল কল্পনা করুন

নিম্নলিখিত চিত্রগুলিতে এই ডেটা লুকার স্টুডিওতে একটি ফিল্ড ম্যাপ হিসাবে প্রদর্শিত হয়েছে। H3 সেলটি যত গাঢ়, ফলাফলের ঘনত্ব তত বেশি:

আপনার ডেটা লুকার স্টুডিওতে ইম্পোর্ট করতে:

1. ফলাফল তৈরি করতে উপরের ফাংশনটি চালান।

2. BigQuery-এর ফলাফলে, 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 ফিল্ডগুলি কনফিগার করুন::

   

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

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