Menanyakan jumlah POI menurut H3

Fungsi PLACES_COUNT_PER_H3 menggabungkan data Tempat Menarik (POI) ke dalam sel petak spasial H3 standar pada resolusi yang ditentukan. Fungsi ini adalah jalur yang direkomendasikan untuk analisis kepadatan regional, pemetaan kompetitif, dan pembuatan heatmap choropleth heksagonal.

Untuk memanggil fungsi PLACES_COUNT_PER_H3, gunakan klausa SQL FROM karena fungsi ini menampilkan tabel.

Sintaksis dan parameter

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

Parameter

• PROJECT_NAME: Nama project Google Cloud Anda. Jika Anda tidak menentukan nama project, kueri Anda akan menggunakan project aktif secara default.
• LINKED_DATASET_NAME: Nama set data Places Insights yang Anda langgani (misalnya, places_insights___us).
• filters (JSON): Objek JSON yang dibuat menggunakan JSON_OBJECT yang berisi parameter filter nilai kunci.

Filter JSON yang Diperlukan

• geography (GEOGRAPHY): Area penelusuran pembatas (Titik, Linestring, atau Poligon) yang akan diindeks.
• h3_resolution (INTEGER): Tingkat resolusi sel H3 (nilai yang didukung berkisar dari 0 hingga 11).

Filter JSON Opsional

• Parameter tambahan seperti types, business_status, price_level, dan min_rating untuk memfilter tempat yang dihitung dalam setiap sel. Lihat daftar lengkap parameter filter.

Skema tabel output

Fungsi ini menampilkan tabel BigQuery dengan satu baris per indeks sel H3 yang berpotongan dengan geometri target Anda:

Nama kolom	Jenis data	Deskripsi
h3_cell_index	STRING	ID indeks H3 unik untuk sel.
geography	GEOGRAPHY	Poligon yang mewakili batas fisik sel H3.
count	INTEGER	Jumlah total tempat operasional yang cocok dalam sel H3 tertentu ini, atau nol jika tidak ada tempat yang cocok.
sample_place_ids	ARRAY<STRING>	Array hingga 250 ID Tempat yang terletak dalam sel ini, yang memungkinkan kueri ground-truth langsung menggunakan Places API.

Menggabungkan kepadatan POI regional menggunakan PLACES_COUNT_PER_H3

Fungsi ini memproses geografi pembatas yang ditentukan dalam filter Anda, mengidentifikasi semua heksagon H3 yang berpotongan pada resolusi target Anda, dan menampilkan jumlah tempat yang tepat serta ID Tempat untuk setiap heksagon.

Contoh: Menghitung toko bahan makanan dan toko serba ada yang dapat diakses kursi roda di Negara Bagian New York

Kueri ini menggabungkan toko serba ada dan toko bahan makanan yang operasional dan dapat diakses kursi roda di Negara Bagian New York menggunakan tingkat resolusi H3 8. Geometri batas Negara Bagian New York dikueri secara dinamis dari set data publik bigquery-public-data.geo_us_boundaries.states.

-- 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;

Format respons

Kueri menghasilkan tabel baris demi baris yang memetakan sel langsung ke jumlah spasial:

Penting: Objek JSON yang diteruskan ke PLACES_COUNT_PER_H3 tunduk pada batas ukuran 1 MB yang ketat. Karena geografi pembatas diteruskan langsung di dalam parameter JSON_OBJECT di bawah kunci 'geography', batas spasial yang kompleks dengan ribuan verteks dapat melebihi batas ini. Untuk mencegah kegagalan eksekusi, gunakan fungsi ST_SIMPLIFY untuk mengurangi kompleksitas verteks sebelum meneruskan geometri ke fungsi.

Contoh: Menghitung tempat per sel H3 yang difilter menurut merek

Contoh berikut menggunakan filter brand_ids untuk mengambil jumlah tempat dan contoh ID tempat untuk merek tertentu, seperti Starbucks "1413758728321880760" dan 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']
    )
);

Memvisualisasikan hasil H3 secara dinamis di Looker Studio

Gambar berikut menampilkan data dari PLACES_COUNT_PER_H3 yang ditampilkan di Looker Studio sebagai peta terisi. Semakin gelap sel H3, semakin tinggi konsentrasi hasilnya:

Untuk mengimpor data ke Looker Studio:

1. Jalankan fungsi di atas di BigQuery untuk membuat hasil.
2. Di panel hasil BigQuery, klik Open in -> Looker Studio. Hasil Anda akan otomatis diimpor ke Looker Studio.

3. Looker Studio membuat halaman laporan default dan menginisialisasinya dengan judul, tabel, dan diagram batang hasil.

   

4. Pilih semua yang ada di halaman, lalu hapus.

5. Klik Insert -> Filled map untuk menambahkan peta terisi ke laporan Anda.

6. Di bagian Chart types -> Setup, konfigurasi kolom seperti yang ditunjukkan di bawah:

   

7. Peta terisi akan muncul seperti di atas. Anda dapat memilih Chart types -> Style untuk mengonfigurasi lebih lanjut tampilan peta.

Untuk mengetahui informasi selengkapnya tentang cara memvisualisasikan hasil Places Insights, lihat Memvisualisasikan hasil kueri.