H3 के हिसाब से, पीओआई की संख्या के बारे में क्वेरी करना

PLACES_COUNT_PER_H3 फ़ंक्शन, लोकप्रिय जगहों (पीओआई) के डेटा को तय किए गए रिज़ॉल्यूशन पर, स्टैंडर्ड H3 स्पैटियल ग्रिड सेल में इकट्ठा करता है. क्षेत्रीय घनत्व का विश्लेषण करने, प्रतिस्पर्धी मैपिंग करने, और हेक्सागोनल कोरोप्लेथ हीटमैप जनरेट करने के लिए, इस फ़ंक्शन का इस्तेमाल करने का सुझाव दिया जाता है.

PLACES_COUNT_PER_H3 फ़ंक्शन को कॉल करने के लिए, SQL FROM क्लॉज़ का इस्तेमाल करें, क्योंकि यह फ़ंक्शन एक टेबल दिखाता है.

सिंटैक्स और पैरामीटर

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

पैरामीटर

• PROJECT_NAME: यह आपके Google Cloud प्रोजेक्ट का नाम है. अगर आपने प्रोजेक्ट का नाम नहीं डाला है, तो आपकी क्वेरी डिफ़ॉल्ट रूप से चालू प्रोजेक्ट पर लागू होगी.
• LINKED_DATASET_NAME: आपके सदस्यता लिए हुए जगहों की अहम जानकारी डेटासेट का नाम (उदाहरण के लिए, places_insights___us).
• filters (JSON): यह JSON_OBJECT का इस्तेमाल करके बनाया गया JSON ऑब्जेक्ट है. इसमें कुंजी-वैल्यू फ़िल्टर पैरामीटर शामिल होते हैं.

ज़रूरी JSON फ़िल्टर

• geography (GEOGRAPHY): इंडेक्स की जाने वाली खोज की सीमा (पॉइंट, लाइनस्ट्रिंग या पॉलीगॉन).
• h3_resolution (INTEGER): H3 सेल का रिज़ॉल्यूशन लेवल (सपोर्ट की गई वैल्यू की सीमा 0 से 11 तक होती है).

JSON फ़िल्टर (ज़रूरी नहीं)

• हर सेल में गिने गए स्थानों को फ़िल्टर करने के लिए, types, business_status, price_level, और min_rating जैसे अतिरिक्त पैरामीटर. फ़िल्टर पैरामीटर की पूरी सूची देखें.

आउटपुट टेबल स्कीमा

यह फ़ंक्शन, BigQuery टेबल दिखाता है. इसमें आपकी टारगेट ज्यामिति से इंटरसेक्ट करने वाले हर H3 सेल इंडेक्स के लिए एक लाइन होती है:

कॉलम का नाम	डेटा टाइप	ब्यौरा
h3_cell_index	STRING	सेल के लिए यूनीक H3 इंडेक्स आइडेंटिफ़ायर.
geography	GEOGRAPHY	H3 सेल की फ़िज़िकल बाउंड्री दिखाने वाला पॉलीगॉन.
count	INTEGER	इस H3 सेल में, ऑपरेशनल जगहों की कुल संख्या जो मैच करती हैं. अगर कोई जगह मैच नहीं करती है, तो यह संख्या शून्य होगी.
sample_place_ids	ARRAY<STRING>	इस सेल में मौजूद 250 जगहों के आईडी का कलेक्शन. इससे Places API का इस्तेमाल करके, सीधे तौर पर ग्राउंड-ट्रुथ क्वेरी की जा सकती हैं.

PLACES_COUNT_PER_H3 का इस्तेमाल करके, रीजनल लोकप्रिय जगह सघनता को कुल करना

यह फ़ंक्शन, आपके फ़िल्टर में बताई गई सीमा वाली जगह को प्रोसेस करता है. साथ ही, टारगेट रिज़ॉल्यूशन पर इंटरसेक्ट करने वाले सभी H3 हेक्सागोन की पहचान करता है. इसके बाद, यह हर हेक्सागोन के लिए जगहों की सटीक संख्या और Place ID दिखाता है.

उदाहरण: न्यूयॉर्क स्टेट में, व्हीलचेयर से पहुंचा जा सकने वाली किराने की दुकानों और सुविधा स्टोर की संख्या गिनें

इस क्वेरी में, न्यूयॉर्क स्टेट में मौजूद उन दुकानों की जानकारी दी गई है जहां व्हीलचेयर से पहुंचा जा सकता है. साथ ही, इसमें किराने की दुकानों और अन्य दुकानों की जानकारी भी शामिल है. इसके लिए, H3 रिज़ॉल्यूशन लेवल 8 का इस्तेमाल किया गया है. न्यूयॉर्क राज्य की सीमा की ज्यामिति, bigquery-public-data.geo_us_boundaries.states सार्वजनिक डेटासेट से डाइनैमिक तौर पर क्वेरी की जाती है.

-- 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;

जवाब का फ़ॉर्मैट

क्वेरी से मिली टेबल में, हर लाइन में मौजूद सेल को सीधे तौर पर स्पैटियल काउंट से मैप किया जाता है:

अहम जानकारी: PLACES_COUNT_PER_H3 को पास किया गया JSON ऑब्जेक्ट, 1 एमबी के साइज़ की तय सीमा के दायरे में होना चाहिए. बाउंडिंग जियोग्राफ़ी को सीधे तौर पर 'geography' कुंजी के तहत JSON_OBJECT पैरामीटर में पास किया जाता है. इसलिए, हज़ारों वर्टिस वाली जटिल स्थानिक सीमाएं इस सीमा से ज़्यादा हो सकती हैं. फ़ंक्शन के काम न करने की समस्या से बचने के लिए, ST_SIMPLIFY फ़ंक्शन का इस्तेमाल करें. इससे, फ़ंक्शन को ज्योमेट्री पास करने से पहले वर्टेक्स की जटिलता कम हो जाती है.

उदाहरण: ब्रैंड के हिसाब से फ़िल्टर किए गए हर H3 सेल के हिसाब से जगहों की संख्या गिनें

यहां दिए गए उदाहरण में, brand_ids फ़िल्टर का इस्तेमाल करके, खास ब्रैंड के लिए जगहों की संख्या और जगहों के आईडी का सैंपल वापस पाया गया है. जैसे, Starbucks "1413758728321880760" और 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']
    )
);

Looker Studio में H3 के नतीजों को डाइनैमिक तरीके से विज़ुअलाइज़ करना

यहां दी गई इमेज में, PLACES_COUNT_PER_H3 का डेटा दिखाया गया है. इसे Looker Studio में फ़िल्ड मैप के तौर पर दिखाया गया है. H3 सेल जितना गहरा होगा, नतीजे उतने ही ज़्यादा होंगे:

अपने डेटा को Looker Studio में इंपोर्ट करने के लिए:

1. नतीजे जनरेट करने के लिए, BigQuery में ऊपर दिया गया फ़ंक्शन चलाएं.
2. BigQuery के नतीजों वाले पैनल में, इसमें खोलें -> Looker Studio पर क्लिक करें. आपके नतीजे, Looker Studio में अपने-आप इंपोर्ट हो जाते हैं.

3. Looker Studio, डिफ़ॉल्ट रूप से एक रिपोर्ट पेज बनाता है. साथ ही, इसमें नतीजों का टाइटल, टेबल, और बार ग्राफ़ दिखाता है.

   

4. पेज पर मौजूद सभी आइटम चुनें और उन्हें मिटाएं.

5. अपनी रिपोर्ट में फ़िल्ड मैप जोड़ने के लिए, सम्मिलित करें -> फ़िल्ड मैप पर क्लिक करें.

6. चार्ट टाइप -> सेटअप में जाकर, फ़ील्ड को इस तरह कॉन्फ़िगर करें:

   

7. भरे गए मैप की इमेज ऊपर दी गई है. मैप को और कॉन्फ़िगर करने के लिए, चार्ट टाइप -> स्टाइल को चुना जा सकता है. हालांकि, यह ज़रूरी नहीं है.

Places Insights के नतीजों को विज़ुअलाइज़ करने के बारे में ज़्यादा जानने के लिए, क्वेरी के नतीजों को विज़ुअलाइज़ करना लेख पढ़ें.