لمحة عن بيانات "إحصاءات حول ديناميات السكان"

فهم البيانات

على الرغم من أنّ التضمينات متاحة في بلدان متعدّدة، يظل المخطط متسقًا في جميع مجموعات البيانات. يتم تنظيم عمليات التضمين في بطاقات بيانات منفصلة على BigQuery لكل بلد.

بنية متّجه التضمين

العمود features هو متّجه ذو 330 بُعدًا (يتم تخزينه كصفيف REPEATED FLOAT في BigQuery). يتوافق كل قسم من المصفوفة مع إشارة بيانات محدّدة يستخرجها نموذج "ديناميكية السكان".

ويتيح فهم هذه البنية إزالة الميزات (على سبيل المثال، تحديد مدى تأثير سلوك البحث في توقّع المبيعات مقارنةً بالطقس).

فهارس المتّجهات مصدر البيانات الوصف
‫0 – 127 مؤشرات البحث المُجمَّعة تسجّل هذه الفئة الاهتمامات والمخاوف الإقليمية (على سبيل المثال، عمليات البحث عن "نادي رياضي" و"أعراض الإنفلونزا" و"سلع فاخرة").
‫128 – 255 الخرائط ومدى الازدحام تتضمّن هذه الطبقة البيئة العمرانية (نقاط الاهتمام، مثل المستشفيات والمنتزهات والمدارس) وكثافة الأنشطة البشرية.
‫256 – 329 الطقس وجودة الهواء تسجيل السياق البيئي (درجة الحرارة، وهطول الأمطار، ومؤشر جودة الهواء، والرياح)

الأعمدة الرئيسية والبيانات الوصفية

يحتوي جدول التضمينات على بيانات وصفية مكانية تتيح التحليل الجغرافي المكاني والفلترة وإمكانية التشغيل التفاعلي مع خدمات أخرى من "منصة خرائط Google".

  • geo_id: المعرّف الأساسي للمنطقة. بالنسبة إلى مجموعات بيانات خلايا S2، هذا هو رمز خلية S2 المعروض كسلسلة سداسية عشرية (على سبيل المثال، '80ead45'). استخدِم هذا الرمز كمفتاح الربط الأساسي.
  • ‫geo_name: الاسم القابل للقراءة للمنطقة. ملاحظة: بالنسبة إلى مجموعات بيانات شبكة S2، لا تحتوي الخلايا الرياضية على أسماء عادية، لذا سيحتوي هذا العمود على الرمز المميز نفسه تمامًا كما في geo_id. تم تصميم ذلك للحفاظ على بنية أعمدة متسقة في جميع عروض "إحصاءات السكان".
  • administrative_area_level_1_id: رقم تعريف المكان الفريد في "خرائط Google" للحدود الإدارية ذات المستوى الأعلى (مثل الولاية أو المقاطعة).
  • administrative_area_level_1_name: الاسم القابل للقراءة الخاص بالحدود ذات المستوى الأعلى (على سبيل المثال، 'California').
  • administrative_area_level_2_id: رقم تعريف المكان الفريد على "خرائط Google" للحدود الإدارية الثانوية (مثل المقاطعة أو المنطقة).
  • administrative_area_level_2_name: الاسم القابل للقراءة للحدود الثانوية (على سبيل المثال، 'Tulare County').
  • ‫features: متّجه التضمين الأساسي ذو 330 بُعدًا، ويتم تخزينه بشكل أصلي كـ ARRAY<FLOAT64>. يتطلّب تحميل هذا الملف في مكتبة Pandas Python تسطيحه أو تحويله إلى مصفوفة NumPy.

الأسئلة الشائعة

هل يمكنني الوصول إلى بيانات الإدخال الأولية (مثل طلبات البحث المحدّدة أو بيانات التنقّل)؟

لا، يتم إنشاء عمليات التضمين في &quot;إحصاءات حول ديناميات السكان&quot; من إشارات مجمّعة تحافظ على الخصوصية. لضمان خصوصية المستخدمين، لا نقدّم عمليات تتبُّع محدّدة للمستخدمين أو سجلّات بحث فردية أو أنماط تنقّل أولية. تقدّم التضمينات تمثيلاً كامنًا لهذه السلوكيات، تم تحسينه من أجل وضع النماذج والتوقّع، بدلاً من التحليلات الأولية.

هل يمكن تفسير أبعاد المتّجه (على سبيل المثال، هل السمة 5 هي "قهوة"؟)

المتّجهات هي تمثيلات كامنة، ما يعني أنّها ترصد أنماطًا مجرّدة بدلاً من تصنيفات محدّدة قابلة للقراءة. مع أنّنا نعلم أنّ المؤشرات من 0 إلى 127 مستمدّة من &quot;مؤشرات البحث&quot;، إلا أنّ مؤشرًا معيّنًا (مثل المؤشر 5) لا يرتبط بشكل مباشر بكلمة رئيسية واحدة مثل &quot;قهوة&quot;. بدلاً من ذلك، يمثّل هذا المؤشر ميزة معقّدة من ميزات سلوك البحث التي تعلّمها النموذج.

هل تتضمّن مجموعة البيانات حدودًا مضلّعة (ملفات Shapefile)؟

توفّر مجموعة البيانات رموزًا مميزة لخلايا S2 (geo_id) ومعرّفات أماكن للمعرّفات الجغرافية (مثل مناطق المستوى 1 والمستوى 2 الإدارية)، ولكنّها لا تتضمّن أشكالاً هندسية أولية للمضلّعات (WKT/Shapefiles) لمناطق خلايا S2. يؤدي حذف الأشكال الهندسية الأولية إلى منع تضخّم مساحة التخزين وخفض تكاليف الفحص في BigQuery لعمليات نقل البيانات الخاصة بالتعلم الآلي التي تتطلّب متجهات الميزات فقط. علاوةً على ذلك، فإنّ الربط باستخدام رموز مميزة لسلسلة S2 أسرع بكثير وأكثر كفاءة من الناحية الحسابية من تنفيذ عمليات تقاطع المضلعات المكانية.

  • بالنسبة إلى إحداثيات النقاط: لدمج بيانات النقاط (مثل مواقع نقاط الاهتمام أو مراكز المتاجر) مع &quot;إحصاءات ديناميكية حول السكان&quot;، يجب تحويل إحداثيات خطوط الطول والعرض إلى رموز مميّزة لخلايا S2 المستوى 12 باستخدام S2_CELLIDFROMPOINT مع ST_GEOGPOINT (راجِع تحويل إحداثيات النقاط إلى رموز مميّزة سداسية عشرية من المستوى 12 في S2).
  • بالنسبة إلى حدود المناطق: إذا كنت بحاجة إلى تقاطع حدود مخصّصة مع إحصاءات حول التغيّرات السكانية، ننصحك بتحويل المضلّعات المخصّصة إلى رموز مميّزة للخلايا من المستوى 12 في S2 باستخدام S2_COVERINGCELLIDS (راجِع إنشاء رموز مميّزة للخلايا من المستوى 12 في S2 لتغطية مضلّع) أو دمج مجموعة البيانات هذه مع مجموعات بيانات الحدود العلنية المتوفّرة في BigQuery Public Data.
  • للعرض المرئي وتحويل الأشكال الهندسية: تؤدي دوال الجغرافيا المضمّنة في BigQuery عملية تحويل أحادي الاتجاه (الشكل الهندسي → رقم تعريف خلية S2). لتحويل رموز خلايا S2 إلى أشكال هندسية مضلّعة لاستخدامها في أدوات الربط أو نظم المعلومات الجغرافية، يمكنك استخدام مكتبات من جهة العميل، مثل s2sphere في Python. للاطّلاع على نماذج الرموز والتعليمات، يُرجى الرجوع إلى الحصول على شكل هندسي لخلية S2 من رمز مميز سداسي عشري من المستوى 12 في S2.