Population Dynamics Insights (PDI) proporciona una instantánea enriquecida y específica de la ubicación sobre cómo las poblaciones interactúan con su entorno. Captura esta compleja relación en un conjunto de datos de embeddings que se puede integrar en tus modelos geoespaciales y predictivos existentes.
Las embeddings de PDI se generan con el modelo patentado de Google, que se entrena con un conjunto de datos geoindexado de información agregada enriquecida de las tendencias de la Búsqueda de Google y los patrones de visitas de actividad, los lugares de interés, los datos meteorológicos y de calidad del aire de Google Maps. PDI, que se entrega como un conjunto de datos de embeddings de 330 dimensiones en BigQuery, permite a las organizaciones comprender el "ADN" de cualquier ubicación, completar las brechas de datos fundamentales y modelar las interacciones entre el ser humano y el medio ambiente a nivel global con una precisión sin precedentes y sin ingeniería de funciones manual. Estas embeddings garantizan la privacidad y, al mismo tiempo, permiten realizar análisis y predicciones espaciales detallados para aplicaciones que van desde la salud pública hasta el modelado socioeconómico.
Acerca de las embeddings de PDI
Las embeddings de dinámica de población se generan con un modelo de aprendizaje automático creado específicamente para este fin, que se entrena con un conjunto enriquecido de funciones y se convierte en una representación vectorial condensada. Estas embeddings se entrenan con lo siguiente:
- Tendencias de la Búsqueda agregadas: Captura los patrones de búsqueda más populares y representativos de una ubicación para informar sobre el comportamiento y los intereses de las personas.
- Lugares de interés de Maps agregados: Captura los tipos de empresas, establecimientos y puntos de referencia presentes.
- Actividad agregada: Captura los patrones de visitas de tráfico peatonal para indicar la densidad y la frecuencia de la presencia humana.
- Clima y calidad del aire agregados: Captura las estadísticas y los patrones meteorológicos y de calidad del aire.
Estas funciones se agregan en el nivel 12 de la celda S2 para generar embeddings localizadas y contextuales que preserven la privacidad.