Population Dynamics Insights (PDI) предоставляет подробную, специфичную для конкретного местоположения картину того, как популяции взаимодействуют с окружающей средой. Она отражает эти сложные взаимоотношения в наборе данных встраивания, который можно интегрировать в существующие геопространственные и прогностические модели.
Эмбеддинги PDI генерируются собственной моделью Google, обученной на геоиндексированном наборе данных, содержащем обширную агрегированную информацию из поисковых трендов Google, а также данные о посещаемости, достопримечательностях, погоде и качестве воздуха из Google Maps. Предоставляемые в виде 330-мерного набора данных эмбеддингов в BigQuery, PDI позволяют организациям понимать «ДНК» любого местоположения, заполнять критически важные пробелы в данных и моделировать взаимодействие человека и окружающей среды в глобальном масштабе с беспрецедентной точностью и без ручной обработки признаков. Эти эмбеддинги обеспечивают конфиденциальность, одновременно позволяя проводить детальный пространственный анализ и прогнозирование для приложений, начиная от общественного здравоохранения и заканчивая социально-экономическим моделированием.
О векторных представлениях PDI
Эмбеддинги динамики популяции генерируются с использованием специально разработанной модели машинного обучения, обученной на обширном наборе признаков и преобразованной в сжатое векторное представление. Эти эмбеддинги обучаются на следующих данных:
- Сводные поисковые тренды: отражают наиболее популярные и типичные поисковые запросы для определенного местоположения, позволяя получить представление о поведении и интересах пользователей.
- Сводные карты достопримечательностей: отображают типы предприятий, учреждений и ориентиров.
- Совокупная загруженность: фиксирует закономерности потока посетителей, позволяя определить плотность и частоту присутствия людей.
- Сводные данные о погоде и качестве воздуха: отображает статистические данные и закономерности погоды и качества воздуха.
Эти характеристики объединяются на уровне ячеек S2 (12) для генерации локализованных, контекстно-зависимых встраиваний, обеспечивающих конфиденциальность.