Nombre de requêtes de PDI par type de lieu

La fonction PLACES_COUNT_PER_TYPE_V2 renvoie une table BigQuery contenant le nombre de lieux et des exemples d'ID de lieu, répartis par type de lieu, pour plusieurs zones géographiques d'entrée. Cette fonction est conçue pour un traitement par lot efficace en acceptant un paramètre de table d'entrée de zones géographiques. Vous fournissez les zones géographiques via une table d'entrée et spécifiez les types de lieux sous forme de tableau.

Syntaxe

SELECT * FROM `PROJECT_NAME.LINKED_DATASET_NAME.PLACES_COUNT_PER_TYPE_V2`(
  TABLE input_geographies,
  target_types,
  filters
)

Paramètres

• PROJECT_NAME : le nom de votre projet Google Cloud
• LINKED_DATASET_NAME : nom de l'ensemble de données BigQuery contenant les fonctions Places Insights (par exemple, places_insights___us).
• input_geographies : table BigQuery contenant les zones géographiques à analyser. Cette table doit inclure les colonnes suivantes :
  • geo_id (STRING) : identifiant unique pour chaque zone géographique.
  • geo (GEOGRAPHY) : objet GEOGRAPHY BigQuery représentant la zone. Il peut s'agir d'un point, d'un polygone ou d'un autre type de géographie.
• target_types (ARRAY<STRING>) : tableau de chaînes de types de lieux pour lesquelles vous souhaitez obtenir le nombre d'occurrences. Les lieux seront comptabilisés s'ils correspondent à l'un des types listés dans leur tableau types, et pas seulement à primary_type.
• filters (JSON) : objet JSON contenant des paires clé/valeur pour un filtrage supplémentaire des lieux. Consultez Paramètres de filtre.

Schéma de la table de sortie

La fonction PLACES_COUNT_PER_TYPE_V2 renvoie une table avec les colonnes suivantes :

La sortie contiendra une ligne pour chaque combinaison de geo_id et place_type spécifiée dans le tableau target_types, même si le nombre est égal à zéro.

Fonctionnement

La fonction traite chaque zone géographique fournie dans la table input_geographies. Pour chaque zone géographique, il compte les lieux qui correspondent à l'un des types listés dans le tableau target_types et qui remplissent également toutes les conditions de l'objet JSON filters. Les résultats sont agrégés et répartis par geo_id et par type dans target_types.

Exemple : Compter les différents types de restaurants dans les comtés de New York

Cet exemple génère un tableau des nombres pour les types "restaurant", "cafe" et "bar" dans trois comtés de New York.

SELECT geo_id, input_geography, place_type, place_count
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_TYPE_V2`(
  (
    SELECT county_name AS geo_id,
           ST_SIMPLIFY(county_geom, 100) AS geo
    FROM
      `bigquery-public-data.geo_us_boundaries.counties`
    WHERE
      state_fips_code = "36"  -- New York State
      AND county_name IN ("Queens", "Kings", "New York")
  ),
  ['restaurant', 'cafe', 'bar'],  -- target_types
  JSON_OBJECT(
      'business_status', ['OPERATIONAL']
  )
);

Le résultat sera un tableau de 9 lignes (3 comtés * 3 types). Chaque ligne affiche le nombre d'établissements de type "restaurant", "café" ou "bar" dans chaque comté. Vous pouvez également inclure des exemples d'ID de lieu si vous les ajoutez à votre instruction SELECT.

Avantages de l'utilisation de PLACES_COUNT_PER_TYPE_V2

PLACES_COUNT_PER_TYPE_V2 offre plusieurs avantages clés, en particulier par rapport à l'ancienne fonction PLACES_COUNT_PER_TYPE :

• Traitement par lot des zones géographiques : contrairement à PLACES_COUNT_PER_TYPE, qui traite une zone géographique à la fois, PLACES_COUNT_PER_TYPE_V2 accepte un TABLE de zones géographiques d'entrée. Cela vous permet d'analyser et d'obtenir des décomptes spécifiques à un type dans de nombreuses zones géographiques (points, polygones) en une seule requête, au lieu d'effectuer plusieurs appels de fonction.
• Amélioration des performances et de l'évolutivité : en utilisant une entrée de table, PLACES_COUNT_PER_TYPE_V2 peut exploiter les jointures géospatiales optimisées de BigQuery et les capacités de traitement parallèle sur toutes les zones géographiques fournies simultanément. Cela améliore considérablement les performances et l'évolutivité lorsque vous traitez un grand nombre de zones géographiques.
• Nombre de zéros inclus : renvoie les lignes avec un nombre de zéros pour les types non trouvés dans une zone spécifique du lot, ce qui garantit un ensemble de résultats complet pour toutes les combinaisons de types et de zones géographiques.
• Instantanés historiques : interrogez les données sur le nombre de lieux pour un mois spécifique à l'aide du filtre facultatif snapshot_date.

Exemple : Interroger le nombre de POI historiques par type avec des filtres spécifiques

Cet exemple montre comment trouver le nombre de types de lieux spécifiques, tels que les bornes de recharge VE, à l'aide du paramètre snapshot_date pour récupérer les nombres d'un mois précédent. Il applique des filtres supplémentaires pour regular_opening_hours afin de ne rechercher que les lieux ouverts toute la journée le week-end, et la disponibilité des bornes de recharge pour véhicules électriques (au moins 10 connecteurs disponibles) spécifiée par min_ev_charge_connector_count.

SELECT *
FROM `PROJECT_NAME.places_insights___us.PLACES_COUNT_PER_TYPE_V2`(
  (
    SELECT county_name AS geo_id,
           ST_SIMPLIFY(county_geom, 100) AS geo
    FROM
      `bigquery-public-data.geo_us_boundaries.counties`
    WHERE
      state_fips_code = "36"  -- New York State
      AND county_name IN ("Queens", "Kings", "New York")
  ),
  ['electric_vehicle_charging_station'], -- target_types array
  JSON_OBJECT(
    'geography_radius', 10000,
    'snapshot_date', '2026-01', -- Target snapshot month (YYYY-MM)
    'min_ev_charge_connector_count', 10, -- Look for a min amount of chargers
    'regular_opening_hours', JSON_OBJECT(
      'saturday', [JSON_OBJECT('start_time', '00:00', 'end_time', '23:59')], 'sunday', [JSON_OBJECT('start_time', '00:00', 'end_time', '23:59')]
    )
  )
);