درباره داده‌های «اطلاعات آماری درباره پویایی جمعیت»

درک داده‌ها

اگرچه جاسازی‌ها برای چندین کشور دردسترس است، اما طرحواره در همه مجموعه‌های داده یکسان است. جاسازی‌ها در فهرست‌های BigQuery جداگانه برای هر کشور سازمان‌دهی شده‌اند.

کالبدشناسی بردار جاسازی

ستون features یک بردار ۳۳۰ بعدی است (که به‌عنوان آرایه REPEATED FLOAT در BigQuery ذخیره شده است). هر بخش از آرایه با سیگنال داده خاصی که توسط مدل «پویایی جمعیت» استخراج شده است مطابقت دارد.

درک این ساختار امکان حذف ویژگی را فراهم می‌کند (برای مثال، تعیین اینکه رفتار جستجو در مقایسه با آب‌وهوا چقدر فروش را پیش‌بینی می‌کند).

شاخص‌های برداری	منبع داده	شرح
۰ تا ۱۲۷	روندهای جستجوی تجمیعی	علاقه مصرف‌کننده تجمیعی و ناشناس‌سازی‌شده را در سطح منطقه‌ای ضبط می‌کند (برای نمونه، علاقه جستجوی منطقه‌ای نسبی برای «بهسازی خانه»، «کفش‌های دویدن»، یا «خودروهای برقی»). پُرسمان‌های خام هرگز آشکار نمی‌شوند.
‫۱۲۸ – ۲۵۵	‫Maps و شلوغی	محیط ساخت (نقاط موردعلاقه مثل رستوران‌ها، پارک‌ها، مدارس) و شلوغی انبوهشی و ناشناس‌سازی‌شده در مؤسسات عمومی را ضبط می‌کند.
‫۲۵۶ – ۳۲۹	آب‌وهوا و کیفیت هوا	بافت محیطی (مانند دما، بارش، شاخص کیفیت هوا، باد) را ضبط می‌کند.

ستون‌های کلیدی و فراداده

جدول جاسازی‌ها حاوی فراداده‌های فضایی است که تجزیه‌وتحلیل جغرافیایی فضایی، فیلتر کردن، و تعامل‌پذیری با دیگر سرویس‌های Google Maps Platform را ممکن می‌سازد.

• geo_id: شناسه اصلی منطقه. برای مجموعه داده‌های S2 سلول، این نشانه سلول S2 است که به‌صورت رشته هگزادسیمال نشان داده می‌شود (برای نمونه، '80ead45'). از این به‌عنوان کلید پیوند اصلی استفاده کنید.
• ‫geo_name: نام قابل‌خواندن برای انسان منطقه. توجه: برای مجموعه داده‌های شبکه S2، سلول‌های ریاضی نام‌های استاندارد ندارند، بنابراین این ستون حاوی همان نشانه geo_id خواهد بود. این کار برای حفظ ساختار ستون یکسان در همه پیشنهادهای «پویایی جمعیت» طراحی شده است.
• ‫administrative_area_level_1_id: «شناسه مکان Google Maps» منحصربه‌فرد برای مرز اداری سطح بالا (برای نمونه، ایالت یا استان).
• administrative_area_level_1_name: نام قابل‌خواندن برای انسان مرز سطح بالا (برای نمونه، 'California').
• administrative_area_level_2_id: «شناسه مکان Google Maps» یکتای مربوط به مرز اداری ثانویه (برای نمونه، شهرستان یا منطقه).
• administrative_area_level_2_name: نام قابل‌خواندن برای انسان برای مرز فرعی (برای مثال، 'Tulare County').
• features: بردار جاسازی ۳۳۰ بعدی اصلی، که به‌صورت بومی به‌عنوان ARRAY<FLOAT64> ذخیره شده است. بار کردن این داده‌ها در کتابخانه Pandas Python نیازمند مسطح کردن یا تبدیل به ماتریس NumPy است.

پرسشگان

آیا می‌توانم به داده‌های ورودی خام (برای مثال، پرسمان‌های جستجوی خاص یا ردپاهای جابه‌جایی) دسترسی داشته باشم؟

نه. جاسازی‌های «اطلاعات آماری درباره پویایی جمعیت» از نشان‌های انبوهشی و حافظ حریم خصوصی تولید می‌شود. برای اطمینان از حریم خصوصی کاربر، ردپای کاربر خاص، سابقه جستجوی فردی، یا الگوهای جابه‌جایی خام را ارائه نمی‌دهیم. جاسازی‌ها نمایشی پنهان از این رفتارها ارائه می‌دهند که برای مدل‌سازی و پیش‌بینی بهینه‌سازی شده است، نه برای تجزیه‌وتحلیل خام.

آیا ابعاد بردار قابل‌تفسیر هستند (برای مثال، آیا «بُعد ۵» «قهوه» است)؟

بردارها نمایش‌های نهان هستند، یعنی الگوهای انتزاعی را به‌جای برچسب‌های خاص و قابل‌خواندن توسط انسان ضبط می‌کنند. درحالی‌که می‌دانیم شاخص‌های ۰ تا ۱۲۷ از «روند جستجو» مشتق می‌شوند، یک شاخص خاص (مانند شاخص ۵) به‌صورت یک‌به‌یک به یک کلیدواژه واحد مانند «قهوه» نگاشت نمی‌شود. بلکه نشان‌دهنده ویژگی پیچیده‌ای از رفتار جستجو است که مدل یاد گرفته است.

آیا مجموعه داده شامل مرزهای چندضلعی (شیپ‌فایل) است؟

این مجموعه داده‌ها کدهای سلول S2 (geo_id) و «شناسه‌های مکان» را برای شناسه‌های جغرافیایی (مثل مناطق اداری ۱ و اداری ۲) ارائه می‌دهد، اما شامل هندسه چندضلعی خام (WKT/Shapefiles) برای مناطق سلول S2 نمی‌شود. حذف هندسه‌های خام از تورم فضای ذخیره‌سازی جلوگیری می‌کند و هزینه‌های اسکن BigQuery را برای خطوط لوله یادگیری ماشین که فقط به بردارهای ویژگی نیاز دارند کاهش می‌دهد. علاوه‌براین، پیوستن به رشته‌های S2 بسیار سریع‌تر و ازنظر محاسباتی کارآمدتر از اجرای تقاطع‌های چندضلعی فضایی است.

• برای مختصات نقطه‌ای: برای پیوستن داده‌های نقطه‌ای (مانند مکان‌های نقطه موردعلاقه یا مرکزهای فروشگاه) با «اطلاعات آماری پویایی جمعیت»، مختصات طول/عرض جغرافیایی را بااستفاده از S2_CELLIDFROMPOINT همراه با ST_GEOGPOINT به کدهای سلولی S2 سطح ۱۲ تبدیل کنید (به تبدیل مختصات نقطه‌ای به کدهای هگزادسیمال S2 سطح ۱۲ مراجعه کنید).
• برای مرزهای منطقه: اگر لازم است مرزهای سفارشی را با «اطلاعات آماری پویایی جمعیت» تلاقی دهید، توصیه می‌کنیم چندضلعی‌های سفارشی‌تان را بااستفاده از S2_COVERINGCELLIDS به کد سلول‌های S2 سطح ۱۲ پوششی تبدیل کنید (به تولید کد سلول‌های S2 سطح ۱۲ پوششی برای چندضلعی مراجعه کنید) یا این مجموعه داده را با مجموعه‌های داده مرز عمومی موجود در «داده‌های عمومی BigQuery» بپیوندید.
• برای تبدیل هندسه و دیداری‌سازی: توابع جغرافیایی داخلی BigQuery تبدیل یک‌طرفه (هندسه → شناسه سلول S2) را انجام می‌دهند. برای تبدیل کردن کدهای سلول S2 به هندسه‌های چندضلعی برای ابزارهای GIS یا نقشه‌برداری، می‌توانید از کتابخانه‌های سمت کارخواه مثل s2sphere Python استفاده کنید. برای نمونه کدها و دستورالعمل‌ها، به دریافت هندسه سلول S2 از یک کد هگز سطح ۱۲ S2 مراجعه کنید.