science این محصول یا ویژگی در Experimental (قبل از GA) است. محصولات و ویژگی‌های Pre-GA ممکن است پشتیبانی محدودی داشته باشند، و تغییرات در محصولات و ویژگی‌های pre-GA ممکن است با سایر نسخه‌های pre-GA سازگار نباشد. پیشنهادات قبل از GA تحت پوشش شرایط خاص سرویس پلتفرم Google Maps هستند. برای اطلاعات بیشتر، به توضیحات مرحله راه اندازی مراجعه کنید. برای آزمایش Places Insights ثبت نام کنید !
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
تابع PLACES_COUNT_PER_H3 یک منطقه جغرافیایی برای جستجو می گیرد و جدولی از تعداد مکان ها در هر سلول H3 در منطقه جستجو را برمی گرداند.
از آنجا که تابع PLACES_COUNT_PER_GEO یک جدول را برمی گرداند، آن را با استفاده از یک عبارت FROM فراخوانی کنید.
پارامترهای ورودی:
مورد نیاز : پارامتر فیلترgeography که ناحیه جستجو را مشخص می کند. پارامتر geography مقداری است که توسط نوع داده BigQuery GEOGRAPHY تعریف شده است که از نقاط، رشته های خط و چند ضلعی ها پشتیبانی می کند.
برای مثال‌هایی از استفاده از انواع مختلف جغرافی‌های جستجو، مانند درگاه‌های دید و خطوط، به تابع PLACES_COUNT مراجعه کنید.
مورد نیاز : پارامتر فیلترh3_resolution که وضوح H3 مورد استفاده برای جمع آوری تعداد مکان ها در هر سلول H3 را مشخص می کند. مقدار پشتیبانی شده از 0 تا 8 است.
اختیاری : پارامترهای فیلتر اضافی برای اصلاح جستجوی شما.
برمی‌گرداند:
جدولی با یک ردیف در هر سلول H3. این جدول شامل ستون‌های h3_cell_index ( STRING )، geography ( GEOGRAPHY ) است که چند ضلعی نشان‌دهنده سلول H3، count ( INT64 ) و sample_place_ids ( ARRAY<STRING> ) را تعریف می‌کند که در آن sample_place_ids حاوی حداکثر 250 شناسه مکان برای هر سلول H3 است.
مثال: به ازای هر سلول H3، فروشگاه‌های سهولت و خواربار در دسترس با ویلچر را بشمارید
مثال زیر تعداد فروشگاه‌های خواربار فروشی و سهولت در دسترس با ویلچر را در هر سلول H3 در شهر نیویورک محاسبه می‌کند. سلول های H3 از سطح وضوح 8 استفاده می کنند.
DECLAREgeoGEOGRAPHY;-- Get the geography for New York City.SETgeo=(SELECTgeometryFROM`bigquery-public-data.overture_maps.division_area`WHEREcountry='US'ANDnames.primary='City of New York'LIMIT1);SELECT*FROM`maps-platform-analytics-hub.sample_places_insights_us.PLACES_COUNT_PER_H3`(JSON_OBJECT('geography',geo,'types',["convenience_store","grocery_store"],'wheelchair_accessible_entrance',true,'business_status',['OPERATIONAL'],'h3_resolution',8));
پاسخ برای تابع:
نتایج را تجسم کنید
تصاویر زیر این داده ها را در استودیو Looker به صورت یک نقشه پر شده نشان می دهد. هر چه سلول H3 تیره تر باشد، غلظت نتایج بیشتر می شود:
برای وارد کردن داده های خود به Looker Studio:
برای ایجاد نتایج تابع بالا را اجرا کنید.
در نتایج BigQuery، روی Open in -> Looker Studio کلیک کنید. نتایج شما به طور خودکار به Looker Studio وارد می شود.
Looker Studio یک صفحه گزارش پیش‌فرض ایجاد می‌کند و آن را با عنوان، جدول و نمودار میله‌ای از نتایج مقداردهی می‌کند.
همه موارد موجود در صفحه را انتخاب کرده و حذف کنید.
روی Insert -> Filled map کلیک کنید تا یک نقشه پر شده به گزارش شما اضافه شود.
در قسمت Chart Types -> Setup فیلدها را مطابق شکل زیر پیکربندی کنید:
نقشه پر شده مانند بالا ظاهر می شود. برای پیکربندی بیشتر ظاهر نقشه، می‌توانید به صورت اختیاری Chart Types -> Styles را انتخاب کنید.
برای اطلاعات بیشتر و مثال در مورد تجسم نتایج Places Insights، به مشاهده نتایج جستجو مراجعه کنید.
تاریخ آخرین بهروزرسانی 2025-07-17 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2025-07-17 بهوقت ساعت هماهنگ جهانی."],[],[],null,["The `PLACES_COUNT_PER_H3` function takes a geographic area to search\nand returns a table of places counts per [H3](https://h3geo.org/docs/) cell in\nthe search area.\n\nBecause the `PLACES_COUNT_PER_GEO` function returns a table, call it using\na `FROM` clause.\n\n- Input parameters:\n\n - **Required** : The `geography` [filter parameter](/maps/documentation/placesinsights/experimental/filter-params) that\n specifies the search area. The `geography` parameter a value defined by\n the BigQuery\n [`GEOGRAPHY`](https://cloud.google.com/bigquery/docs/reference/standard-sql/data-types#geography_type)\n data type, which supports points, linestrings, and polygons.\n\n For examples of using different types of search geographies, such as\n viewports and lines, see\n [`PLACES_COUNT` function](/maps/documentation/placesinsights/experimental/places-count).\n - **Required** : The `h3_resolution` [filter parameter](/maps/documentation/placesinsights/experimental/filter-params) that\n specifies the [H3](https://h3geo.org/docs/) resolution used to aggregate\n the count of places in each H3 cell. Supported value are from 0 to 8.\n\n - **Optional** : Additional [filter](/maps/documentation/placesinsights/experimental/filter-params) parameters to refine\n your search.\n\n- Returns:\n\n - A table with one row per H3 cell. The table contains the columns `h3_cell_index` (`STRING`), `geography` (`GEOGRAPHY`) which defines the polygon representing the H3 cell, and `count` (`INT64`).\n\nExample: Count wheelchair accessible convenience and grocery stores per H3 cell\n\nThe example below computes the number of operational, wheelchair accessible\nconvenience and grocery stores per H3 cell in New York City. The H3 cells use a\n[resolution level](https://h3geo.org/docs/core-library/restable) of 8.\n\nThis example uses the [Overture Maps\nData](https://console.cloud.google.com/marketplace/product/bigquery-public-data/overture-maps)\nBigQuery [public dataset](https://cloud.google.com/bigquery/public-data) to get\nthe geography for New York City.\n| **Note:** Because the response table contains a `geography` field, you can visualize it using tools that support BigQuery `GEOGRAPHY` types. For an example of visualizing the results of a function, see [Visualize\nresults](#visualize_results). For more information and example on visualizing Places Insights results, see [Visualize query results](/maps/documentation/placesinsights/visualize-data). \n\n```googlesql\nDECLARE geo GEOGRAPHY;\n\n-- Get the geography for New York City.\nSET geo = (SELECT geometry FROM `bigquery-public-data.overture_maps.division_area`\n WHERE country = 'US' AND names.primary = 'City of New York' LIMIT 1);\n\nSELECT * FROM `maps-platform-analytics-hub.sample_places_insights_us.PLACES_COUNT_PER_H3`(\n JSON_OBJECT(\n 'geography', geo,\n 'types', [\"convenience_store\",\"grocery_store\"],\n 'wheelchair_accessible_entrance', true,\n 'business_status', ['OPERATIONAL'],\n 'h3_resolution', 8\n )\n);\n```\n\nThe response for the function:\n\nVisualize results\n\nThe following images show this data displayed in Looker Studio as a filled map.\nThe darker the H3 cell the higher the concentration of results:\n\nTo import your data into Looker Studio:\n\n1. Run the function above to generate the results.\n\n2. In the BigQuery results, click **Open in -\\\u003e Looker Studio**. Your results\n are automatically imported into Looker Studio.\n\n3. Looker Studio creates a default report page and initializes it with a title,\n table, and bar graph of the results.\n\n4. Select everything on the page and delete it.\n\n5. Click **Insert -\\\u003e Filled map** to add a filled map to your report.\n\n6. Under **Chart types -\\\u003e Setup** configure the fields as shown below::\n\n7. The filled map appears as above. You can optionally select **Chart types -\\\u003e\n Styles** to further configure the appearance of the map.\n\nFor more information and example on visualizing Places Insights results, see\n[Visualize query results](/maps/documentation/placesinsights/visualize-data)."]]
