写点什么

零售商圈分析：基于 Overture Maps 的地理空间数据 ｜技术实践

  • 2026-03-30
    北京

  • 本文字数：3669 字

    阅读完需：约 12 分钟

2026 年，智能体将在企业级应用中取得哪些实质性突破？点击下载《2026 年 AI 与数据发展预测》白皮书，获悉专家一手前瞻，抢先拥抱新的工作方式！

本教程将指导您部署一个完全交互式的零售商圈分析应用，该应用基于 OpenRouteService Native App 及 Carto 提供的 Overture Maps 数据构建。

您将快速部署一个 Streamlit 应用，对零售门店进行商圈范围分析。操作流程包括：从真实 POI 数据中筛选任意门店，生成基于等时线的商圈范围，识别商圈内的竞争对手，并利用 H3 六边形网格可视化地址密度。

您将构建的内容

零售商圈分析器——一个 Streamlit 应用，其功能包括：

•从 Carto 提供的 Overture Maps（全球超 7200 万条 POI）中搜索真实零售点位；

•基于出行时间，使用等时线技术生成商圈范围；

•识别商圈内的竞品门店；

•使用 H3 六边形聚合技术可视化地址密度；

•支持多种出行模式（步行与驾车）。

商圈分析指标 ——实时洞察信息包括：

•多级商圈范围（支持配置 1-5 个层级，最多可达 60 分钟出行圈）；

•按零售类别细分的竞争对手构成分析；

•用于市场潜力评估的地址密度热力图；

•带颜色编码商圈边界的交互式地图。

前提条件

重要：本演示需要安装并运行 OpenRouteService 原生应用。若尚未构建该应用，请先完成快速入门指南中的“在 Snowflake 中构建路由解决方案”部分。

所需条件：

  • 已部署并激活 OpenRouteService 原生应用；

  • 已安装并配置好 Cortex Code CLI；

  • 拥有活跃的 Snowflake 连接，并具备 ACCOUNTADMIN 权限。

学习内容

  • 使用 Cortex Code 技能部署零售分析应用；

  • 使用 Carto Overture Maps 数据集（地点与地址数据）处理真实世界的位置信息；

  • 利用等时线函数计算基于出行时间的辐射区域；

  • 构建 H3 六边形网格可视化，用于地址密度分析；

  • 通过空间查询执行竞品分析；

  • 使用 Pydeck 创建多图层地理空间可视化。

部署零售辐射区域分析演示

使用 Cortex Code 部署零售辐射区域分析解决方案，其中包括 Marketplace 数据与 Streamlit 应用。

克隆代码仓库并部署技能

克隆代码仓库:

git clone https://github.com/Snowflake-Labs/sfguide-create-a-route-optimisation-and-vehicle-route-plan-simulatorcd sfguide-create-a-route-optimisation-and-vehicle-route-plan-simulator
复制代码

 

在 Cortex Code CLI 中输入以下命令：

$deploy-retail-catchment-demo
复制代码

 

注意：该技能将首先检查 OpenRouteService 原生应用是否已安装。如果未找到，系统将提供安装指引，请先完成安装。

 

该技能采用交互式提示来收集所需信息：

•区域：旧金山（默认）、纽约或自定义坐标；

•零售类别：预先配置的 17 个零售类别。

Cortex 代码将自动：

•验证 OpenRouteService Native App 是否已安装并运行；

•获取市场数据-获取 Carto Overture Maps Places（地点）和 Addresses（地址）数据集；

•创建演示数据库-建立 OPENROUTESERVICE_SETUP.RETAIL_CATCHMENT_DEMO 架构；

•准备 POI 数据-筛选零售地点并建立索引，以实现快速查询；

•部署 Streamlit 应用-创建零售覆盖区分析应用。

安装内容

部署技能将创建以下 Snowflake 对象：

市场数据

演示数据库与基础设施

数据表

Streamlit 应用

探索商圈分析器

部署完成后，进入零售商圈应用：

1.在 Snowsight 中，进入“项目”>“Streamlits”

2.点击 RETAIL_CATCHMENT_APP

配置分析

使用侧边栏配置分析参数：

零售类别

  •  从 17 个预配置的类别中选择：

  •  咖啡店、快餐店、餐厅、休闲餐厅；

  •  生鲜食品店、便利店、超市；

  •  加油站、药店；

  •  服装店、电子产品店、专卖店；

  •  健身房/健身中心、美容院、美发店、面包店、酒吧。

门店选择

  •  按城市筛选（基于 ORS 覆盖范围）；

  •  通过门店名称搜索，支持实时筛选；

  •  查看门店地址和坐标。

出行方式

  •  步行-步行商圈分析；

  •  驾车-驾车商圈范围。

商圈圈层

  •  圈层数量（1-5 个同心圈层）；

  •  最长出行时间（5-60 分钟）。

显示选项

  •  显示/隐藏商圈边界；

  •  显示/隐藏竞争对手 POI；

  •  显示/隐藏地址密度（H3 六边形网格）；

  •  调整 H3 分辨率（7-10 级）。

分析商圈

点击“分析商圈”生成分析结果：

  • 商圈边界-颜色编码的等时线多边形，显示出行时间区域；

  • 选定门店-红色标记，表示分析中心点；

  • 竞争对手位置-颜色编码的标记，表示竞争零售点；

  • 地址密度-H3 六边形网格，显示住宅/商业地址的集中程度。

查看分析报告

分析模块提供以下关键指标：

  •  所选门店-被分析门店的名称与地址；

  •  通行时间-商圈的最大通勤时间范围；

  •  竞争对手-商圈内竞争性 POI（兴趣点）总数；

  •  商圈内地址数-用于市场潜力评估的地址总量。

竞争对手细分

按类别查看竞争对手分析：

  •  按零售业态划分的竞争对手构成；

  •  商圈内各业态类别的数量统计；

  •  按频次排序，便于快速掌握竞争格局。

数据说明

Carto Overture Maps Places 数据源

本演示使用的是来自 Snowflake Marketplace 的 Carto Overture Maps Places 数据集：

零售业态分类

采用 Overture Maps 分类法对 POI（兴趣点）进行筛选：

等时圈分析

等时圈基于 OpenRouteService 原生应用生成：

H3 六边形网格

通过优步（Uber）的 H3 空间索引技术呈现地址密度：

定制演示

调整零售类别

编辑 Streamlit 应用中的 RETAIL_CATEGORIES 列表，聚焦特定 POI 类型：

RETAIL_CATEGORIES = [    'coffee_shop', 'fast_food_restaurant', 'restaurant', 'casual_eatery',    'grocery_store', 'convenience_store', 'gas_station', 'pharmacy',    'clothing_store', 'electronics_store', 'specialty_store', 'gym',    'beauty_salon', 'hair_salon', 'bakery', 'bar', 'supermarket']
复制代码

新增区域

如需支持更多城市：

 

1. 参照“构建路线规划解决方案”快速入门指南，在 OpenRouteService 中更新相应地图区域

2. 在数据库配置脚本中，为新增区域筛选 POI 数据

3. 更新 Streamlit 应用侧边栏中的城市选择器

 

调整 H3 分辨率

H3 分辨率影响可视化精细度：

卸载解决方案

要移除零售商圈演示解决方案，请执行：

DROP SCHEMA OPENROUTESERVICE_SETUP.RETAIL_CATCHMENT_DEMO;
复制代码

 

该操作将删除 OPENROUTESERVICE_SETUP.RETAIL_CATCHMENT_DEMO 模式及其所有内容。

 

注意：OpenRouteService 原生应用程序将保留在系统中。您可以单独卸载它。

可用的 Cortex 代码技能

总结与资源

总结

您已成功部署一个完整的零售商圈分析应用，该应用展示了以下能力：

  •  OpenRouteService 原生应用-基于等时线生成商圈范围；

  •  Carto Overture Maps 数据-利用真实世界的 POI 和地址数据进行精准分析；

  •  H3 六边形索引-通过地址密度可视化评估市场潜力；

  •  Pydeck 可视化-创建带工具提示的交互式多图层地图；

  •  空间分析-运用 ST_WITHIN 查询识别竞争对手。

您所掌握的技能

  •  利用 Cortex 代码技能部署零售分析应用；

  •  使用 Carto Overture Maps 数据集处理 POI 和地址数据；

  •  基于多种出行模式生成等时线商圈；

  •  通过 H3 六边形聚合实现地址密度可视化；

  •  在特定地理边界内执行竞争对手分析；

  •  构建具有地理空间可视化功能的交互式 Streamlit 应用。

AI 赋能的市场分析

该应用程序包含一项由 Snowflake Cortex 大语言模型（LLM）函数赋能的 AI 市场分析功能，可生成全面的洞察：

门店绩效分析

  •  基于位置数据的每日访客量估算；

  •  门店可见性与可达性评估；

  •  与竞争对手的绩效基准对比。

商圈洞察

  •  按出行时间划分的不同商圈区域分析；

  •  总目标市场（住宅地址数量）；

  •  用于地理覆盖面评估的 H3 单元格分析。

竞争格局

  •  识别商圈内的主要竞争对手；

  •  竞争对手总客流量估算；

  •  市场饱和度分析。

人口统计画像

  •  人口密度指标；

  •  家庭收入估算；

  •  客户画像与零售品类的匹配度。

AI 推荐的门店选址

该 AI 分析还提供最优的门店选址推荐：

  •  生成推荐新店位置的坐标；

  •  综合考虑竞争对手邻近度与覆盖空白区；

  • 在交互式地图上可视化推荐位置；

  •  基于商圈分析数据提供推荐理由。

相关快速入门指南

源代码

OpenRouteService 开源服务资源

Cortex Code 与 Snowflake

原文地址：https://www.snowflake.com/en/developers/guides/oss-retail-catchment-analysis/

点击链接立即报名注册：Ascent - Snowflake Platform Training - China，更多 Snowflake 精彩活动请关注专区。

Copyright © 2026, Geekbang Technology Ltd. All rights reserved. 极客邦控股（北京）有限公司 | 京 ICP 备 16027448 号 - 5京公网安备京公网安备 11010502039052号 | 产品资质