一、地理编码的定义：

地理编码也称作地址编码，是将地址本文描述转化为坐标的过程。

通过“北京市西城区西单北大街131号西单大悦城”，得到“坐标：39.910864,116.372857”的过程，既是地理编码。

二、地理编码的发展：

基于计算机技术的地理编码，在上世纪六十年代，美国人口统计局设计DIME模型和tiger数据库的时候，就有了技术雏形，而后随着计算机的普及和互联网的发展，地理编码渐渐由ToG转向了ToB、ToC领域。

 

三、地理编码的应用：

在ToG领域：

地理编码主要用于政府普查与管理人口；医疗卫生上，则是对流行病进行调查防控；公共安全上，通过定位犯罪现场，对犯罪分布与模式进行分析等。

在ToB领域：

地理编码可用于企业管理用户，对设备进行监控等。

在ToC领域：

最常见的应用就是，用户在地图搜索框中输入地址，查找地址所在的位置，继而导航，根据导航提示，使用各种交通工具或步行抵达目的地。

 

总而言之，地理编码的应用都基于将地址文本转为坐标，根据坐标结果进行后续步骤。

 

四、地理编码的步骤：

《地理信息系统导论》一书中，将地理编码过程分为三个环节，预处理、匹配、标绘。

另外综合arcgis文档《地理编码过程》和论文《地理编码系统设计与实现》，整理的地理编码流程图如下：

 

1. 地理编码的技术环节：

地理编码过程分三个环节，数据预处理、搜索匹配、标绘。

在这三个环节中，数据预处理的难点在于地址的标准化和结构化，中文地址与中文语言一样，充满了多样性，在对地址进行标准化与结构化的过程中，需要覆盖非常广泛的策略和词典做支撑，数据质量越好、量级越大，结果就会越准确。

搜索匹配的重点是对输入文本的切分，和对召回结果的打分，如果切分效果不好，则找不到数据库中的合适记录，如果打分规则设定的不好，输出的结果可能就不是想要的结果。

在标绘环节，如果搜索匹配的结果不完全吻合输入地址，需要基于线要素进行插值（包括单侧偏移和末端偏移），或获取面的质心（如果参考要素是面或点），来进行坐标修正。

1. 地理编码的评分标准：

对服务质量的评判主要有两个指标：

基于文本的匹配率；

定位准确度。

为了定位服务误差的原因，还需要确定性指标：

预处理环节的确定度；

匹配环节的确定度；

标绘环节的确定度。

 

1. 地理编码的技术：

数据生产加工：地理编码需要海量数据与词典进行底层数据支撑，海量数据除了自采集加工外，还需要从各种平台爬取融合；词典除了积累，还有挖掘生成。在这一环节需要很多爬虫和自然语言处理相关的技术。

地址本文预处理：地址文本需要去噪、标准化、结构化，这一过程需要自然语言处理的技术。

（关于这部分，后续会补充一个中国计算科学技术自然语言处理的发展史。）

搜索匹配：关键点是搜索引擎的搭建，C语言搭建的搜索引擎无疑是效率最高的，但近些年，ElasticSearch的使用也很广泛。

标绘：最终结果的坐标展示，这个环节会涉及一些空间插值与聚类的计算，当然为了插值合理，最好要有路网数据。

 

五、总结：

地理编码是一个多技术、融合性工程应用，涉及到的技术包括GIS、NLP、搜索等，而这些技术，也是多学科交叉的领域，目前ToC的地理编码服务已经非常成熟了，各大图商都提供该服务。ToB领域，企业为管理用户地址，会建立地理编码服务。ToG领域，政府会用在人口普查、犯罪预防、流行病调查等方向。

因地址多样性和基础数据准确性、时效性的影响，地理编码服务的准确率是有瓶颈的，靠技术很难突破，要突破，恐怕只能靠生态模式的改变。

再看产品收益，ToC的产品很难获得盈利，ToB主要以企业自用为主，且很难打破行业壁垒，实现外部盈利。

总之，地理编码是一个已达到技术瓶颈、且市场空间有限的领域。

 

 

参考资料：

 

1.什么是地理编码—BY ARCGIS

https://desktop.arcgis.com/zh-cn/arcmap/10.3/guide-books/geocoding/what-is-geocoding.htm

2.地理信息系统导论—BY 张康聪

3.地理编码系统设计与实现

http://sourcedb.igsnrr.cas.cn/zw/lw/201003/P020100304321939960203.pdf

4.自然语言处理的形式模型—BY 冯志伟（教育部语言文字应用研究所研究员），2010年，中国科学技术大学出版社

https://book.douban.com/subject/4284581/

5. 中文文本自动分词和标注—BY 刘开瑛，商务印书馆，2000年

https://book.douban.com/subject/1099516/