□ 文/沈丹鳳

作者單位：上海電科智能系統(tǒng)股份有限公司

在信息技術(shù)高度發(fā)達(dá)的今天，海量的數(shù)據(jù)充斥了人們的生活，推動(dòng)促進(jìn)著社會(huì)的發(fā)展。這些數(shù)據(jù)宏觀上分為非空間數(shù)據(jù)與空間數(shù)據(jù)。非空間數(shù)據(jù)(Aspatial Data)，意味著該信息與地球表面的位置關(guān)系不密切，或者說只是偶然關(guān)系密切[1]。空間數(shù)據(jù)(Spatial Data)是能夠表示位置信息的數(shù)據(jù)。隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，大數(shù)據(jù)挖掘分析的范圍不僅僅局限于非空間數(shù)據(jù)，更趨向于挖掘統(tǒng)計(jì)空間數(shù)據(jù)。如何準(zhǔn)確、高效、統(tǒng)一的將非空間數(shù)據(jù)轉(zhuǎn)換為空間數(shù)據(jù)是現(xiàn)階段業(yè)務(wù)領(lǐng)域與技術(shù)領(lǐng)域融合的關(guān)鍵。

研究背景

地理位置坐標(biāo)信息是對(duì)地理空間信息進(jìn)行具體分析統(tǒng)計(jì)挖掘的基礎(chǔ)。人們?nèi)粘Ｉ钪惺褂妙l繁的都是非結(jié)構(gòu)化的地址信息，而任何技術(shù)應(yīng)用的衍生發(fā)展都需要以精確的地理位置坐標(biāo)信息為依據(jù)。為了提供準(zhǔn)確的地理坐標(biāo)，必須對(duì)非結(jié)構(gòu)化的地址信息進(jìn)行解析關(guān)聯(lián)，尤其是在交通領(lǐng)域，通過對(duì)黑車、套牌、超速、逆行等車輛違法行為以及由此引發(fā)的道路交通事故等的精確定位，能服務(wù)決策支持，優(yōu)化勤務(wù)調(diào)度，提高執(zhí)法效率和執(zhí)法水平，有效保障車輛和行人的出行安全，并能為后續(xù)分析挖掘打下良好的基礎(chǔ)。

多源語(yǔ)義地理信息坐標(biāo)解析方法通過構(gòu)建標(biāo)準(zhǔn)化高精度離線地址庫(kù)，對(duì)非結(jié)構(gòu)化地址信息進(jìn)行地理編碼，關(guān)聯(lián)交通對(duì)象及多維度轄區(qū)。非結(jié)構(gòu)化地址(Unstructured address)：指不規(guī)則、不完整的地址描述，例如：“川南奉公路金亭公路口往南100米左右”、“福山路458號(hào)對(duì)面”等；地理編碼(Geocoding)：將地址或地名描述轉(zhuǎn)換為地球表面上相應(yīng)位置；交通對(duì)象(Traffic object)：預(yù)定義的交通描述常用對(duì)象，主要分三類：道路交叉口、路段、poi興趣點(diǎn)。

傳統(tǒng)的地理編碼解析是通過 HTTP/HTTPS 協(xié)議訪問遠(yuǎn)程服務(wù)的接口，將結(jié)構(gòu)化地址轉(zhuǎn)換為經(jīng)緯度。主要是將地理位置信息提交至各在線地圖服務(wù)來獲取經(jīng)緯度坐標(biāo)點(diǎn)。其中結(jié)構(gòu)化地址是指內(nèi)含國(guó)家、省份、城市、區(qū)縣、城鎮(zhèn)、鄉(xiāng)村、街道、門牌號(hào)碼、屋邨、大廈等建筑物名稱，按照由大區(qū)域名稱到小區(qū)域名稱組合在一起的字符，且有效的地址是獨(dú)一無(wú)二的[2]。而實(shí)際中人們上報(bào)的地址信息往往無(wú)法做到標(biāo)準(zhǔn)的結(jié)構(gòu)化，并帶有不定量錯(cuò)別字。通常都是非常主觀化的描述。這使得傳統(tǒng)的地理編碼解析存在許多不足：

非結(jié)構(gòu)化地址進(jìn)行語(yǔ)義識(shí)別時(shí)錯(cuò)誤率高；

各在線地圖POI地址庫(kù)坐標(biāo)不全，使得地理編碼轉(zhuǎn)換準(zhǔn)確率低；

各在線地圖坐標(biāo)系不同，轉(zhuǎn)換后的經(jīng)緯度坐標(biāo)點(diǎn)不能統(tǒng)一使用；

必須在有互聯(lián)網(wǎng)的環(huán)境中才可以進(jìn)行地理編碼轉(zhuǎn)換；

通過 HTTP/HTTPS 協(xié)議訪問遠(yuǎn)程服務(wù)的接口速度慢；

各在線地圖遠(yuǎn)程服務(wù)每日有訪問量限制，不適用于大批量地理編碼；

各在線地圖不提供關(guān)聯(lián)交通對(duì)象功能。

架構(gòu)設(shè)計(jì)

本文介紹了一種不依賴于互聯(lián)網(wǎng)遠(yuǎn)程接口的地理編碼非結(jié)構(gòu)化地址解析方法，對(duì)大批量非結(jié)構(gòu)化地址進(jìn)行解析關(guān)聯(lián)交通對(duì)象與多維度轄區(qū)。為黑點(diǎn)分析、轄區(qū)分析等業(yè)務(wù)處理奠定基礎(chǔ)。

▲圖1 系統(tǒng)總體架構(gòu)圖

如圖1所示，系統(tǒng)總體分為四個(gè)模塊，分別為本地坐標(biāo)地址庫(kù)建立、非結(jié)構(gòu)化地址解析、關(guān)聯(lián)交通對(duì)象、關(guān)聯(lián)轄區(qū)。

本地坐標(biāo)地址庫(kù)建立，即實(shí)時(shí)化標(biāo)準(zhǔn)化高精度離線地址庫(kù)。將不同坐標(biāo)系的經(jīng)緯度坐標(biāo)通過各自的加密方式進(jìn)行相應(yīng)的解密轉(zhuǎn)換成統(tǒng)一的WGS84坐標(biāo)。不定期更新離線地址坐標(biāo)庫(kù)，同時(shí)，在每類坐標(biāo)庫(kù)表中加入“創(chuàng)建時(shí)間”和“更新時(shí)間”字段，利用這兩個(gè)字段實(shí)現(xiàn)各個(gè)坐標(biāo)的版本控制，保證坐標(biāo)庫(kù)的完整性。

非結(jié)構(gòu)化地址數(shù)據(jù)分類精確定位。將非結(jié)構(gòu)化地址規(guī)范化匹配結(jié)構(gòu)化描述，通過結(jié)構(gòu)化描述對(duì)原始數(shù)據(jù)精確分類。按照各類別精確定位，通過gis地圖處理，實(shí)現(xiàn)地面地址解析精度精確到米級(jí)別。高速高架按每3km為一段精確定位到分方向的各段上。

交管應(yīng)用關(guān)鍵對(duì)象關(guān)聯(lián)分析。通過gis地圖將交通對(duì)象分為poi興趣點(diǎn)、道路交叉口、路段三大類，以50m為精度范圍，優(yōu)先級(jí)由高到低依次為poi興趣點(diǎn)、道路交叉口、路段進(jìn)行關(guān)聯(lián)。

多維度區(qū)域定位分析。提供與業(yè)務(wù)系統(tǒng)相銜接的轄區(qū)關(guān)聯(lián)分析，將地理數(shù)據(jù)定位精確到各個(gè)管理轄區(qū)，為業(yè)務(wù)系統(tǒng)橫向分析奠定基礎(chǔ)。

技術(shù)模塊

本方案主要由本地坐標(biāo)地址庫(kù)建立、非結(jié)構(gòu)化地址解析、關(guān)聯(lián)交通對(duì)象、關(guān)聯(lián)轄區(qū)四大模塊組成。其中本地坐標(biāo)地址庫(kù)建立為前期基礎(chǔ)模塊，非結(jié)構(gòu)化地址解析、關(guān)聯(lián)交通對(duì)象、關(guān)聯(lián)轄區(qū)為后續(xù)分析模塊。

基礎(chǔ)模塊

本地坐標(biāo)庫(kù)建立模塊，通過各在線地圖的遠(yuǎn)程服務(wù)接口收集各類POI位置坐標(biāo)點(diǎn)，將不同的坐標(biāo)系轉(zhuǎn)換成統(tǒng)一的WGS84坐標(biāo)，錄入本地坐標(biāo)庫(kù)中。

▲圖2 標(biāo)準(zhǔn)化高精度離線地址庫(kù)

圖2所示為本地高精度離線地址庫(kù)構(gòu)建及標(biāo)準(zhǔn)化流程圖。本地坐標(biāo)庫(kù)建立模塊包括坐標(biāo)獲取單元、坐標(biāo)轉(zhuǎn)換單元及坐標(biāo)分類，其中，坐標(biāo)獲取單元通過各在線地圖的HTTP/HTTPS 協(xié)議訪問遠(yuǎn)程服務(wù)的接口進(jìn)行信息收集，獲取各在線地圖各分類地圖資源；坐標(biāo)轉(zhuǎn)換單元從坐標(biāo)獲取單元收集到的信息中提取經(jīng)緯度坐標(biāo)，并將提取后的經(jīng)緯度坐標(biāo)通過各在線地圖的加密方式進(jìn)行相應(yīng)的解密轉(zhuǎn)換成WGS84坐標(biāo)；坐標(biāo)分類則按照優(yōu)先級(jí)規(guī)則對(duì)坐標(biāo)轉(zhuǎn)換單元獲取的WGS84統(tǒng)一坐標(biāo)按照地理信息進(jìn)行類型分類，將分類后的WGS84坐標(biāo)分別錄入本地坐標(biāo)庫(kù)中的地面道路交叉口表、高架與地面道路交叉口表、地鐵站出入口表、門牌號(hào)表、poi興趣點(diǎn)表中。

WGS84坐標(biāo)錄入本地坐標(biāo)庫(kù)的同時(shí)，在每類坐標(biāo)庫(kù)表中加入兩個(gè)時(shí)間字段進(jìn)行版本控制，分別為當(dāng)前WGS84坐標(biāo)創(chuàng)建時(shí)間以及最近更新時(shí)間，通過這兩個(gè)字段實(shí)現(xiàn)各個(gè)坐標(biāo)的版本控制。

分析模塊

分析模塊包括非結(jié)構(gòu)化地址解析、關(guān)聯(lián)交通對(duì)象、關(guān)聯(lián)轄區(qū)三部分。如圖3所示為分析模塊總體流程圖。

▲圖3 分析模塊流程圖

由于數(shù)據(jù)類型及處理流程的差異，輸入數(shù)據(jù)根據(jù)數(shù)據(jù)分類配置分為地面數(shù)據(jù)與高速高架兩大類。

地面數(shù)據(jù)處理

如圖4所示為地面文字解析流程圖，非結(jié)構(gòu)化地址按精準(zhǔn)度逐一分解匹配本地坐標(biāo)庫(kù)中WGS84坐標(biāo)點(diǎn)，進(jìn)行地址解析，獲得非結(jié)構(gòu)化地址信息的經(jīng)緯度坐標(biāo)，包括地鐵站出入口類匹配單元、道路交叉口類匹配單元、門牌號(hào)匹配單元及興趣點(diǎn)類匹配單元。

▲圖4 地面文字解析流程圖

地鐵站出入口類匹配單元，用于判斷當(dāng)前非結(jié)構(gòu)化地址中是否包含軌交線路及地鐵站名關(guān)鍵字，若包含軌交線路及地鐵站名關(guān)鍵字，判斷是否包含出入口信息，包含出入口信息的情況下，匹配本地坐標(biāo)庫(kù)中的WGS84坐標(biāo)，若不包含出入口信息，將非結(jié)構(gòu)化地址與本地坐標(biāo)庫(kù)中首個(gè)出入口坐標(biāo)點(diǎn)的WGS84坐標(biāo)相匹配。若不包含軌交線路或地鐵站名關(guān)鍵字，則使能道路交叉口類匹配單元；道路交叉口類匹配單元，首先判斷非結(jié)構(gòu)化地址中是否含有道路交叉口庫(kù)中的任意兩條或兩條以上路名，若包含，則優(yōu)先匹配非結(jié)構(gòu)化地址描述中先出現(xiàn)的兩個(gè)路名交叉口，若不包含，使能門牌號(hào)匹配單元；門牌號(hào)匹配單元，判斷非結(jié)構(gòu)化地址中是否包含道路名，若包含，判斷是否包含該路名對(duì)應(yīng)的任一門牌號(hào)或10以內(nèi)相臨近門牌號(hào)，包含的情況下匹配本地坐標(biāo)庫(kù)中的WGS84坐標(biāo)，若不包含道路名或者包含道路名不包含該路名對(duì)應(yīng)的任一門牌號(hào)及相近門牌號(hào)，則使能興趣點(diǎn)類匹配單元；興趣點(diǎn)類匹配單元，首先判斷是否包含該興趣點(diǎn)名稱，若包含，判斷該興趣點(diǎn)所在道路名稱是否與本地坐標(biāo)庫(kù)中的一致，若一致，匹配本地坐標(biāo)庫(kù)中的WGS84坐標(biāo)，若不包含興趣點(diǎn)名稱或包含興趣點(diǎn)名稱但所在道路名稱與庫(kù)中不一致，不匹配。最后將匹配到的經(jīng)緯度坐標(biāo)進(jìn)行修正，按“東”、“南”、“西”、“北”四個(gè)方向及描述距離修正，從而可以達(dá)到米級(jí)別精度。

高精度坐標(biāo)解析完成之后按優(yōu)先級(jí)別從高到低，以50米為閾值，通過計(jì)算兩點(diǎn)之間的距離，首先判斷距離該坐標(biāo)50米范圍內(nèi)是否有poi興趣點(diǎn)存在，若有，則關(guān)聯(lián)poi興趣點(diǎn)作為相關(guān)交通對(duì)象；若沒有，再判斷距離該坐標(biāo)50米范圍內(nèi)是否有道路交叉口存在，若包含，則關(guān)聯(lián)該道路交叉口作為交通管理對(duì)象；若不包含，通過計(jì)算點(diǎn)到直線的距離，判斷距離該坐標(biāo)點(diǎn)50米范圍內(nèi)是否有相關(guān)路段，若有，則關(guān)聯(lián)該路段對(duì)象，若沒有，則不關(guān)聯(lián)。通過以上交通對(duì)象關(guān)聯(lián)方法，實(shí)現(xiàn)將解析出的高精度經(jīng)緯度坐標(biāo)關(guān)聯(lián)三類交通對(duì)象。同時(shí)，根據(jù)坐標(biāo)結(jié)果及轄區(qū)管理區(qū)域圖定位關(guān)聯(lián)中隊(duì)、大隊(duì)轄區(qū)。

高架數(shù)據(jù)處理

高速高架數(shù)據(jù)按照描述方式分為帶“km”的描述，如“外環(huán)高速外側(cè)18km約200米”、帶里程樁號(hào)的描述，如“華夏高架路北側(cè)BWP0444約10米”、帶立交匝道的描述，如“龍東大道外環(huán)高速龍東立交西向南上匝道西約5米”、以及其他描述。其中前三類為帶關(guān)鍵字類描述，最后一類為其他描述。這幾類描述在高架類數(shù)據(jù)中都屬于規(guī)范化描述。根據(jù)描述方式的不同，帶關(guān)鍵字類描述通過“高架起、終點(diǎn)方向配置”、“里程樁號(hào)配置”、“POI庫(kù)配置”進(jìn)行坐標(biāo)解析，并將解析結(jié)果關(guān)聯(lián)交通對(duì)象。其他類描述通過“高架與地面交叉口庫(kù)配置”配置匹配從而定位坐標(biāo)結(jié)果。同時(shí)，將帶“km”的描述、帶里程樁號(hào)的描述及其他文字描述關(guān)聯(lián)至高架上3km路段，帶立交匝道的描述關(guān)聯(lián)至POI興趣點(diǎn)交通對(duì)象。由分類規(guī)則得到的高速高架類數(shù)據(jù)可直接關(guān)聯(lián)至高速高架管轄區(qū)域。

應(yīng)用實(shí)踐

在針對(duì)某地建立的大數(shù)據(jù)研判系統(tǒng)中，應(yīng)用本方法用于對(duì)110警情上報(bào)地址，以及違法和事故上報(bào)地址進(jìn)行解析并關(guān)聯(lián)定位達(dá)到了很好的效果。

在對(duì)110警情地址解析中，針對(duì)5年警情的3142553條警情地址數(shù)據(jù)，能解析出2799073條，并關(guān)聯(lián)到道路交叉口及路段上，解析率達(dá)90%。針對(duì)事故上報(bào)的971506條地址數(shù)據(jù)總量，解析量為878858條，解析率達(dá)90.5%。針對(duì)違法數(shù)據(jù)總量7091593條，解析量為5815309，解析率達(dá)到82%。

其中將警情地址解析到經(jīng)緯度實(shí)現(xiàn)定位的效果如圖5所示：

▲圖5 經(jīng)緯度定位實(shí)現(xiàn)效果圖

總結(jié)與展望

高效、精確的對(duì)非結(jié)構(gòu)化語(yǔ)義地理信息進(jìn)行解析是大數(shù)據(jù)時(shí)代對(duì)空間信息挖掘分析的基礎(chǔ)，空間數(shù)據(jù)與非空間數(shù)據(jù)的交叉分析能全方位定位交通態(tài)勢(shì)。本文針對(duì)多類語(yǔ)義地理信息提出了多源語(yǔ)義地理信息坐標(biāo)解析方法，通過構(gòu)建高精度、標(biāo)準(zhǔn)化離線地址坐標(biāo)庫(kù)，對(duì)各類語(yǔ)義地理信息進(jìn)行分類解析，從而將空間地理信息無(wú)縫轉(zhuǎn)化為非空間統(tǒng)計(jì)數(shù)據(jù)，為后續(xù)統(tǒng)計(jì)挖掘奠定了基礎(chǔ)。后續(xù)研究中應(yīng)更加完善各類配置模塊，提高離線地址庫(kù)的準(zhǔn)確度，提升高架高速類數(shù)據(jù)的解析精度，從而提高匹配度及關(guān)聯(lián)精度，更好地為關(guān)聯(lián)分析提供基礎(chǔ)。