江苏龙网

  1. 首页 > 生活 > >

Google Maps的地理信息编码是怎样做的

谢邀。首先由于个人能力有限，只能回答地理编码是个什么东西，大致原理如何。至于google map是通过何种技术手段来实现地理编码，美国的编码标准和国内的编码标准规则有何区别，本人也迫切希望@蔡啸师兄帮忙解答。首先地理编码(Geocode)，说白了就是将地址或地名描述转换为地球表面上相应位置的功能，逆地址编码就是通过精确的经纬度坐标来获取该店的位置和属性，百度地图有一个拾取坐标系统，楼主感兴趣可以看看拾取坐标系统发现dogking14童鞋的回答更浅显易懂，整理如下要进行地址编码， 需要乎合一些编码条件， 先决条件是数据的属性表必须有地址，而属性表的字段要有一定的要求….以道路层为例，每条道路必须要有地址的字段如下：道路名称 (Name)道路类别 (Type)道路左方起始点的号码 (left from address, 简称字段为L_F_ADD)道路左方未段的的号码 (left to address, 简称字段为L_T_ADD)道路右方起始点的号码 (right from address, 简称字段为R_F_ADD)道路右方未段的的号码 (right to address, 简称字段为R_T_ADD)有了以上数据, 当用家要找一个地址 时(举例, ＂开心大道123号＂)，编码器就会在道路层先找名称Name为”开心大道”, 之后判断地址号数为单数还是双数, 如以”123号”为例, 它属于单数, 地址编码器会以单数为左方, 双数为右方的原则下, 在L_F_ADD及L_T_ADD的字段去查找, 如其中它找到一个记录L_F_ADD为100, L_T_ADD为200, 它就会将这个记录提取出来, 再按道路的长短去计算放置地址的位置, 由于123介乎100至200之间, 当这条线段提取出来后, 它会按线段的长短放置地址的位置, 例如, 提取的道路线段长度为100米, 地址123号就设置在这个线段的23米的位置, 由于是单数, 故ArcGIS就会在线段23米的左方放置一个点, 而这个点就是地址＂开心大道123号＂不过留意的是: 由于编码器按道路的长短计算位置去放置地址的点, 就会出现不准确的情况, 因现实环境中, 地址的号码未必与其占有的街道长短成正比例, 例如, 地址 “开心大道 201-257”可能是一间10多平方米的小屋, 之后有“开心大道259号是一个5000平方米的公园, 这样的话, 按长度去定义地址的编码器就不能准确地计算出地址的位置, 亦是这原因, 美国的编码器未必适合中国的地址编码, 用家可能需要研究一下那个编码器比较合适
■网友
地理编码（geocoding）是将文本描述的地址转换为空间位置的过程。目前各大地图服务商（高德、百度、谷歌）甚至很多专业GIS服务提供商都提供了地理编码服务; 把空间位置转换为相应地址的过程称之为逆地理编码; 与逆地理编码相比，地理编码面对的输入是用户千奇百怪的地址，对基础数据的要求更高，工程实现难度上要大很多。各家公司因为基础数据和服务对象的差异，地理编码引擎架构也有很大不同。 在一个规划很现代的城市里，像美帝的大都市，国内的上海，传统的地理编码能很好的发挥作用，但是放到全中国特别是像北京和三线城市没有成熟的规划或者是建设极为迅速，传统的地理编码就歇菜了。 跟搜索引擎一样，地理编码引擎也可以分为在线系统和离线系统两部分; 离线系统主要是数据的处理, 在线索引的生成； 在线系统是基于索引进行在线匹配并对外提供服务； 在线和离线的功能划分轻重，不同公司有不同的做法。我们一贯是重离线轻在线。把相关的数据处理、地址关系、数据精度、位置预测、语料训练在离线环节做好，在线就可以简单很多。 数据。 空间数据是地理编码引擎的基础; 一个是高质量的地址数据；如：道路、POI、门牌、楼栋号; 这些数据的覆盖率和精度会直接影响geocoding的效果。 如蒋鹏所说的 开心大道|123号 就依赖于道路和门牌; 有了空间数据就可以搭一个可用的地理编码引擎了。 空间数据之外很重要的是语料。这部分对于完善地址关系、进行离线挖掘是必不可少的。 互联网公司每天大量的query和位置收集，利用如此海量的数据去构建地址关系、校验地址精度和完善覆盖率是极为有效的手段；数据的覆盖率和精度是各家地理编码引擎真正的差距所在。 在线。 地理编码匹配大致这几个环节 分词、地址分析、地址改写纠错、相关性计算、RANK排序、 插值； 有些地理编码引擎不用分词。如果分词做的好很极大的提升准确率，简化逻辑，提高性能。 地址分析是分析地址中的级别（如 区县、村、 道路、POI、门牌等）和匹配意图。 规范化、纠错和改写是对用户千奇百怪的地址输入（拼音、大小写、错写）归一化到可以识别的地址上去。这依赖于离线环节的训练和数据积累。 相关性计算包括文本相关性和空间相关性； 文本相关性时余弦和bm25都是常用的算法，空间相关性包括挖掘的空间关系或简单的空间距离等 排序 是对所有查找到的结果按照相干性和意图进行筛选打分； 插值是对门牌等的预测手段，对规范的道路门牌是很有效的。以上是一点经验。欢迎补充更正！


推荐阅读


上一篇：怎样在手机上把 Gmail／ Inbox by Gmail 的邮件放入 Evernote?

下一篇：一个人能否做出一个情绪识别的软件两年普通的C语言能力。