[发明专利]基于Jieba分词及地址词库的地理编码方法和系统

说明书

本发明公开了一种基于Jieba分词及地址词库的地理编码方法和系统。本发明的方法包括：步骤1：采集地址数据，建立地址数据库；步骤2：对用户输入的地址字符串进行分词；步骤3：进行两轮地址匹配与地址标准化；步骤4：将标准地址映射为地理坐标。本发明的系统包括：地址数据库，用于保存采集到的八级标准地址数据和其地理坐标；分词模块，用于将用户输入的地址字符串进行拆分；精确匹配模块，用于对拆分后的地址数组进行逐级精确匹配，并补全父级地址；模糊匹配模块，用于对未精确匹配的地址字符串进行模糊匹配，并完成地址的标准化；映射模块，用于将标准化的地址映射为地理坐标，并返回给用户。本发明算法简单易懂，易于编程实现。

技术领域：

本发明涉及一种基于Jieba分词及地址词库的地理编码方法和系统，属于地理编码地址解析技术领域。

背景技术：

地理编码是涉及地址与地理坐标转换的地理信息系统工作的基础。我们通常使用的是非标准化的地址，任何通过用户输入地址得到地理坐标的软件都要实现通过非标准化地址得到正确的地理坐标。为了得到正确的地理坐标，必须对非标准的地址进行标准化，并解析出其地理坐标，从而进行更进一步的地理分析与位置服务。

地理编码系统的研究起源于美国，在其基础上开发的地理编码软件工具在环境保护、城市规划等众多领域发挥了重要作用。但由于中文地址分级与英文地址不同，包含的词语多义、语法复杂等特点，在英文地理编码系统基础上建立的地理编码软件并不能完全应用在中文地理信息库上。

为了促进城市市政综合监管信息系统建设，中文地理编码标准应运而生。而随着GIS技术的发展，越来越多的工作需要使用非标准化地址获取地理坐标，根据中文地理编码标准标准化用户输入的非标准化地址，并得到正确的地理坐标成为了许多工作的共同需求。

目前较为常用的地理编码依据匹配方式可分为基于规则和统计，街道匹配，模糊地址匹配等。除此之外，还有许多其他的匹配方式。但由于中文的复杂性，和不同地区地址组成的差异性，这些匹配方式都还存在一些问题。为满足现在数量庞大的地理编码和地理坐标转换的需求，提出一个高效的地理编码方法和系统十分必要。

发明内容

本发明的目的是提供一种基于Jieba分词及地址词库的地理编码方法和系统，算法简单易懂，易于编程实现，有利于地理信息的交流传播，促进行业以及社会发展。

上述的目的通过以下技术方案实现：

一种基于Jieba分词及地址词库的地理编码方法，该方法包括如下步骤：

步骤1：采集地址数据，建立地址数据库；

步骤2：对用户输入的地址字符串进行分词；

步骤3：进行两轮地址匹配与地址标准化；

步骤4：将标准地址映射为地理坐标。

所述的基于Jieba分词及地址词库的地理编码方法，所述的地址数据库分为为八级，分别为国家、省或直辖市、市、区县、乡镇或街道、道路片区、POI、详细说明，每一级的主码为其ID，外码为其父级的ID。

所述的基于Jieba分词及地址词库的地理编码方法，所述地址数据库中的记录按其词频和首字母排序。

所述的基于Jieba分词及地址词库的地理编码方法，所述对用户输入的地址字符串进行分词是利用Jieba分词的“精确模式”进行中文地址字符串分词，并利用Jieba分词的“自定义词典”，导入地址数据库中的词库，提高分词准确度。

所述的基于Jieba分词及地址词库的地理编码方法，所述两轮地址匹配包括：

第一轮精确匹配：遍历分词后地址数组，利用字符串判等规则与地址数据库中的地址记录逐级进行精确匹配，直到所能匹配的最低级为止，并以此逐级补全其所有父级地址。