352 武汉大学学报 信息科学版 206 年 0 月 价, 发现其存在的缺陷, 为普通用户选择合适的地理编码服务提供指导 质量评价指标 地理编码质量评价涉及以下 4 个指标 () 地址匹配度 : 指原始地址经过地理编码运算的结果与其目标地址的契合程度 常用的计算方法是矢量空间模型 (vectorsp

第 4 卷第 0 期 206 年 0 月 武汉大学学报 信息科学版 GeomaticsandInformationScienceofWuhanUniversity Vol.4No.0 Oct.206 犇犗犐 :0.3203/j.whugis2040979 文章编号 :67 8860(206)0 35 08 国内主流在线地理编码服务质量评价 田沁 巩癑 亢孟军 孟社宁 2 杜清运 武汉大学资源与环境科学学院, 湖北武汉,430079 2 中国船舶重工集团 73 研究所, 河南郑州,450000 摘要 : 在线地理编码服务是非专业用户最常用的非空间数据空间化的手段 然而, 大量在线地理编码服务的出现增加了用户选择的困难, 因此通过对主流的在线地理编码服务质量进行评价, 为公众的日常应用提供选择上的指导, 并有助于在线地理编码服务商发现服务存在的缺陷, 进一步完善服务 基于国内主流的 4 种在线地理编码服务 和, 采用与衣食住行相关的 4 类地址作为检验数据, 分别从地址匹配率 地理编码服务位置精度和一致性三个方面, 对 4 种服务进行质量评价, 得到以下结论 : 造成 4 种服务质量差异的主要原因是其参考库的质量差异 ; 地图有最高的地址匹配率和最差的位置精度 ; 地图整体表现较为优异, 具有较高的数据质量和较完备的地址数据 关键词 : 在线地理编码 ; 地址匹配度 ; 质量评价中图法分类号 :P208 文献标志码 :A 地理编码是指按照一定的规则赋予个体地域唯一 可识别的编码, 建立个体地域与标准地址 空间坐标的映射关系, 从而可将地址与空间坐标 [ 4] 进行自动转换 地理编码包含 4 个组成部分 : 输入数据 输出数据 地址匹配算法和参考数据 [] 库 主流的 GIS 软件已普遍包含地理编码模块, 如 OneMap MapInfo 的 MapMarker 等 这些地理编码软件的服务对象主要为企业或者专业用户, 需要用户提供参考库, 并进行相关过滤参数的设置, 普通用户难以使用 随着互联网地图的迅速发展, 在线地理编码服务成为普通用户获取空间位置信息的重要手段 然而, 大量在线地理编码服务的出现增加了用户的选择难度, 截止 202 年 9 月, 有 62 家单位获得全国甲级互联网地图服务测绘资质, 至少有 0 种以上互联网地图及其在线地理编码服务为公众所熟知 因此, 正确评价在线地理编码服务的质量, 能够为普通用户的日常应用提供指导, 并有助于在线地理编码服务商进一步完善相关功能 地理编码结果的不确定性由地理编码算法 [5] 参考库和输入数据三个因素引起 在使用相同参考库的情况下, 不同地理编码算法的计算结果 [2] 不会对匹配质量产生较大的影响 ; 参考库, 即互 联网地图服务的专题要素库 (pointofinterest, POI), 其容量 数据质量极大影响了地理编码的 [6] 结果, 是造成不确定性的主要因素 ; 同时, 普通用户输入地址的不规范也是造成不确定性的重要因素 国内学者对于地理编码质量评价的研究相对较少, 而主要关注于地名和地址要素的解析方 [7 0] [ 3] 法, 地理实体及其空间关系的标注, 试图建立自然语言与 GIS 模型的语义映射 国外学者对地理编码的研究比较全面, 涉及到地理编码质量的各个细节, 如在公共健康和流行病学研究领域, 对一些成熟 GIS 软件中的地理编码模块或商用的地理编码软件包进行地理编码质量的评 [4 6] 价 ; 在农业健康研究中, 比较地理编码质量在 [7] 农村和城镇区域的差异 ; 利用在线地理编码服 [8] 务作为农业市场数据验证和精度优化的手段 ; 尝试构建地理编码服务质量评价的系统框架 [9] ; [20] 引入公众参与地理编码结果的评价 ; 甚至引入公众社交行为模式等手段提高地理编码服务质 [2] 量 本文选择地图 地图 地图和地图 4 个主流在线地理编码服务, 从地理编码匹配率 位置精度和相似性三个指标进行质量评 收稿日期 :205 07 09 项目资助 : 国家自然科学基金 (420403,447327) 第一作者 : 田沁, 博士生, 主要从事地理编码和时空数据挖掘研究 tianqin@whu.edu.cn 通讯作者 : 亢孟军, 博士, 讲师 mengjunk@whu.edu.cn

352 武汉大学学报 信息科学版 206 年 0 月 价, 发现其存在的缺陷, 为普通用户选择合适的地理编码服务提供指导 质量评价指标 地理编码质量评价涉及以下 4 个指标 () 地址匹配度 : 指原始地址经过地理编码运算的结果与其目标地址的契合程度 常用的计算方法是矢量空间模型 (vectorspacemodel,vsm), 即将原始地址描述和地理编码运算结果看成是一组正交词条矢量 { 狋, 狋 2,, 狋犿 } 所构成的矢量空间, 给每一词条狋犻赋以一定的权重, 地址匹配度可以用两矢量的夹角余弦值来度量, 值越大, 相似度越 [22] 高 根据地址匹配度的差别, 可将地址匹配度分为 和无匹配三种类别计算 (2) 地址匹配率 : 指经过地理编码运算, 获得匹配结果的地址数占总地址数的比例 匹配率基于一定的匹配度类别 (3) 位置精度 : 由位置误差距离反映 位置误差距离是指经过地理编码运算后, 获得的匹配结果的坐标与该地址真实坐标的误差距离 误差距离越小, 位置精度越高 (4) 相似性 : 任意一条地址犪犱犻, 经过任意两个在线地理编码服务狊犻 狊犽运算, 得到两个坐标犃 ( 狓犻, 狔犻 ) 和犅 ( 狓犽, 狔犽 ), 用犃犅两点间的距离度量服务狊犻和狊犽的相似性, 距离越短, 相似性越高 2 实验及分析 2. 数据情况及预处理 选择深圳市与衣 食 住行相关的 4 类地址数据 购物中心 连锁餐饮 宾馆酒楼和交通设施, 共 3959 条地址, 作为实验样本, 数据类别如表 所示 地址组织模式主要有以下两种 () 公共设施名称明确, 地址信息表述为 :< 地址描述 >=< 行政区划 > + < 设施标准名称 >, 如金湖旅馆其地址描述为 深圳市南山区南头街道大新社区 + 金湖旅馆 ; (2) 公共设施名称不明确, 地址信息表述为 : < 地址描述 >=< 行政区划 > + < 基本区域限定物 >, 如书报亭名称可能在同一地区出现多次, 为不明确名称, 其地址描述为 深圳市福田区梅林街道梅亭社区 + 书报亭 对 4 类数据的地址依次调用 4 个在线地理编码服务接口, 并依次记录其返回信息, 包括匹配坐标 匹配度及匹配到的地址级别 国家规定公开 出版的电子地图数据必须经过 GCJ 02 加密, 各 互联网地图或遵循此规定, 或在此基础上进行二 次加密, 因此匹配后的坐标含有一定的随机误差 为使匹配后的坐标能够进行统一比较, 本文选择 地图提供的坐标转换服务接口, 将其他 4 个地理编码服务坐标和测试地址的原始坐标统 一转换为 BD 09 坐标 (m), 在统一的坐标系 下进行精度分析 表 实验数据类别及数量 Tab. CategoryandNumberofTestingAddress 公共设施类别 子类别 子类别数量 小计 便利店 99 书报亭 97 购物中心 特色市场 96 989 专卖店 200 综合商场超市 97 连锁餐饮 连锁餐饮 000 000 馆酒楼宾馆酒店 500 普通招待所 477 977 公交站点 98 加油站 97 交通设施 交通运输物流 200 993 汽车维修养护 200 汽车售票点 98 其他 00 合计 3959 2.2 实验结果及分析 2.2. 地址匹配率为有效统计各地理编码服务的匹配率, 根据各服务的匹配度和返回参数, 将地理编码结果分为 和三类 其中, 是指匹配度高, 匹配地址级别达到门牌号 楼栋号或兴趣点的匹配结果 ; 是指匹配度相对较低, 匹配地址级别达到道路 社区或者小区级别的一类匹配结果 ; 是指匹配结果为或匹配地址级别在社区以上的一类匹配结果 基于以上三个匹配级别, 统计 4 类地理编码服务的匹配率, 统计结果见表 2 ) 总体分析对 和分别用 0 和 2 进行编码, 采用 Friedman 方法对总体匹配率统计结果进行检验 假如每个地址编码服务匹配率都是一样的, 则各服务的秩均值应为 (4+)/2=2.5 通过该假设检验得到狆 =0.00 0.05, 其中狆代表结果的统计学意义, 即如果原假设是正确的, 那么所得到的样本结果会像实际观测结果那么极端或者更极端的概率为 0.00, 因此拒绝原假设, 即各服务的地址匹配率存在显著差异 ; 然后进一步用

第 ４１ 卷第 １０ 期 田 沁等 国内主流在线地理编码服务质量评价 １３５３ Ｗ ｘｎ符号秩检验对各服务匹配率进行两两配 对验证 除了和的 狆 ０３５ ０５ 其他 性 根据总体分析的秩均值可知 的匹配率最 的检验 狆 ０５ 即说明各服务之间确实存在差异 理编码服务匹配率的秩均值分布 高 其次为 最后为 和搜 狗 图 １ 为各地 表 ２ 地理编码服务的匹配率 Ｔｂ ２ Ａｄｄ Ｍ ｈｒ ｆｇ ｄｄｒ ｕ 数据 条 所有数据 交通设施 宾馆酒楼 购物中心 连锁餐饮 ３９５９ ９９３ ９７７ ９８９ 匹配级别 匹配率 ３９ ７１ ５８ ２２ ４２ １１ ３７ ３９ ５３ ２９ ３３ ４５ ０８ ４５ ２ ７６ １２ ４５ １２ ８１ １６ ３１ ４２ ８０ ６１ ５３ ４４ ９１ ４３ ４０ ３４ ２４ ２３ ２６ ４１ ２９ ３９ ６８ ２２ ９６ １５ ２１ １３ ８０ １６ ９２ ３７ ２６ ５１ ４８ ４ ３３ ８８ ４ ２２ ３７ ２６ ４４ ４２ ４８ ７２ ２２ ５２ １１ ２６ １４ ７４ １７ ４ ３８ ３２ ６３ ６０ ３６ ５０ ３６ ３０ ３９ ７４ ２２ ９５ ５１ １６ ４８ ４３ ３１ ９４ １３ ４５ １２ ３３ １５ ２７ ４ ４ ５６ ２ ４６ １ ３７ ７ ４３ ９ ３３ ９ ４３ ５ ４６ ６ １５ ７ ９ ９ １ ４ １５ ７ 图 １ ４ 种服务地址匹配率的 ｄｍｎ 检验的秩均值 １ Ｍ ｎｒｎｋ ｆｕ Ｇ ｄ ｎｇｓ Ｂ ｄｎａ Ｄ ２ 分类分析 按类别对衣 食 住 行 ４ 类 地 址 数 据 的 匹 配 图 ２ 各种服务对 ４ 种类别数据的秩均值 ２ Ｍ ｎｒｎｋ ｆｕ Ｇ ｄ ｎｇ Ｓ Ｂ ｄｎｃ ｆ ｄｄ Ｔｙｐ 结果的匹配率 进 行 ｄｍｎ 检 验 结 果 发 现 各 ２ ２ ２ 位置精度 位置精度分析包含总体分析和分类分析 其 服务的地址 匹 配 率 仍 然 存 在 显 著 的 差 异 狆 中 总体分析是指不考虑地址的类别 对所有地址 ００５ 为 明 确 两 两 服 务 间 的 差 异 值 对 ４ 种 类 别 地址匹配率数据进行 Ｗ ｘｎ 符号秩检验 可得 的位置误差距离 进 行 整 体 的 统 计 并 检 验 各 地 理 到以下结论如图 ２ １ 除百 度 和 搜 狗 外 其 他 服 务 之 间 的 存 在 显著差异即 狆 值均远小于 ０５ 编码服务 地 址 匹 配 的 位 置 精 度 是 否 存 在 显 著 差 异 分类分析是根 据 地 址 的 类 别 交 通 设 施 宾 馆 酒楼 购物中心 连锁餐饮 分析不同地理编码服 务对各类别地址的匹配位置精度差异 ２ 和 搜 狗 两 个 服 务 除 了 在 交 通 设 施 类别存在显 著差 异外 ００７ ０５ 在 其 他 狆 １ 总体分析 图 ３ 为 ４ 种地理编码服务的位置误差距离统 类别中 并无显著 的 差 异 宾 馆 酒 楼 购 物 中 心 和 计分布 位置误差距离的统计直方图显示各组数 连锁餐饮的 狆 值分别为 ４７１ ０９１ ２７４ 据分布不对称 根据切比雪 夫 不 等 式 至 少 有 １ ３ 高 德 在 ４ 种 类 别 中 匹 配 率 均 最 高 尤 其 对于购物中心类别的匹配率最高 其次为 最 １ 的数据落在样本平均值的 倍标 准差范围内 犽 犽２ 本文采用 ４ 倍标 准 差 阈 值 去 掉 异 常 值 即 至 少 有 后为和

武汉大学学报 信息科学版 １３５４ ２０１６ 年 １０ 月 ９４ 的数据落在平均数加减 ４ 个标准差的范围之 内 表 ３ 展示了去掉异常值后各地理编码服务的 位置误差距离的统计信息 其中 和的中 值 平均值和标准差都明显比和的小 位置误 差 距 离 统 计 数 据 的 分 布 整 体 趋 于 左 偏 并且不满足齐方 差 性 通 过 Ｗ 检 验 Ｓｈｐ 得 正 态 性 假 设 被 拒 绝 即 不 Ｗ ｋ 狆 ０５ 符合正态分布 由于少量地址经过某种服务匹配 产生异常值 去掉异常值后 地址误差距离失去配 对特 征 因 此 采 用 Ｋ Ｗ 检 验 Ｋｕｋ Ｗ 判 断 种 地 理 编 码 服 务 位 置 精 度 是 否 存 在 ４ 图 ３ ４ 类地址匹配服务的位置误差距离统计 ３ Ｓ ｆｌ ｎｅ ｆ ｈｕ Ｇ ｄ ｎｇｓ 表 ３ 地理编码服务匹配结果位置误差统计去掉异常值 ｍ ｍ Ｔｂ ３ Ｓ ｆｌ ｎｅ Ｗ ｈｕ Ｏｕ 服务 数目 最小值 最大值 中值 平均值 标准差 ３９４３ ６１ ３６９１４ ４２ ２０６ ０８ ７６５ ２５ １７０１ ６９ ３９４２ ２２ ４４７６３ ４７ ２２８ １７ １２２７ ９１ ３３９２ ７５ ３９４３ ７６ ３７２６ ３１ １７６ ５８７ １３ １５３４ ８１ ３９４２ ５３ ６０５９１ ４０ ２０４ ７２ １３０６ ６８ ３７４２ １３ 显著差异 Ｋ Ｗ 检验是 一 种 针 对 多 组 数 据 的 非 参 数 检 ２ 分类分析 对 ４ 类地址 的 位 置 误 差 距 离 进 行 分 类 分 析 验 用来检测总 体 函 数 分 布 的 一 致 性 原 假 设 和 其 确定 ４ 种地理编码服务对不同类别地址的匹配质 替 代 假 设 判 断 多 组 数 据 间 是 否 存 在 显 著 差 异 量的优劣 由于 ４ 类地址的位置误差距离数据均 由 Ｋ Ｗ 检验结果可知 狆 ０５ 拒绝原假设 即４ 不满足方差分析的前提条件 本文仍采用 Ｋ Ｗ 检 个地理编码服务的地址匹配位置精度确实存在显 验方法 著的差异如 图 ４ 然 后 两 两 服 务 之 间 分 别 进 行 表 ４ 为购物中心 连锁餐饮 宾馆酒楼和交通 Ｕ 检验Ｍｎｎ Ｗｈ ｎｙ 来 检 验 这 ４ 个 服 务 设施 ４ 类地址的位置误差的 Ｋ Ｗ 检验结果 可得 两两之间是否都存在差异 结果显示 高 德 狆 到以下结论 ０３ ００１ 高 德 腾 讯 狆 狆 表 ４ ４ 类地址数据的位置误差距离 犓 犠 ００１ 以及 ００１ 存 在 显 著 性 差 狆 检验结果 异 而 百 度 搜 狗 １３５ 和 高 德 搜 狗 狆 狆 Ｔｂ ４ Ｋ Ｗ Ｔ Ｒ ｕ ｆｌ ｎ １９６ 之间的差 异 则 不 明 显 秩 均 值 反 映 了 地 理 Ｅ ｆｕ Ｔｙｐ ｆａｄｄ 编码服务位置精度的高低 值越小 位置误差距离 地址类别 越小 位置精度越高 的位置精度最高 其次 为 和 购物中心 连锁餐饮 宾馆酒楼 图４ 所有地址 Ｋ Ｗ 检验秩均值 ４ Ｋ Ｗ Ｔ Ｍ ｎｒｎｋｂ ｄｎａ Ａｄｄ Ｄ 交通设施 服务 数目 秩均值 显著性 ９８６ １９９６ ５８ ００１ ９８６ ２１０１ ９２ ９８６ １７ ０１ ９８６ ２００７ ４９ ２０１６ ３３ １９８７ ５６ １９０２ ０１ ２０９５ １０ ９６８ １９１２ ９８ ９６８ ２０６２ ３２ ９６８ １８３２ ２３ ９６７ １９３６ ４７ ９８９ １９６９ ９８ ９８８ ２０３４ ９８９ １９２３ ２０ ９８９ １９ ０４ ００２ ００１ １８７

第 ４１ 卷第 １０ 期 田 沁等 国内主流在线地理编码服务质量评价 １３５５ １ 对于 购 物 中心 类 别 Ｋ Ｗ 检验显 著性 值 ０１ 拒绝 原 假 设 即 ４ 种地理 编码 服 务 对 该 狆 类地址的地址匹配 位 置 精 度 差 异 显 著 然 后 用 Ｕ 检验各服务两两之间的差异性 结果显示 搜 狗 ８３９ 和 高 德 搜 狗 ０８２ 之 间 的 差 狆 狆 异性并不明显 其他服务之间差异性比较显著 结 合秩 均 值 可 知 腾 讯 位 置 精 度 最 高 其 次 为 百 度 和 ２ 对于宾馆 酒 楼 类 别 Ｋ Ｗ 检 验 显 著 性 值 ０１ 拒绝 原 假 设 即 ４ 种地理 编码 服 务 对 该 狆 类地址的地址匹配位置精 度差异显 著 由 Ｕ 检 验 图 ５ 地理编码服务相似性箱线图 显示 出 百 度 腾 讯 ０９７ 百 度 搜 狗 狆 狆 ５ Ｂｘｐ ｆｓ ｍ ｙａｍｎｇｕ ６２１ ０６７ 之 间 差 异 性 不 显 狆 著 其 他 服 务 之 间 差 异 显 著 结 合 秩 均 值 比 较 可 Ｇ ｄ ｎｇｓ 知 的位置精度最低 其他几个服务之间位置 精度差异不显著 ３ 对于餐饮 连 锁 类 别 Ｋ Ｗ 检 验 显 著 性 值 ０１ 拒绝 原 假 设 ４种服务在该类别的位置 狆 精度差异显著 同时由 Ｕ 检 验 可 知 百 度 高 德 狆 ６２０ １１３ 及 高 德 腾 讯 狆 狆 并不显著 结合秩均值比较可知 的 １１１ ００１ 即 在 服 务 之 间 的 相 似 性 上 差 异 性 是 显 著 的 然 后 对 这 ６ 对 相 似 值 进 行 Ｕ 检 验 发 现 只 有 与 之间的 差异是 不 显 著 的 狆 １３３ 其他的相似值之间差异是比较显著的 结合秩均值 可 以 得 出 百 度 腾 讯 最 为 相 似 其 次 为 高 德 腾 讯 腾 讯 搜 狗 百 度 搜 狗 百 度 高 德 如图 ６ 位置精度要优于和 ４ 对于 交 通 设 施 类 别 Ｋ Ｗ 检 验 显 著 性 值 ０１ 接受 原 假 设 即 ４ 种服务 在该 类 别 的 位 狆 置精度无显著差异 ２ ２ ３ 相似性 相似性分析分为总体分析和分类分析 总体 分析是不区分地 址 数 据 的 类 别 对 各 地 理 编 码 服 务间的相似性进 行 分 析 分 类 分 析 是 按 照 地 址 类 别 进行服务 间 的 相 似 性 分 析 从 百 度 高 德 腾 讯和 ４ 个地图服务中任选两个服务组合进行 相似性分析 可得到组合数 ６ 即 共 有 ６ 组 相 似 性 值可供比较 １ 总体分析 根据切比雪 夫 不 等 式 采 用 ４ 倍 标 准 差 阈 值 去掉异常值 由 于 数 据 不 满 足 方 差 齐 性 并 且 百 度 和 ４ 个地图服务两两之间的相 似性值构成的 ６ 个 变 量 失 去 了 配 对 的 特 点 不 满 足多个变量相关 的 条 件 因 此 先 对 ６ 组 相 似 性 值 的四分位数进行分析 然后采用 Ｋ Ｗ 方法检验对 各服务之间相似性的显著性 图５ 为 ６ 组 相 似 性 值 取 自 然 数 为 底 数 的 对 数 生成的箱线图 通过对比中位数 数据集聚程 度 可以看 出 百 度 腾 讯 的 相 似 性 最 大 高 德 和 搜 狗的相似性最小 对各服务的相似性进行 Ｋ Ｗ 检 验 得 到 狆 图 ６ 相似性秩均值对比 ６ Ｖ ｕ ｚ ｎ ｆｋ Ｗ Ｔ Ｍ ｎｒｎｋ Ａｂｕ Ｓ ｍ ｙａｍｎｇｓ ２ 分类分析 表 ５ 对 ６ 组数据的相似性值用四分位数进行 统计分析 其具体结果说明如下 １ 宾馆酒 楼 类 百 度 腾 讯 的 相 似 性 最 大 其后依次为 腾 讯 搜 狗 高 德 腾 讯 百 度 搜 狗 百 度 和 ２ 购物中 心 类 百 度 腾 讯 相 似 性 最 大 其 后依次为 搜 狗 腾 讯 百 度 搜 狗 百 度 和 ３ 交通设 施 类 相 似 性 依 次 为 百 度 腾 讯 百 度 高 德 和 高 德 ４ 餐饮连 锁 类 相 似 性 依 次 为 百 度 腾 讯 百 度 搜 狗 和 高 德

356 武汉大学学报 信息科学版 206 年 0 月 总结可知, 在所有类别地址中都有最大的相似性, 而 的相似性则最小 ; 同 时, 连锁餐饮类各个服务之间的相似性最大, 其后依次为购物中心, 交通设施, 宾馆酒楼 表 5 4 种地理编码服务相似性的四分位值 /m Tab.5 QuartilesofSimilarityAmongFourGeocodingServices/m 所有数据 ( 去掉异常值 ) 宾馆酒楼 购物中心 交通设施 连锁餐饮 Q 52.7 30.40 44.3 37.43 65.50 45.09 Q2 339.57 88.52 36.38 230.92 432.77 232.94 Q3 238.60 730.58 249.22 02.95 786.87 077.88 Q 77.69 39.3 49.0 46.94 86.74 42.22 Q2 450.54 23.93 364.33 289.69 46.67 274.65 Q3 97.89 839.24 249.9 094.8 83.62 70.80 Q 66.3 34.22 57.9 43.57 93.90 52.75 Q2 327.80 64.52 323.37 66.83 408.45 20.73 Q3 80.75 654.22 045.24 804.09 65.62 832.5 Q 39.28 26.00 34.83 3.40 47.95 43.49 Q2 369.97 98.90 28.87 297.4 459.2 23.85 Q3 530.65 762.06 279.99 94.90 779.68 035.82 Q 43.35 29.58 44.82 26.6 55.99 40.68 Q2 243.35 53.0 287.9 84.34 39.45 24.26 Q3 0.55 678.5 422.34 89.9 854.06 200.68 3 结语 地理编码是将非空间数据空间化最高效 最简单的方法, 但是地理编码是一个不确定性的过程, 其精度主要受匹配算法 参考库和输入数据的影响 公众在使用这些地理编码服务时, 希望了解这些地理编码服务的特点, 从而选择适合自己的地理编码服务 本文针对这 4 个服务商的地理编码服务进行了分析, 从匹配率 位置精度和相似性 3 个维度进行总体对比和分类对比, 得到以下结论 ) 地址匹配率 总体上, 的匹配率最高, 其次为, 最后为和 ( 二者差异性不显著 ) 分类分析中, 在 4 类地址的匹配率都是最高的, 特别是购物中心的匹配率远高于其他几个服务 ; 其次为, 最后为和, 其中, 除了在交通设施类数据中匹配率略高于外, 在其他类别数据中两者差异均不显著 2) 位置精度 总体上,4 种服务可分成两个级别, 位置精度最高, 为第一级别 ; 其他三种服务与位置精度差异显著, 为第二个级别, 其顺序为 和 分类分析中,4 种服务在交通设施类别差异不显著 ; 购物中心类别位置精度顺序跟总体分析结论一致 ; 宾馆酒楼类别, 的位置精度最低, 其他的几个服务差异不显著 ; 连锁餐饮类别, 位置精度要优于和 3) 相似性 和匹配的结果相似性 最高, 其次为, 然后是, 最后是 和 ( 这两者的相似性差异不显著 ), 和的匹配结果相似性最小 ; 在对数据按类别进行分析时可知, 在所有类别中均相似度最高, 而 的相似性最低 ; 并且对于连锁酒店数据, 各服务之间的相似性最大, 其次为购物中心 交通设施 宾馆酒楼 综合以上 3 个指标的结论可知, 有最高的地址匹配率和最差的位置精度, 说明其地址参考库数据相对较为完备, 地址匹配算法完善, 但其参考地址的数据精度较差 ; 整体表现较为优异, 具有较高的数据质量和较完备的地址数据, 而则为 4 者中最差的 在分类分析方面,4 种服务在交通设施类的地址的匹配结果较好, 而且无显著差异, 原因可能与该类地址比较明确, 且变更频率低有关 ; 而表现差异显著的主要为连锁酒店类, 原因是部分连锁酒店处于小的街巷中, 地址描述混乱, 难以规范的描述和组织 以下因素可能对本文结论产生影响 : 地址匹配返回的坐标经过了加密, 为进行对比分析, 统一到 BD 09 坐标系下, 该加密算法对真实坐标进行了非线性偏移 ;2 原始数据由地址描述和其实际坐标组成, 原始地址描述在采集过程中虽然遵循了一定的行业推荐标准, 但并非强制标准, 可能与各服务参考库的地址描述存在一定的差异 因此, 需要进一步规范地址模型, 提高地理编码服务的质量, 促进更多非空间数据的 落地

第 4 卷第 0 期田沁等 : 国内主流在线地理编码服务质量评价 357 参考文献 [] GoldbergD W,WilsonJP,KnoblockC A.From TexttoGeographicCoordinates:theCurrentState ofgeocoding [J]. 犝犚犐犛犃犑狅狌狉狀犪犾,2007,9(): 33 46 [2] KarimiH A,Durcik M,RasdorfW.Evaluationof Uncertainties Associated with Geocoding Tech niques[j]. 犆狅犿狆狌狋犲狉 犃犻犱犲犱犆犻狏犻犾犪狀犱犐狀犳狉犪狊狋狉狌犮 狋狌狉犲犈狀犵犻狀犲犲狉犻狀犵,2004,9(3):70 85 [3] ZandbergenP A.A ComparisonofAddressPoint, ParcelandStreetGeocodingTechniques[J]. 犆狅犿 狆狌狋犲狉狊, 犈狀狏犻狉狅狀犿犲狀狋犪狀犱犝狉犫犪狀犛狔狊狋犲犿狊,2008,32 (3):24 232 [4] RoongpiboonsopitD,KarimiH A.ComparativeE valuationandanalysisofonlinegeocodingservices [J]. 犐狀狋犲狉狀犪狋犻狅狀犪犾犑狅狌狉狀犪犾狅犳犌犲狅犵狉犪狆犺犻犮犪犾犐狀犳狅狉 犿犪狋犻狅狀犛犮犻犲狀犮犲,200,24(7):08 00 [5] HartT C,Zandbergen P A.Reference Dataand Geocoding Quality:Examining Completeness and PositionalAccuracyofStreetGeocodedCrimeInci dents[j]. 犘狅犾犻犮犻狀犵 : 犃狀犐狀狋犲狉狀犪狋犻狅狀犪犾犑狅狌狉狀犪犾狅犳犘狅犾犻犮犲犛狋狉犪狋犲犵犻犲狊牔犕犪狀犪犵犲犿犲狀狋,203,36(2): 263 294 [6] RoongpiboonsopitD,KarimiH A.QualityAssess mentofonlinestreetandrooftopgeocodingserv ices[j]. 犆犪狉狋狅犵狉犪狆犺狔犪狀犱犌犲狅犵狉犪狆犺犻犮犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲,200,37(4):30 38 [7] ZhangXueying,LvGuonian,LiBoqiu,etal.Rule basedapproachtosemanticresolutionofchineses Addresses[J]. 犑狅狌狉狀犪犾狅犳犌犲狅 犐狀犳狅狉犿犪狋犻狅狀犛犮犻 犲狀犮犲,200,2():9 6( 张雪英, 闾国年, 李伯秋, 等. 基于规则的中文地址要素解析方法 [J]. 地球信息科学学报,200,2():9 6) [8] ChengGang,LuXiaoping.MatchingAlgorithmfor ChinesesPlaceNamesbySimilarityinConsideration ofsemanticsofgeneralnamesforplaces[j]. 犃犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅犵狉犪狆犺犻犮犪犛犻狀犻犮犪,204,43(4): 404 40( 程钢, 卢小平. 顾及通名语义的汉语地名相似度匹配算法 [J]. 测绘学报,204,43(4):404 40) [9] ZhangXueying,KrauseJ.An Approachto Auto matic Keyword Extractionin Chinese Text[J]. 犑狅狌狉狀犪犾狅犳狋犺犲犆犺犻狀犪犛狅犮犻犲狋狔犳狅狉犛犮犻犲狀狋犻犳犻犮犪狀犱犜犲犮犺狀犻犮犪犾犐狀犳狅狉犿犪狋犻狅狀,2008,27(4):52 520( 张雪英,KrauseJ. 中文文本关键词自动抽取方法研究 [J]. 情报学报,2008,27(4):52 520) [0]TangXuri,ChenXiaohe,ZhangXueying.Research ontoponym ResolutioninChineseText[J]. 犌犲狅 犿犪狋犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉 狊犻狋狔,200,35(8):930 935( 唐旭日, 陈小荷, 张雪英. 中文文本的地名解析方法研究 [J]. 武汉大学学报 信息科学版,200,35(8):930 935) []ZhangXueying,ZhangChunju,DuChaoli.Seman tic Relation Between Spatial Relation Terms and FeatureTypeofGeographicalEntities[J]. 犌犲狅犿犪狋 犻犮狊犪狀犱犐狀犳狅狉犿犪狋犻狅狀犛犮犻犲狀犮犲狅犳犠狌犺犪狀犝狀犻狏犲狉狊犻狋狔, 202,37():266 270( 张雪英, 张春菊, 杜超利. 空间关系词汇与地理实体要素类型的语义约束关系构建方法 [J]. 武汉大学学报 信息科学版, 202,37():266 270) [2]ZhangXueying,ZhuShaonan,ZhangChunju.An notationofgeographicalnamedentitiesinchinese Text[J].A 犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅犵狉犪狆犺犻犮犪犛犻狀犻犮犪, 202,4():5 20( 张雪英, 朱少楠, 张春菊. 中文文本的地理命名实体标注 [J]. 测绘学报,202, 4():5 20) [3]ZhangXueying,ZhangChunju,ZhuShaonan.An notationforgeographicalspatialrelationsin Chi nesetext[j]. 犃犮狋犪犌犲狅犱犪犲狋犻犮犪犲狋犆犪狉狋狅犵狉犪狆犺犻犮犪犛犻狀犻犮犪,202,4(3):468 474( 张雪英, 张春菊, 朱少楠. 中文文本的地理空间关系标注 [J]. 测绘学报, 202,4(3):468 474) [4]WhitselE A,RoseK M,WoodJL,etal.Accura cyandrepeatabilityofcommercialgeocoding[j]. 犃犿犲狉犻犮犪狀犑狅狌狉狀犪犾狅犳犈狆犻犱犲犿犻狅犾狅犵狔,2004,60 (0):023 029 [5]WhitselEA,QuibreraP M,SmithRL,etal.Ac curacyofcommercialgeocoding:assessmentand Implications[J]. 犈狆犻犱犲犿犻狅犾狅犵犻犮犘犲狉狊狆犲犮狋犻狏犲狊牔犐狀 狀狅狏犪狋犻狅狀狊,2006,3(): 2 [6]ZandbergenPA,GreenJW.ErrorandBiasinDe terminingexposurepotentialofchildrenatschool Locations Using Proximity Based GIS Techniques [J]. 犈狀狏犻狉狅狀犿犲狀狋犪犾犎犲犪犾狋犺犘犲狉狊狆犲犮狋犻狏犲狊,2007, 363 370 [7]JonesRR,DelaValeC T,FloryA R,etal.Ac curacyofresidentialgeocodingintheagricultural HealthStudy[J]. 犐狀狋犲狉狀犪狋犻狅狀犪犾犑狅狌狉狀犪犾狅犳犎犲犪犾狋犺犌犲狅犵狉犪狆犺犻犮狊,204,3(): 9 [8]CuiY.ASystematicApproachtoEvaluateandVal idatethespatialaccuracyoffarmersmarketloca tionsusing Multi geocodingservices[j]. 犃狆狆犾犻犲犱犌犲狅犵狉犪狆犺狔,203,4(4):87 95 [9]GoldbergD W,Balard M,BoydJH,etal.AnE valuationframeworkforcomparinggeocodingsys tems[j]. 犐狀狋犲狉狀犪狋犻狅狀犪犾犑狅狌狉狀犪犾狅犳犎犲犪犾狋犺犌犲狅 犵狉犪狆犺犻犮狊,203,2(): 5 [20]SierraJPG B,CalejoM A M,GarridoR A.Vol unteering Assistanceto Online GeocodingServices Through a Distributed Knowledge Solution[C].

358 武汉大学学报 信息科学版 206 年 0 月 TheRICH VGI Workshopat8th AGILE Confer enceon GeographicInformation Science,Lisbon, Portugal,205 [2] McKenzie G,Janowicz K. Whereisalso about Time:ALocation Distortion ModeltoImproveRe verse Geocoding Using Behavior Driven Temporal SemanticSignatures[J]. 犆狅犿狆狌狋犲狉狊, 犈狀狏犻狉狅狀犿犲狀狋 犪狀犱犝狉犫犪狀犛狔狊狋犲犿狊,205,54: 3 [22]DiaoLili,WangLikun,Lu Yuchang,etal.Com putingsimilarity ThresholdforTextClassification [J]. 犑狅狌狉狀犪犾狅犳犜狊犻狀犵犺狌犪犝狀犻狏犲狉狊犻狋狔 ( 犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔 ),2003,43():08 ( 刁力力, 王丽坤, 陆玉昌, 等. 计算文本相似度阈值的方法 [J]. 清华大学学报 ( 自然科学版 ),2003,43():08 ) 犃犆狅犿狆犪狉犪狋犻狏犲犈狏犪犾狌犪狋犻狅狀狅犳犗狀犾犻狀犲犌犲狅犮狅犱犻狀犵犛犲狉狏犻犮犲狊犻狀犆犺犻狀犪 犜犐犃犖犙犻狀 犌犗犖犌犢狌犲 犓犃犖犌犕犲狀犵犼狌狀 2 犕犈犖犌犛犺犲狀犻狀犵 犇犝犙犻狀犵狔狌狀 SchoolofResourceandEnvironmentalSciences,WuhanUniversity,Wuhan430079,China 2 Seven ThirteenInstituteofChinaShipbuildingIndustryCorporation,Zhengzhou450000,China 犃犫狊狋狉犪犮狋 :Onlinegeocodingservicesarethemostcommontechniquefortransformingnon spatialinto spatialinformation.theincreasingnumberofonlinegeocodingservices,howevermakeitdificultfor requestorstochooseabeterservice.therearetwoaimsinthispaper:()toprovideguidancefor servicerequestorswhenselectingthemostsuitableservice;(2)todiscoverthedefectsofonlinegeoc odingservices,thusprovidingabasisforfurtherimprovements.inthispaper,acomparativeevalua tionofgeocodingquality wasconductedamongthe mostfourpopularonlinegeocodingservices: Baidu,Amap,Sougou,andTencent.Fourtypesofaddressdataassociatedwithbasicpublicnecessi tieswereusedastestdata,andthreemetricsforgeocodingquality:matchrate,positionalaccuracy andsimilarity,werecalculatedtoevaluatethequalityofthesefouronlinegeocodingservices.thefol lowingconclusionsweredrawn:()onlinegeocodingservicequalitymainlydependsonthequalityof thereferencedatabase;(2)amapproducedthehighestmatchrateandlowestpositionalaccuracy;(3) Overal,theTencentmapserviceperformsthebest,andproduced morecompleteaddressdatawith higherdataquality. 犓犲狔狑狅狉犱狊 :onlinegeocodingservice;addressmatchingdegree;qualityevaluation 犉犻狉狊狋犪狌狋犺狅狉 :TIAN Qin,PhDcandidate,specializesinthegeocodingandtemporal/spatialdatamining.E mail:tianqin@whu.edu.cn 犆狅狉狉犲狊狆狅狀犱犻狀犵犪狌狋犺狅狉 :KANG Mengjun,PhD,lecturer.E mail:mengjunk@whu.edu.cn 犉狅狌狀犱犪狋犻狅狀狊狌狆狆狅狉狋 :TheNationalNaturalScienceFoundationofChina,Nos.420403,447327.