基于空間語(yǔ)義的地理編碼在智慧城市信息系統(tǒng)中的應(yīng)用

康 昆李明峰周 醉蔡煒珩

(1.南京工業(yè)大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院,江蘇 南京211816;2.蘇州市測(cè)繪院有限責(zé)任公司,江蘇 蘇州215006)

0 引 言

隨著地理信息系統(tǒng)(GIS)在我國(guó)智慧城市建設(shè)中的發(fā)展和應(yīng)用,城市管理部門對(duì)空間數(shù)據(jù)與非空間數(shù)據(jù)共享整合的要求日益迫切。研究表明,80%以上的城市建設(shè)信息均與地理空間位置密切相關(guān)[1]。然而,此類信息包含的空間位置大多僅為文字描述,不能直接提取具體的地理位置坐標(biāo),難以與現(xiàn)有智慧城市信息系統(tǒng)融合。通過地理編碼,可有效建立城市非空間數(shù)據(jù)資源與空間數(shù)據(jù)資源的聯(lián)系,為大眾展示直觀、便利的基于空間位置服務(wù),搭建輔助決策應(yīng)用。

地理編碼時(shí),由于中文地址表達(dá)方式與國(guó)外存在差異,不能直接使用國(guó)外地址模型,同時(shí),國(guó)土、規(guī)劃等相關(guān)行業(yè)應(yīng)用中存在大量非規(guī)范中文地址業(yè)務(wù)數(shù)據(jù),導(dǎo)致地址匹配困難[2]。為解決中文地址匹配問題,通常采用文本層級(jí)分詞比較、模糊匹配等方法,該類方法僅基于文本比較進(jìn)行地址匹配,匹配率較低。部分研究通過分析地址中存在的空間關(guān)系實(shí)現(xiàn)地址匹配[3],但由于一個(gè)地址元素的描述可能對(duì)應(yīng)多種空間語(yǔ)義,地址元素提取時(shí)很難識(shí)別當(dāng)前地址元素的確切空間語(yǔ)義,造成地址解析混亂,難以進(jìn)行高質(zhì)量的地址匹配。為此,本文提出基于空間語(yǔ)義的地理編碼方法,利用空間關(guān)系約束構(gòu)建地址空間語(yǔ)義模型,通過分層級(jí)地址樹模型重構(gòu)目標(biāo)地址元素集合,以期解決地址元素識(shí)別歧義問題,使匹配結(jié)果更加精確。

1 基于空間語(yǔ)義的地理編碼方法

基于空間語(yǔ)義的地理編碼(Geocoding Based on Spatial Semantic,以下簡(jiǎn)稱GBSS)主要包括地址空間語(yǔ)義模型構(gòu)建、基于分層級(jí)地址樹的地址標(biāo)準(zhǔn)化以及地址匹配,其技術(shù)流程如下所示(圖1)。首先,基于分層地址模型建立標(biāo)準(zhǔn)的地址組織規(guī)則,結(jié)合地址元素空間關(guān)系約束,構(gòu)建地址空間語(yǔ)義模型;其次,通過地名詞典將地址字符串切分為地址元素集合,并根據(jù)級(jí)別對(duì)地址要素分層級(jí);再次,針對(duì)每一層級(jí)地址要素,根據(jù)其空間語(yǔ)義約束生成分層級(jí)地址樹,重新建立地址元素索引,達(dá)到消除錯(cuò)誤、糾正地址缺陷等效果,形成標(biāo)準(zhǔn)化地址;最后,通過一定的地址匹配方法在參考數(shù)據(jù)庫(kù)中進(jìn)行搜索比對(duì),將匹配到的空間坐標(biāo)分配給對(duì)應(yīng)地址。

圖1 基于空間語(yǔ)義的地理編碼流程圖

1.1 地址空間語(yǔ)義模型

地址模型解釋單個(gè)地址的組織和表達(dá)方式,并定義地址元素之間的關(guān)系。地址元素指向獨(dú)立的空間實(shí)體,具有一定的空間語(yǔ)義。

分析標(biāo)準(zhǔn)中文地址來構(gòu)建地址模型。標(biāo)準(zhǔn)中文地址主要由行政要素、基本約束對(duì)象和本地點(diǎn)位置組成[5]。如城市地址“蘇州市姑蘇區(qū)五卅路第101號(hào)”,蘇州市和姑蘇區(qū)屬于行政要素,五卅路屬于基本約束對(duì)象,第101號(hào)屬于本地點(diǎn)位置,三者構(gòu)成一個(gè)完整的地址,具有這種多層地址特征的地址模型被稱為分層地址模型[6]。在此基礎(chǔ)上,結(jié)合城市地址表達(dá)方式,建立地址元素組織規(guī)則(表1)。

表1 地址元素組織規(guī)則

該規(guī)則從自然語(yǔ)言描述角度分析地址元素的層級(jí)關(guān)系,但在表達(dá)地址元素的空間關(guān)系和約束方面還有很多不足,影響地址解析和標(biāo)準(zhǔn)化的效果。地址元素間存在空間關(guān)系,如拓?fù)潢P(guān)系(包含、鄰接等)、距離關(guān)系和方向關(guān)系。以下顯示了具有多種空間關(guān)系的蘇州某地址(圖2),以此作為空間語(yǔ)義關(guān)系模型示例,其中“蘇州市”、“姑蘇區(qū)”、“五卅路”和“第101號(hào)”地址元素間存在拓?fù)?包含)關(guān)系。

圖2 空間語(yǔ)義關(guān)系模型示例

從類別上看,行政要素包含基本約束對(duì)象,基本約束對(duì)象包含本地點(diǎn)位置;從級(jí)別上看,各級(jí)行政要素存在包含關(guān)系;此外,在某些情況下,方向關(guān)系和距離關(guān)系可能同時(shí)存在于本地點(diǎn)位置中,如本地點(diǎn)位置描述“第101號(hào)北100 m”,“北”表示方向,“100 m”表示距離。本地點(diǎn)描述組合(“101號(hào)”、方向“北”和距離“100 m”)指向一個(gè)確切的地理位置。

通過分析表明,完整規(guī)范的中文地址普遍存在一定空間限定關(guān)系,空間范圍從大到小,地址元素級(jí)別從高到低,地址的空間關(guān)系組成方式就是地址空間語(yǔ)義模型。

1.2 基于分層級(jí)地址樹模型的地址標(biāo)準(zhǔn)化

地址標(biāo)準(zhǔn)化是地理編碼最重要的過程,此過程涉及地址解析和地址規(guī)范化兩個(gè)步驟。地址解析是將輸入地址字符串依據(jù)地名詞典切分為具有精確空間語(yǔ)義的地址元素;在地址規(guī)范化中,任何不規(guī)范、不完整的非標(biāo)準(zhǔn)地址字符串都將轉(zhuǎn)換為標(biāo)準(zhǔn)格式,并以規(guī)范化地址重新記錄。地址是地址元素的集合,并允許指向多個(gè)不同的空間實(shí)體。每個(gè)地址元素都具有一定的空間語(yǔ)義,地址元素空間語(yǔ)義是指地址元素構(gòu)成地址的空間約束規(guī)則,主要包含地址元素間的空間關(guān)系。在實(shí)際操作過程中,地址分詞由于地名詞典不完善等原因總存在一定的分詞錯(cuò)誤率,導(dǎo)致同級(jí)別的地址元素可能存在多個(gè)。

在本研究中,標(biāo)準(zhǔn)化過程基于分層級(jí)地址樹模型,目的是找到具有正確空間約束關(guān)系的地址元素連通路徑,以期解決地址元素識(shí)別錯(cuò)誤問題。標(biāo)準(zhǔn)化過程步驟如下。

(1)解析輸入地址字符串并將其組織為地址元素集合X和空間語(yǔ)義集合S。

(2)創(chuàng)建根節(jié)點(diǎn),提取出X集合中最高級(jí)別的地址元素(一經(jīng)提取不再放回X集合),依次創(chuàng)建節(jié)點(diǎn)并將其連接到根節(jié)點(diǎn)。

(3)繼續(xù)提取出X集合中級(jí)別最高的地址元素,取其中一個(gè)作為待連接地址元素,設(shè)當(dāng)前地址樹的葉子節(jié)點(diǎn)集合為Y,Yi為第i個(gè)葉子節(jié)點(diǎn)。

(4)將待連接地址元素依次與Yi進(jìn)行空間約束關(guān)系判斷操作。遍歷待連接地址元素的每個(gè)空間語(yǔ)義,評(píng)估其與當(dāng)前葉子節(jié)點(diǎn)是否存在一致的空間約束關(guān)系,若存在,則將該地址元素連接到當(dāng)前葉子節(jié)點(diǎn),而后進(jìn)行與Y中下一葉子節(jié)點(diǎn)判斷操作;若不存在,則直接進(jìn)行與Y中下一葉子節(jié)點(diǎn)判斷操作。

(5)重復(fù)步驟3-4,直至每一級(jí)別的地址元素與相關(guān)葉子節(jié)點(diǎn)判斷操作結(jié)束。

(6)取地址樹模型中層級(jí)深度最大的一個(gè)子樹作為具有正確空間約束關(guān)系的地址元素連通路徑,經(jīng)過行政級(jí)別補(bǔ)全處理后即可形成標(biāo)準(zhǔn)地址。

通過以上過程,可正確地組織一個(gè)混亂、不正確描述的地址字符串,標(biāo)準(zhǔn)化后輸出的地址可供后續(xù)地址匹配處理。

1.3 地址匹配

地址匹配是按照特定規(guī)則將標(biāo)準(zhǔn)化處理后的中文地址與地址參考庫(kù)中各條記錄逐一匹配的過程,一旦匹配成功則提取該條參考記錄中的空間位置,建立空間對(duì)應(yīng)關(guān)系。

地址匹配依據(jù)正向最大匹配原則,將不同級(jí)別地址要素進(jìn)行處理比對(duì)。首先,嘗試準(zhǔn)確地匹配低級(jí)別(如門牌號(hào)碼級(jí)別)的輸入地址;若未找到匹配結(jié)果,將地址中下一較高級(jí)別(如社區(qū),街道或區(qū)域級(jí)別)地址要素執(zhí)行匹配,直至找到結(jié)果。最后,輸出用于地理映射和空間分析的地理坐標(biāo)。

地址匹配時(shí),在參考數(shù)據(jù)庫(kù)中找到相應(yīng)的地理實(shí)體或地理坐標(biāo)記錄,其中地理實(shí)體需根據(jù)類型提取空間坐標(biāo)。行政要素級(jí)別的地理實(shí)體為面狀實(shí)體;基本約束對(duì)象級(jí)別的地理實(shí)體為線狀或面狀實(shí)體;本地點(diǎn)位置級(jí)別除興趣點(diǎn)外,多為建筑物,建筑物屬于面狀實(shí)體。當(dāng)匹配到面狀實(shí)體時(shí),計(jì)算并輸出該面狀實(shí)體的形心點(diǎn)坐標(biāo);當(dāng)匹配到線狀實(shí)體時(shí),計(jì)算并輸出該線狀實(shí)體的中點(diǎn)坐標(biāo)。

2 測(cè)試分析

為驗(yàn)證GBSS方法的有效性,從某街道辦事處日常走訪記錄中抽取一定數(shù)量的中文地址進(jìn)行實(shí)驗(yàn)。本實(shí)驗(yàn)在該街道10個(gè)社區(qū)中各抽取1 000條地址作為原始中文地址數(shù)據(jù),數(shù)據(jù)中含有大量的非規(guī)范化中文地址。分別采用GBSS方法與模糊地址匹配方法對(duì)這些地址數(shù)據(jù)進(jìn)行匹配,二者匹配的平均正確率分別為86.2%和46.5%(圖3)。

圖3 兩種地理編碼方法實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果表明,本文地理編碼方法的平均正確率比模糊地址匹配方法高,且匹配前后數(shù)據(jù)量基本保持一致,數(shù)據(jù)匹配效果較好。但在基于GBSS方法的地址匹配中,仍然存在部分未正確匹配的中文地址,這是由于參考地名地址庫(kù)不夠完善和中文地址格式不規(guī)范、信息缺失嚴(yán)重等原因造成的。

3 結(jié) 語(yǔ)

本文研究了中文地址的復(fù)雜性,解釋了地址要素之間的拓?fù)潢P(guān)系,提出了一種基于空間語(yǔ)義的地理編碼方法,可有效解析非標(biāo)準(zhǔn)中文地址,從而提高了地理編碼的效率和準(zhǔn)確性,為智慧城市地址匹配提供了一定程度的技術(shù)支持。由于非標(biāo)準(zhǔn)中文地址異常復(fù)雜,未來的改進(jìn)方向?qū)?cè)重于對(duì)地址別名和歷史地址的正確處理以及對(duì)混亂建筑物號(hào)碼描述的更好解析。