CN106777300A - 基础地址库构建方法及系统 - Google Patents

Abstract

本发明属于地址数据处理技术领域，具体涉及一种基础地址库构建方法及系统。本发明提供的基础地址库构建方法包括：步骤S1，将获取的地址数据拆分成多个地址要素，并标注所有地址要素的地址等级；步骤S2，根据所述地址要素的地址等级，将所述地址要素填入标准地址中；步骤S3，根据所述地址数据的地址编码，在统一编码库中关联匹配所述标准地址中空缺的部分，根据关联匹配结果补全所述标准地址，将补全后的标准地址存入基础地址库。本发明提供的基础地址库构建方法，利用不同机构的地址数据自动化的构建基础地址库，提高了基础地址库构建的效率和基础地址库的精准度。

Description

基础地址库构建方法及系统

技术领域

本发明涉及地址数据处理技术领域，具体涉及一种基础地址库构建方法及系统。

背景技术

基础地址库主要是为了实现保存、修改、完善地址要素和转化地址信息功能的基础库。目前绝大多数数据系统中都保存着地址信息，不同的机构根据自身的需要对这些数据进行采集存储、管理。但是，由于机构间协作水平的限制，不同机构的业务系统并没有经过顶层设计和统筹规划，导致地址体系异常复杂，如地址结构无序，地名命名复杂，缺乏规律性，街道门牌号混乱，缺乏统一的标准等，使得很多地址信息都没有得到充分利用，对地址信息的应用和共享产生了障碍。这种情况下，就需要地址标准化技术，可以将不同机构的数据进行整合，构造地址数据的主要数据库，实现不同机构的数据共享。但现有的构建基础地址库的方法，通常需要人工进行，耗时耗力，数据来源多，数据梳理难度高。

发明内容

针对现有技术中的缺陷，本发明提供的基础地址库构建方法及系统，利用不同机构的地址数据自动化的构建基础地址库，提高了基础地址库构建的效率和基础地址库的精准度。

第一方面，本发明提供的基础地址库构建方法，包括：步骤S1，将获取的地址数据拆分成多个地址要素，并标注所有地址要素的地址等级；步骤S2，根据所述地址要素的地址等级，将所述地址要素填入标准地址中；步骤S3，根据所述地址数据的地址编码，在统一编码库中关联匹配所述标准地址中空缺的部分，根据关联匹配结果补全所述标准地址，将补全后的标准地址存入基础地址库。

本发明提供的基础地址库构建方法，能够将格式不统一的地址数据转化为标准格式的地址，整合不同机构的地址数据，自动化的构建方式提高了基础地址库构建的效率和基础地址库的精准度。基础地址库有助于实现地址信息的共享，为其它基于地址信息的应用提供了可靠的保证。

优选地，还包括：若拆分过程中存在异常，则进行异常处理，所述异常处理包括：若拆分后的字段中存在特殊字符，则将特殊字符替换为对应的标准字符后，再拆分所述字段得到地址要素，并标注地址要素的地址等级；若为路/路号数据异常，则根据所述地址数据的地址编码在统一编码库中获取正确的路或路号；若为楼栋/房间数据异常，则根据所述地址数据的地址编码在统一编码库中获取正确的楼号或房号。

优选地，将所述特殊字符替换为对应的标准字符，包括：根据前一地址要素的地址等级，确定当前处理地址要素中的特殊字符对应的标准字符，将所述特殊字符替换为所述标准字符。

优选地，还包括：若存在其它异常情况，则将所述地址数据存入异常地址数据表单，并发出人工查验的提醒。

优选地，在步骤S1之前还包括：对同一地址的不同来源的地址数据，取优先级高的地址数据进行拆分，所述优先级根据地址数据的来源确定。

优选地，还包括：在基础地址库中查找与所述地址数据的地址编码匹配的标准地址，根据补全后的标准地址更新基础地址库中的标准地址。

第二方面，本发明提供的基础地址库构建系统，包括：地址拆分模块，用于将获取的地址数据拆分成多个地址要素，并标注所有地址要素的地址等级；地址标准化模块，用于根据所述地址要素的地址等级，将所述地址要素填入标准地址中；地址补全模块，用于根据所述地址数据的地址编码，在统一编码库中关联匹配所述标准地址中空缺的部分，根据关联匹配结果补全所述标准地址，将补全后的标准地址存入基础地址库。

本发明提供的基础地址库构建系统，能够将格式不统一的地址数据转化为标准格式的地址，整合不同机构的地址数据，自动化的构建方式提高了基础地址库构建的效率和基础地址库的精准度。基础地址库有助于实现地址信息的共享，为其它基于地址信息的应用提供了可靠的保证。

优选地，还包括异常处理模块，用于：若拆分过程中存在异常，则进行异常处理，所述异常处理包括：若拆分后的字段中存在特殊字符，则将特殊字符替换为对应的标准字符后，再拆分所述字段得到地址要素，并标注地址要素的地址等级；若为路/路号数据异常，则根据所述地址数据的地址编码在统一编码库中获取正确的路或路号；若为楼栋/房间数据异常，则根据所述地址数据的地址编码在统一编码库中获取正确的楼号或房号。

优选地，所述地址拆分模块中，将所述特殊字符替换为对应的标准字符，包括：根据前一地址要素的地址等级，确定当前处理地址要素中的特殊字符对应的标准字符，将所述特殊字符替换为所述标准字符。

优选地，还包括异常提醒模块，用于若存在其它异常情况，则将所述地址数据存入异常地址数据表单，并发出人工查验的提醒。

优选地，还包括数据选取模块，用于对同一地址的不同来源的地址数据，取优先级高的地址数据进行拆分，所述优先级根据地址数据的来源确定。

优选地，还包括地址更新模块，用于在基础地址库中查找与所述地址数据的地址编码匹配的标准地址，根据补全后的标准地址更新基础地址库中的标准地址。

附图说明

图1为本发明实施例所提供的一种基础地址库构建方法的流程图；

图2为本发明实施例所提供的一种基础地址库构建系统的结构框图；

图3为地址编码的一个示例。

具体实施方式

下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。

需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。

如图1所示，本发明实施例提供的一种基础地址库构建方法，包括：

步骤S1，将获取的地址数据拆分成多个地址要素，并标注所有地址要素的地址等级。

其中，地址数据来源于各个机构，如：公安部门、房屋管理中心等。地址要素包含的数据主要有：省级行政区名、市级行政区名、县级行政区名、乡级行政区名、路名、路号、小区名、楼号、单元号、房间号等。地址等级是根据国家规定的行政等级进行划分的，地址等级的划分如表1所示：

表1

第一级	省
		第二级	市
第三级	区、县
		第四级	镇、乡、街道
第五级	社区、行政村
		第六级	路、巷
第七级	路号
		第八级	小区、自然村、大厦
第九级	楼号
		第十级	单元号、房号

其中，地址拆分的方法有很多，比如，根据关键词进行拆分，关键词可以选用“省”、“市”、“路”等诸如此类表示行政等级的词。以拆分路名和小区名字为例，拆分方法可以是根据关键字区分，路名包含大道、巷、街等关键字，而小区名称包含自然村，XX大厦，XX花园等信息；拆分方法还可以结合路号或者楼号来区分是小区名或路名。地址拆分时按第一级到第十级的顺序进行拆分。

步骤S2，根据地址要素的地址等级，将地址要素填入标准地址中。

其中，标准地址按照标准的格式进行存储，标准地址根据地址等级划分为九个部分：省、市、区(县)、乡(镇、街道)、社区(行政村)、路(巷)、路号、小区(自然村、大厦)、楼号、单元号(房号)。根据给地址要素标注的地址等级，将切分得到的地址要素存入标准地址中的相应部分。由于地址数据拆分后不一定包含标准地址中的所有部分，对于缺失的部分，暂时不填，等待后续补全。

步骤S3，根据地址数据的地址编码，在统一编码库中关联匹配标准地址中空缺的部分，根据关联匹配结果补全标准地址，将补全后的标准地址存入基础地址库。

其中，每个采集到的地址数据都有带有一个地址编码，这个地址编码对应唯一的一个地址，是地址数据生成时就进行标注的。如图3所示，地址编码一共25位，依次为6位市辖区编码(省、市、区)、3位街道顺序码、3社区顺序码、2为空间基础网格顺序码、5位楼栋编码、6为房屋编码。统一编码库中存储有地址编码对应的准确的地址信息，如：一个地址编码为“440306002011”，则“44”代表了广东省，“03”代表了深圳市，“06”代表宝安区，002代表福永街道，011代表新和社区，以此类推，通过地址编码就能在编码库中找到对应的地址信息，将找到的地址信息填入标准地址的相应部分。比如步骤S2中得到的标准地址中缺失的部分为“省”，则获取地址编码中表示省这级行政等级的编号，假设为“44”，在统一编码库中查找编号为“44”的省级行政等级代表广东省，将“广东省”填入标准地址中“省”对应的部分。基础地址库中的标准地址是按地址等级拆分好的地址。

本实施例提供的基础地址库构建方法，能够将格式不统一的地址数据转化为标准格式的地址，整合不同机构的地址数据，自动化的构建方式提高了基础地址库构建的效率和基础地址库的精准度。基础地址库有助于实现地址信息的共享，为其它基于地址信息的应用提供了可靠的保证。

由于大部分地址数据都是网格员手动输入的，写法较混乱，给出几个非标准的地址数据如下：“河西三坊198号30#1201”、“南山路208号404”、“风和苑17-299”、“富成路广州军区大楼A栋302-17”、“桃源居十四区A.B.C座B203”、“福中福商业城D5栋804”、“海城新村一区15号304”、“宝城花园甲栋204”、“107国道宝田路口段第一栋310”。从以上提供的地址数据可以看到地址中的具体地址，有些是小区名字，有些是路名和门牌号，并且楼号的写法也不一致，表示的方法有“#”、“-”、“座”等，编号的方式也多样化，包括字母、数字、大写中文一二三四、甲乙丙丁等号。这些非标准的地址数据会影响拆分的准确度，且不利于统一地址的格式，并会导致拆分过程无法顺利进行，因此，必须对这些地址数据中非标准化的特殊字符进行替换，将其统一为标准的表述。为了自动化处理地址数据在标准化的过程中出现的异常情况，本实施的方法还包括：若拆分过程中存在异常，则进行异常处理。其中，异常处理包括：

步骤S11，若拆分后的字段中存在特殊字符，则将特殊字符替换为对应的标准字符后，再拆分字段得到地址要素，并标注地址要素的地址等级。

步骤S12，若为路/路号数据异常，则根据地址数据的地址编码在统一编码库中获取正确的路或路号。获得的路或路号即作为地址要素。

步骤S13，若为楼栋/房间数据异常，则根据地址数据的地址编码在统一编码库中获取正确的楼号或房号。获得的楼号或房号即作为地址要素。

在经过异常处理后，得到准确的地址要素，随后根据步骤S2和步骤S3做相应处理即可。

其中，特殊字符以及特殊字符对应的标准字符通过统计和经验预先确定好，形成特殊字符集合，检测和替换时，根据特殊字符集合进行比对和替换。例如：地址“常兴路常兴新村47号(601栋)601”，其中括号为中文“(”改为英文“(”；地址“桃园路106号苏豪大厦27G1”，把全角的“106”变成半角的“106”；若地址的前后存在特殊字符“-”则进行处理，若地址的中间出现特殊字符“-”则不处理。

地址拆分过程中的异常情况实际是一种枚举的形式，因此总会存在一些异常情况不在枚举范围内，影响拆分。因此，在异常处理还包括：步骤S14，若存在其它异常情况，则将地址数据存入异常地址数据表单，并发出人工查验的提醒。由人工进行干预，排除异常情况，并把异常情况添加的异常处理程序中，使得后续能够自动处理该异常情况。

有些特殊字符可能存在多个标准字符与之对应，如“#”，在“河西三坊198号30#1201”中表示楼栋，在“南山路208#”中表示路号。为了准确区分同一特殊字符表示不同意思的情况，步骤S11中，将特殊字符替换为对应的标准字符，包括：根据前一地址要素的地址等级，确定当前处理地址要素中的特殊字符对应的标准字符，将特殊字符替换为标准字符。如：对“河西三坊198号30#1201”进行拆分时，在替换“#”时，可知前一地址要素“198”为路号，因此“#”对应的地址等级应该是楼号，将“#”替换为“栋”。

其中，判断是否为路/路号数据异常的方法为：检测拆分后的地址要素中是否有大道、港巷、道路、路等关键字，如果没有就认为路/路号数据存在异常。以下列举了几种常见的路数据异常情况：

(1)XXX路与XXX路交汇处，例如：体育一路与新合路交汇处金地朗悦酒店803。

(2)XXX路与XXX路交界处，例如：大窝白石交界处三栋厂房101。

(3)XX路XX街，例如：爱国路东湖一街11号6栋102。

(4)XX路XX巷，例如：红宝路联益巷4号406。

(5)侧)|旁(边，例如：滨河路南侧渔民村住宅1栋409。

(6)数字路，例如：107国道宏发君域花园5栋1302。

路号数据异常情况，如：东/西/南/北XX号，例如：南152号。

其中，判断是否为楼栋/房间数据异常的方法为：检测拆分后的地址要素中是否有楼、栋、号等关键字，如果没有就认为楼栋/房间数据异常存在异常。以下列举了几种常见的楼栋/房间数据据异常情况：

(1)甲|乙|丙|丁|东|西|南|北栋或者幢，例如：宝城花园甲栋404。

(2)纯数字栋，例如：轻铁花园822栋。

(3)英文字母+数字栋，例如：航城大道172号A7栋702。

(4)特殊字符栋，例如：银田文乐工业区A栋银田工业区1#(A栋)厂房1层。

(5)说明性楼栋(所在楼栋)，例如：固戍一路97号所在楼栋348。

不同机构对同一地址的重复采集，致使同一地址存在多个地址数据，为减少数据处理量，在步骤S1之前还包括：对同一地址的不同来源的地址数据，取优先级高的地址数据进行拆分。其中，优先级根据地址数据的来源确定，比如，公安本部门的优先级最高，则采用公安部门的地址数据进行处理，忽略其它机构的数据。

其中，确定两个地址数据是同一地址的方法有以下两种：(1)通过比对两个地址数据的地址编码确定。(2)通过地址信息包含和被包含关系确定，例如：地址数据1“龙岗区湖田路51号宏开大厦”和地址数据2“龙岗区湖田路51号”，对地址数据2拆分后得到楼栋名称“宏开大厦”，对地址数据2拆分后，获取“路”+“路号”为“湖田路”+“51号”，根据“路”+“路号”去基础地址数据库中匹配得到“湖田路”+“51号”对应的就是“宏开大厦”，因此可以确定地址数据1和地址数据2是同一地址。

为了持续保障地址数据库中的数据质量，还需要经常更新基础地址库的数据，本发明实施例提供的一种基础地址库构建方法，还包括更新基础地址库的过程：

步骤S10，将获取的地址数据拆分成多个地址要素，并标注所有地址要素的地址等级。

步骤S20，根据地址要素的地址等级，将地址要素填入标准地址中。

步骤S30，根据地址数据的地址编码，在统一编码库中关联匹配标准地址中空缺的部分，根据关联匹配结果补全标准地址。

步骤S40，在基础地址库中查找与地址数据的地址编码匹配的标准地址，根据将补全后的标准地址更新基础地址库中的标准地址。

其中，步骤S40中，根据将补全后的标准地址更新基础地址库中的标准地址，包括以下两种处理方式：(1)用新的标准地址提换原来的标准地址；(2)将新的标准地址与原来的标准地址一起进行存储，这样在使用基础地址库进行地址匹配、搜索等处理时，可以查找到更新前后的地址，这种更新方式尤其是在高速城市化建设的环境下显得尤为重要，老旧的街道、路名、大厦名等会发生更改，而市民大多熟悉了原来的名称，这种更新方式保证了使用基础地址库时更加的人性化。

基于与上述基础地址库构建方法相同的发明构思，本实施例提供了一种基础地址库构建系统，如图2所示，包括：地址拆分模块，用于将获取的地址数据拆分成多个地址要素，并标注所有地址要素的地址等级；地址标准化模块，用于根据地址要素的地址等级，将地址要素填入标准地址中；地址补全模块，用于根据地址数据的地址编码，在统一编码库中关联匹配标准地址中空缺的部分，根据关联匹配结果补全标准地址，将补全后的标准地址存入基础地址库。

本实施例提供的基础地址库构建系统，能够将格式不统一的地址数据转化为标准格式的地址，整合不同机构的地址数据，自动化的构建方式提高了基础地址库构建的效率和基础地址库的精准度。基础地址库有助于实现地址信息的共享，为其它基于地址信息的应用提供了可靠的保证。

其中，还包括异常处理模块，用于：若拆分过程中存在异常，则进行异常处理，异常处理包括：若拆分后的字段中存在特殊字符，则将特殊字符替换为对应的标准字符后，再拆分字段得到地址要素，并标注地址要素的地址等级；若为路/路号数据异常，则根据地址数据的地址编码在统一编码库中获取正确的路或路号；若为楼栋/房间数据异常，则根据地址数据的地址编码在统一编码库中获取正确的楼号或房号。

其中，地址拆分模块中，将特殊字符替换为对应的标准字符，包括：根据前一地址要素的地址等级，确定当前处理地址要素中的特殊字符对应的标准字符，将特殊字符替换为标准字符。

其中，还包括异常提醒模块，用于若存在其它异常情况，则将所述地址数据存入异常地址数据表单，并发出人工查验的提醒。

其中，还包括数据选取模块，用于对同一地址的不同来源的地址数据，取优先级高的地址数据进行拆分，优先级根据地址数据的来源确定。

其中，还包括地址更新模块，用于在基础地址库中查找与地址数据的地址编码匹配的标准地址，根据补全后的标准地址更新基础地址库中的标准地址。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种基础地址库构建方法，其特征在于，包括：

步骤S1，将获取的地址数据拆分成多个地址要素，并标注所有地址要素的地址等级；

步骤S2，根据所述地址要素的地址等级，将所述地址要素填入标准地址中；

步骤S3，根据所述地址数据的地址编码，在统一编码库中关联匹配所述标准地址中空缺的部分，根据关联匹配结果补全所述标准地址，将补全后的标准地址存入基础地址库。

2.根据权利要求1所述的方法，其特征在于，还包括：

若拆分过程中存在异常，则进行异常处理，所述异常处理包括：

若拆分后的字段中存在特殊字符，则将特殊字符替换为对应的标准字符后，再拆分所述字段得到地址要素，并标注地址要素的地址等级；

若为路/路号数据异常，则根据所述地址数据的地址编码在统一编码库中获取正确的路或路号；

若为楼栋/房间数据异常，则根据所述地址数据的地址编码在统一编码库中获取正确的楼号或房号。

3.根据权利要求2所述的方法，其特征在于，将所述特殊字符替换为对应的标准字符，包括：根据前一地址要素的地址等级，确定当前处理地址要素中的特殊字符对应的标准字符，将所述特殊字符替换为所述标准字符。

4.根据权利要求2所述的方法，其特征在于，还包括：若存在其它异常情况，则将所述地址数据存入异常地址数据表单，并发出人工查验的提醒。

5.根据权利要求1所述的方法，其特征在于，在步骤S1之前还包括：对同一地址的不同来源的地址数据，取优先级高的地址数据进行拆分，所述优先级根据地址数据的来源确定。

6.根据权利要求1所述的方法，其特征在于，还包括：在基础地址库中查找与所述地址数据的地址编码匹配的标准地址，根据补全后的标准地址更新基础地址库中的标准地址。

7.一种基础地址库构建系统，其特征在于，包括：

地址拆分模块，用于将获取的地址数据拆分成多个地址要素，并标注所有地址要素的地址等级；

地址标准化模块，用于根据所述地址要素的地址等级，将所述地址要素填入标准地址中；

地址补全模块，用于根据所述地址数据的地址编码，在统一编码库中关联匹配所述标准地址中空缺的部分，根据关联匹配结果补全所述标准地址，将补全后的标准地址存入基础地址库。

8.根据权利要求7所述的系统，其特征在于，还包括异常处理模块，用于：

若拆分过程中存在异常，则进行异常处理，所述异常处理包括：

若拆分后的字段中存在特殊字符，则将特殊字符替换为对应的标准字符后，再拆分所述字段得到地址要素，并标注地址要素的地址等级；

若为路/路号数据异常，则根据所述地址数据的地址编码在统一编码库中获取正确的路或路号；

若为楼栋/房间数据异常，则根据所述地址数据的地址编码在统一编码库中获取正确的楼号或房号。

9.根据权利要求8所述的系统，其特征在于，所述地址拆分模块中，将所述特殊字符替换为对应的标准字符，包括：根据前一地址要素的地址等级，确定当前处理地址要素中的特殊字符对应的标准字符，将所述特殊字符替换为所述标准字符。

10.根据权利要求8所述的系统，其特征在于，还包括异常提醒模块，用于若存在其它异常情况，则将所述地址数据存入异常地址数据表单，并发出人工查验的提醒。