CN111414445B - 一种应用地理信息的地址反解析方法 - Google Patents

Abstract

本发明公开了一种应用地理信息的地址反解析方法，解决了数据存储不合理，分布式模式下大量时间消耗在网络I/O的问题。本发明包括数据处理和数据检索两个顺序环节。本发明克服了前述的现有技术中存在的每次请求均遍历所有节点的问题，通过空间索引技术，判断到最有可能的数据节点，通过此方法，避免了大量的网络请求，提升了整体处理效率。

Description

一种应用地理信息的地址反解析方法

技术领域

本发明涉及地理信息领域，具体涉及一种应用地理信息的地址反解析方法。

背景技术

现有技术的地址反解析方法大致为：

结构化地址数据采用分布式模式存储，输入经纬度后，由中心节点从各个节点中进行空间数据检索，空间检索时多采用GeoHash算法对结构化地址数据经纬度进行编码，查询时通过编码即可快速得到结果。

此方法原理：

数据存储：数据存储采用分布式存储，采用hash算法保证数据均匀分布在各个存储节点，从而合理的利用存储空间。

地址反解析：采用GeoHash将地球理解为一个二维平面，将平面递归分解成更小的子块，每个子块在一定经纬度范围内拥有相同的编码。地址反向解析时，采用此规律将经纬度进行编码，通过编码进行字符串匹配从而快速检索到最小格子，在geohash长度为9时，经度大于为2米左右，在此范围中查找最近的结构化地址，将减少大部分距离计算，从而提升效率。

此方法缺点主要为：

数据存储上大多采用hash算法，将存入的结构化地址数据在分布式环境上均匀存储，此种存储模式将导致在进行地址反解析时将从各个节点进行数据检索，并在主节点汇总，最大开销将是在网络I/O操作上，在网络环境不好时，容易导致整体解析效率低下。目前空间计算方法已经很成熟，此种模式并未充分使用空间计算的相关原理，并未根据结构化地址数据的地位位置特性进行数据存储。

此方法在批量地址反解析时，由于每个经纬度均会遍历所有节点，在网络I/O上开销较大，从而影响匹配效率。

发明内容

本发明所要解决的技术问题是：数据存储不合理，分布式模式下大量时间消耗在网络I/O，本发明提供了解决上述问题的一种应用地理信息的地址反解析方法。

本发明通过下述技术方案实现：

一种应用地理信息的地址反解析方法，包括数据处理和数据检索两个顺序环节：

数据处理，按照空间辖区模式对结构化数据进行采集后储存，包括顺序的两次数据处理：

第一次数据处理：对结构化地址数据进行经纬度编码储存，对储存后的数据进行网格索引，得到各个辖区的最小外包矩形；

第二次数据处理：建立R树索引，完成所有结构化数据处理；

数据检索，包括并行的两次数据检索：

第一次数据检索：依据经纬度点坐标进行网格层级索引，所述网格层级索引自上而下判断，找到最小网格所在辖区；

第二次数据检索：对经纬度点坐标通过R树索引，得到经纬度点所属辖区；

比对第一次数据检索得到的辖区信息与第二次数据检索得到的辖区信息，取并集，得到经纬度点最精确的所在辖区信息，依据查询算法，从所述经纬度点最精确的所在辖区信息中查询数据，进行距离由近至远排序。

进一步地，所述数据处理中的第一次数据处理，对于结构化地址数据，按照行政辖区采集，采集后，按照行政辖区进行储存，同时每个节点代表一个服务器节点，每个节点存储自己节点的服务器数据，同时备份另外一个节点的服务器数据，每个节点的服务器数据在包括自身节点的两处节点分别有一个服务器数据备份。

进一步地，所述结构化数据采用Lucene进行索引，Lucene采用geohash的方法对经纬度进行编码，存为倒排索引。

进一步地，所述数据处理中，对辖区进行网格划分，得到包含辖区的最小矩形，对所述最小矩形按照n*n切割，并对网格内形成的每个正方形块编码，n为正整数。

进一步地，采用英文字符对所述网格内形成的每个正方形块进行顺序编码，并对每个正方形块重复切割和编码，同时进行网格的层级划分，得到辖区的最小包含矩形，得到每个网格的最小外包矩形坐标。

进一步地，对所有正方形块与辖区按照层级对应关系采用树状数据结构进行数据存储，对各个辖区的最小外包矩形，建立R树索引，完成所有数据处理。

进一步地，其中所述数据检索均包括以下步骤：

S1：根据待解析经纬度点进行网络匹配，匹配到网络进行S2，未匹配到网络结束数据检索进程；

S2：根据待解析的所述经纬度点匹配待的网格的编号，得到围绕所述经纬度点所在网格的邻近的八个网格编号，依据网格与辖区之间的索引关系，依据所述网格编号得到网格编号对应的辖区；

S3：依据S1中待解析的经纬度点进行R树索引找到待解析的经纬度点对应的所在辖区；

S4：将S2中自网格编号得到的对应辖区与S3中通过R树索引得到的经纬度点对应辖区取并集，得到并集对应的服务器节点；

S5：S4中得到节点为主节点，依据S4中得到的主节点所对应辖区的服务器查询所述经纬度点周围x米内的结构化地址数据并排序，排序按照距离由近至远的规则；

S6：判断各辖区节点返回S5中服务器主节点数据是否为0且与S5中服务器节点距离与x米不同，如判断结果为是，改变x值，返回S6重新判断，如判断结果为否，跳转S7；

S7：当依此判断S6中x值分别取50、100、1000和10000时均满足判断结果，则所述主节点根据返回数据再次距离排序，并输出返回距离最小的一条数据。

本发明具有如下的优点和有益效果：

本发明克服了前述的现有技术中存在的每次请求均遍历所有节点的问题，通过空间索引技术，判断到最有可能的数据节点，通过此方法，避免了大量的网络请求，提升了整体处理效率。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明的数据处理流程图。

图2为本发明的数据检索流程图。

图3为本发明的网格层级划分编号示意图。

图4为本发明的R树索引示意图。

图5为本发明的实施例中目标点所在最小外包矩形坐标示意图。

图6为本发明的实施例中目标点所在网格及周边网格示意图。

具体实施方式

在对本发明的任意实施例进行详细的描述之前，应该理解本发明的应用不局限于下面的说明或附图中所示的结构的细节。本发明可采用其它的实施例，并且可以以各种方式被实施或被执行。基于本发明中的实施例，本领域普通技术人员在没有做出创造性改进前提下所获得的所有其它实施例，均属于本发明保护的范围。

一种应用地理信息的地址反解析方法，包括数据处理和数据检索两个顺序环节：

数据处理，如图1所示，按照空间辖区模式对结构化数据进行采集后储存，包括顺序的两次数据处理：

第一次数据处理：对结构化地址数据进行经纬度编码储存，对储存后的数据进行网格索引，得到各个辖区的最小外包矩形；

第二次数据处理：建立R树索引，完成所有结构化数据处理；

数据检索，包括并行的两次数据检索：

第一次数据检索：依据经纬度点坐标进行网格层级索引，所述网格层级索引自上而下判断，找到最小网格所在辖区；

第二次数据检索：对经纬度点坐标通过R树索引，得到经纬度点所属辖区；

比对第一次数据检索得到的辖区信息与第二次数据检索得到的辖区信息，取并集，得到经纬度点最精确的所在辖区信息，依据查询算法，从所述经纬度点最精确的所在辖区信息中查询数据，进行距离由近至远排序。

进一步地，如图1所示，所述数据处理中的第一次数据处理，对于结构化地址数据，按照行政辖区采集，采集后，按照行政辖区进行储存，同时每个节点代表一个服务器节点，每个节点存储自己节点的服务器数据，同时备份另外一个节点的服务器数据，每个节点的服务器数据在包括自身节点的两处节点分别有一个服务器数据备份。

进一步地，所述结构化数据采用Lucene进行索引，Lucene采用geohash的方法对经纬度进行编码，存为倒排索引。

进一步地，所述数据处理中，对辖区进行网格划分，得到包含辖区的最小矩形，对所述最小矩形按照n*n切割，并对网格内形成的每个正方形块编码，n为正整数。

进一步地，采用英文字符对所述网格内形成的每个正方形块进行顺序编码，并对每个正方形块重复切割和编码，同时进行网格的层级划分，得到辖区的最小包含矩形，得到每个网格的最小外包矩形坐标，如图3所示。

进一步地，对所有正方形块与辖区按照层级对应关系采用树状数据结构进行数据存储，对各个辖区的最小外包矩形，建立R树索引，如图4所示，完成所有数据处理。

如图2所示，其中所述数据检索均包括以下步骤：

S1：根据待解析经纬度点进行网络匹配，匹配到网络进行S2，未匹配到网络结束数据检索进程；

S2：根据待解析的所述经纬度点匹配待的网格的编号，得到围绕所述经纬度点所在网格的邻近的八个网格编号，依据网格与辖区之间的索引关系，依据所述网格编号得到网格编号对应的辖区；

S3：依据S1中待解析的经纬度点进行R树索引找到待解析的经纬度点对应的所在辖区；

S4：将S2中自网格编号得到的对应辖区与S3中通过R树索引得到的经纬度点对应辖区取并集，得到并集对应的服务器节点；

S5：S4中得到节点为主节点，依据S4中得到的主节点所对应辖区的服务器查询所述经纬度点周围x米内的结构化地址数据并排序，排序按照距离由近至远的规则；

S6：判断各辖区节点返回S5中服务器主节点数据是否为0且与S5中服务器节点距离与x米不同，如判断结果为是，改变x值，返回S6重新判断，如判断结果为否，跳转S7；

S7：当依此判断S6中x值分别取50、100、1000和10000时均满足判断结果，则所述主节点根据返回数据再次距离排序，并输出返回距离最小的一条数据。

实施例1：

以四川省结构化地址为例。

数据处理阶段：

步骤一：四川总共有21个地市州，每个地市州均有自己的结构化地址数据，总共规划21台服务器，将每个地市州的数据使用lucene进行索引；

步骤二：得到四川整体边界，及21个地市州的边界，使用网格法将四川省的最小外包矩形进行4*4划分，再对每个网格进行4*4划分，总共进行三级划分，得到4*4*4*4*4*4＝4096个网格，对每个网格进行编号，使用英文字符进行编号，记录网格编号及对应坐标，坐标使用两个斜对定点坐标表示，记录网格编号和21个地市州的对应关系，如果地市州边界与网格有交集，则该网格对应该地市州。

步骤三：将四川省边界和21个地市州边界，使用R树进行索引，及取得每个边界的最小外包矩形，建立R树索引，存储每个节点与辖区对应关系，方便快速定位

地址反向解析阶段：

步骤一：目标点P(x,y)，如图5所示，根据经纬度与网格进行比较，使用算法(X₁<P_x<X₂&&y₁<P_y<y₂)，快速查询到目标点所属最小网格，根据目标网格，得到围绕目标网格的其余8个网格，如图6(P点所在网格为HG,围绕其的8个网格分别为HB，HC,HD,HF,HH,HJ,HK,HL)所示，通过匹配到的9个网格得到对应的辖区编码；

步骤二：通过四川省与地市州的边界得到R树索引，查找目标点所匹配到的地市州；

步骤三：将一，二步骤得到的辖区编码进行取并集，得到匹配的辖区编号列表；

步骤四：根据得到的辖区编号，从各个服务器查询距离目标点最近的点，距离从50米开始，只要有一个节点返回数据则终止查询，如果每个节点返回数据均为0，则查询范围从50米变为100米，再由100米变为1000米，由1000米变为10000米，只要有一个节点在对应范围内返回数据，则终止查询，将得到的数据按照距离，再次进行排序，只需比较大小，取到第一条数据返回，如果到10000米每个节点返回数据均为0，则证明未匹配到结构化地址数据。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种应用地理信息的地址反解析方法，其特征在于，包括数据处理和数据检索两个顺序环节：

数据处理，按照空间辖区模式对结构化数据进行采集后储存，包括顺序的两次数据处理：

第一次数据处理：对结构化地址数据进行经纬度编码储存，对储存后的数据进行网格索引，得到各个辖区的最小外包矩形；

第二次数据处理：建立R树索引，完成所有结构化数据处理；

数据检索，包括并行的两次数据检索：

第一次数据检索：依据经纬度点坐标进行网格层级索引，所述网格层级索引自上而下判断，找到最小网格所在辖区；

第二次数据检索：对经纬度点坐标通过R树索引，得到经纬度点所属辖区；

比对第一次数据检索得到的辖区信息与第二次数据检索得到的辖区信息，取并集，得到经纬度点最精确的所在辖区信息，依据查询算法，从所述经纬度点最精确的所在辖区信息中查询数据，进行距离由近至远排序；

所述数据处理中，对辖区进行网格划分，得到包含辖区的最小矩形，对所述最小矩形按照n*n切割，并对网格内形成的每个正方形块编码，n为正整数；

采用英文字符对所述网格内形成的每个正方形块进行顺序编码，并对每个正方形块重复切割和编码，同时进行网格的层级划分，得到辖区的最小包含矩形，得到每个网格的最小外包矩形坐标；

对所有正方形块与辖区按照层级对应关系采用树状数据结构进行数据存储，对各个辖区的最小外包矩形，建立R树索引，完成所有数据处理。

2.根据权利要求1所述的一种应用地理信息的地址反解析方法，其特征在于，所述数据处理中的第一次数据处理，对于结构化地址数据，按照行政辖区采集，采集后，按照行政辖区进行储存，同时每个节点代表一个服务器节点，每个节点存储自己节点的服务器数据，同时备份另外一个节点的服务器数据，每个节点的服务器数据在包括自身节点的两处节点分别有一个服务器数据备份。

3.根据权利要求1所述的一种应用地理信息的地址反解析方法，其特征在于，所述结构化数据采用Lucene进行索引，Lucene采用geohash的方法对经纬度进行编码，存为倒排索引。

4.根据权利要求1所述的一种应用地理信息的地址反解析方法，其特征在于，对所述最小矩形按照n*n切割，n取4。

5.根据权利要求1-4任意一项所述的一种应用地理信息的地址反解析方法，其特征在于，其中所述数据检索均包括以下步骤：

S1：根据待解析经纬度点进行网络匹配，匹配到网络进行S2，未匹配到网络结束数据检索进程；

S2：根据待解析的所述经纬度点匹配待的网格的编号，得到围绕所述经纬度点所在网格的邻近的八个网格编号，依据网格与辖区之间的索引关系，依据所述网格编号得到网格编号对应的辖区；

S3：依据S1中待解析的经纬度点进行R树索引找到待解析的经纬度点对应的所在辖区；

S4：将S2中自网格编号得到的对应辖区与S3中通过R树索引得到的经纬度点对应辖区取并集，得到并集对应的服务器节点；

S5：S4中得到节点为主节点，依据S4中得到的主节点所对应辖区的服务器查询所述经纬度点周围x米内的结构化地址数据并排序，排序按照距离由近至远的规则；

S6：判断各辖区节点返回S5中服务器主节点数据是否为0且与S5中服务器节点距离与x米不同，如判断结果为是，改变x值，返回S6重新判断，如判断结果为否，跳转S7；

S7：当依此判断S6中x值分别取50、100、1000和10000时均满足判断结果，则所述主节点根据返回数据再次距离排序，并输出返回距离最小的一条数据。