《International Journal of Digital Earth》：A multi-source web geocoding optimization method based on road constraints
在线地理编码平台是位置服务（LBS）和空间分析的基础工具，能将文本地址转换为地理坐标。然而，由于不同平台的地理空间数据库和编码算法存在差异，其结果常表现出不一致性。关键挑战在于缺乏标准化标准来评估和整合多源地理编码输出。整合多平台结果与公共道路网络数据，可能为实现更高精度提供可行路径。基于此，本研究提出了一种道路约束的网络地理编码优化方法。该方法利用三个流行平台（百度、高德地图和腾讯地图）的结果，并采用开源道路网络数据施加空间约束。设计了一套严格的空间匹配与过滤流程，以剔除错误坐标并优化结果。研究人员在中国南京测试了3,000个地址，比较了应用方法前后的误差。结果显示，该算法将平均误差从112.36–210.58米降低至72.07米。误差分布也变得更加紧密地聚集在真实位置周围。统计分析进一步揭示，超过500米的误差可以被纠正至100米以内。这证明了精度的显著提升，并为在线地理编码服务的用户提供了一个实用的解决方案。
地理编码（Geocoding）是将文本地址转换为地理坐标的过程，是空间分析和城市数据科学的基础任务。它通常与地理解析（geoparsing，指从未结构化文本中提取位置信息）和地理标记（geotagging，指为数字媒体分配地理坐标）互换使用。相比之下，地理编码特指将结构化地址信息转换为空间坐标的过程。它作为属性数据与其空间位置之间的关键桥梁，支撑着城市研究、犯罪学、公共政策和社会经济分析等广泛的应用。然而，在许多国家，获取权威地理空间数据集受到法律、行政或隐私的限制。因此，由Google、Nominatim、百度、腾讯等主要互联网公司提供的在线地理编码服务，已成为研究人员基于地址信息对事件进行空间定位和分析的主要工具。尽管这些商业平台方便且易于获取，但它们通常会产生具有显著位置误差的结果。
位置不准确可能导致事件在聚合到普查区或街区组等行政单元时产生偏差。这些错误分配可能进而改变空间模式并使统计结果产生偏差，包括回归估计和空间自相关度量。即使微小的空间偏移也可能显著扭曲空间相关性度量、环境暴露估计或局部犯罪率计算。因此，理解和缓解地理编码的不确定性是空间统计和空间分析中的一项关键任务。为了应对这些挑战，研究人员越来越多地探索如何利用多个在线地理编码平台的互补优势来提高空间精度和可靠性。其原理在于，每个平台都依赖于其自身的基础地图数据、地址匹配算法和更新频率。原则上，整合这些异构数据源可以减少单一平台偏差并提高位置精度。然而，由于缺乏标准化的置信度指标、外部空间基准以及现有融合方法对空间和语义一致性考虑的不足，仍然存在重大挑战。
本研究提出了一种道路约束的多源地理编码（RCMG）方法，该方法整合了多平台的坐标输出，并利用道路网络的空间结构进行验证。该方法过滤掉位于错误道路上的坐标，并应用基于道路的空间优化来确定最可能的建筑物位置。需要指出的是，在提出的框架中，道路不再被概念化为用于内插的输入，而是作为多源整合的外部评估约束。通过比较每个地理编码坐标与其对应路段的对齐情况，该方法建立了一个可解释的空间机制，用于检测和修正跨平台不一致或不合理的结果。这种转变将地理编码从单向的地址到坐标过程，转变为一个集成了位置和语义维度的双向优化问题。与传统上纯粹在坐标空间中操作的融合技术不同，道路约束方法将地理编码精度嵌入到城市环境的物理结构中。
本研究进一步突出了一个基本的方法论创新，即将两种不同的地理编码范式——基于点的和基于线的策略——整合到一个统一的优化框架中。虽然线约束是一种在西方地理编码系统中广泛使用的传统方法，但将其融入中国基于点的多平台地理编码环境，代表着一种概念和方法论上的创新。鉴于大多数中国地理编码平台严重依赖兴趣点（POI）数据库而非矢量道路网络，所提出的线约束融合框架有效地补偿了基于点结果的空间结构缺失。它通过利用道路几何形状作为外部参考，增强了位置精度和空间一致性，从而弥合了语法地址匹配与空间可靠性之间的差距。从这个意义上说，该框架并非简单地复制道路内插范式；而是重新定义了道路的功能角色，将其作为跨平台一致性约束，为在空间基础设施有限或非标准化的数据环境中优化地理编码精度提供了一条新途径。
为了澄清实施和验证过程，本文结构如下。第2节介绍相关工作。第3节描述研究设计和方法论框架。第4节展示和分析实验结果。第5节对所提方法进行讨论。第6节总结论文并概述未来方向。
相关工作方面，在线地理编码服务在数据源、匹配算法和更新频率上差异显著，导致不同平台在位置精度和服务可靠性上存在系统性差异。特别是，多项研究区分了街道级和屋顶级地理编码精度，表明位置误差可能因基础参考数据和匹配策略的不同而有显著差异。大量文献对主流地理编码器（包括Google、Esri和OSM）进行了比较评估，以揭示系统偏差和平台特定偏差。此外，地理编码质量不仅由位置精度决定。先前的研究强调了联合考虑空间误差和地址匹配质量的重要性，特别是地址相似性在评估地理编码性能中的作用。鉴于单个服务存在这些固有的不确定性，多源地理编码优化已成为一个关键的研究方向。通过整合来自多个提供商的异构输出，研究人员旨在减轻单一平台错误，并增强空间数据处理的整体精度和稳健性。
当前的多源地理编码优化方法论框架主要分为三类。第一类是基于置信度的过滤，利用平台提供的置信度指标（如匹配分数或置信级别）来过滤不可靠的结果。这种方法计算效率高，但通常受限于商业地理编码器的“黑箱”性质。第二类是统计融合策略，采用内部聚合规则（如算术平均、质心平均或多数投票）来减少随机误差。这些方法假设多个平台的“共识”更接近真实值，有效减轻了极端异常值的影响。第三类是基于机器学习的加权，近年来日益受到关注，研究人员训练模型根据历史性能或输入地址特征动态分配不同地理编码器的权重。然而，尽管取得了这些进展，大多数现有融合模型将地理编码坐标视为欧几里得空间中的孤立点，常常忽略了地理上下文以及误差向下游空间数据集的传播。
最近的研究表明，地理编码精度可以通过两种主要方法加以提高。第一种侧重于通过先进的自然语言处理（NLP）和地理人工智能（GeoAI）模型增强地址解析和匹配。这些方法旨在通过提高处理模糊地址的透明度来减少输入阶段的语义不确定性。更广泛地说，最近的研究探索了可解释的地址匹配方法以增强地理编码过程的可解释性，为匹配决策的得出提供了更清晰的见解。第二种途径利用外部空间参考数据作为约束来优化地理编码输出。在下一代地理编码系统中，辅助地理空间数据源（如道路网络、地块和POI）越来越多地被集成，以增强位置可靠性和结构一致性。在这种背景下，空间约束被用于评估和调整地理编码服务生成的候选位置，从而提高其与现实世界地理特征的对齐度。
尽管取得了这些进展，现有研究通常从单一角度（文本匹配或空间后处理）来提升地理编码性能，而没有充分利用多源地理编码平台的互补优势。基于文本的方法没有明确解决输出阶段的空间不一致问题，而基于空间约束的方法通常仅限于来自单一地理编码服务的结果。这限制了它们解决来自不同平台的多个候选位置之间差异的能力。
基于文献综述，多源地理编码优化领域仍存在三个关键差距：(1) 缺乏跨平台的可解释和可比较的置信度指标。不同的地理编码平台通常提供异构的置信度指标，这些指标不能直接比较。例如，百度和天地图返回0到100的数值分数，其中分数越高表示匹配质量越好，但不一定意味着更高的空间精度。相反，高德地图和腾讯地图根据输入地址的语义完整性分配分类精度级别（如省、市、区、路或POI）。这些指标主要捕获输入地址文本与参考地址文本之间的语法或语义相似性，而不是生成坐标的实际位置可靠性。因此，高匹配分数或级别并不一定意味着低空间误差。此外，这种不透明性使得跨服务客观量化空间不确定性变得困难。(2) 缺乏用于位置验证的外部空间基准。地理编码优化中的第二个主要限制是缺乏可靠的、独立的外部空间参考用于跨平台校准。理想情况下，一个包含已验证真实坐标的数据集可以作为直接量化位置误差的基准。然而，在大多数实际应用中，尤其是涉及大规模社会或行政数据集时，这样的参考数据不可用或不完整。即使存在地块或建筑物轮廓数据，也可能因保密限制、不同的坐标系或不一致的地址表示而无法访问。现有方法（如平均或中值融合）虽然可以减少随机误差，但并未提供有意义的依据来评估哪个地理编码器在空间上更准确。没有外部基准，优化过程就缺少客观的空间锚点，无法区分偶然的一致性和真正的精度提升。因此，需要一个普遍可用、空间结构化且语义一致的外部参考层，作为地理编码验证的代理基准。同样，这一需求因地理编码不准确可能传播到广泛使用的开源空间数据集（如OpenStreetMap）中而得到进一步强调，可能损害其作为参考源的可靠性。(3) 当前融合方法忽略了空间结构和语义一致性。现有的融合方法通常将地理编码视为纯粹的数值问题，忽略了定义真实地址的基础空间语义和拓扑约束。地址并非存在于任意的欧几里得空间中，而是嵌入在道路、地块和城市结构的网络之中。因此，忽视这些上下文关系的空间优化方法，有风险产生几何上看似合理但语义上无效的结果。例如，三个地理编码点的简单质心可能落在公园或河流的中间，如果其中一个来源产生了异常坐标，而真实地址本应位于街道段沿线。这种空间几何与地址语义之间的脱节，强调了引入能够反映建成环境结构组织的外部空间约束的必要性。一个有意义的优化策略必须使位置结果与其潜在的空间逻辑保持一致，尤其是在大多数城市环境中锚定地址系统的道路网络。在潜在的参考数据集（如地块、建筑物轮廓、POI和行政边界）中，道路网络因普遍可用（通过OpenStreetMap和市政GIS机构等开放平台）、拓扑一致、定期更新且与地址组件语义对齐（因为每个地址都包含或引用特定的路名），而脱颖而出，成为地理编码优化的最可靠和可访问的外部约束。此外，道路网络具有明确的空间拓扑结构，能够计算基于距离的一致性度量（例如，地理编码点到具有匹配名称的最近路段的垂直距离）。这些特性使得道路成为验证、约束和优化地理编码结果的理想参考层。本研究采用了一个在多源地理编码结果上操作的道路约束框架。通过将空间约束与跨平台候选评估相结合，所提方法在利用多地理编码服务多样性的同时，确保了与道路网络的几何一致性，从而实现了更稳健和可靠的定位。
研究设计部分，本研究选择南京的城市区（包括玄武、秦淮、鼓楼、建邺和雨花台）作为评估地理编码性能的测试区域。作为中国主要且经济发达的城市，南京见证了位置服务（如外卖、网约车和物流）的快速增长，这反过来推动了在线地理编码平台的广泛部署。此外，该市的空间结构高度复杂，混合了历史城市核心区、新开发的高楼区和密集的街道网络。这种多样性给地址解析、关键词分割和空间匹配带来了重大挑战，增加了地理编码错误的可能性。这些特征使得南京成为测试、比较和优化多平台地理编码策略性能的理想真实环境。
研究人员从南京公安局获得了3,000个地址条目。为确保数据稳定性，选择了近年来保持不变的地址，以避免城市再开发带来的问题。每条记录包含一个“地址”属性（由街道名称和门牌号组成）以及两个属性“经度”和“纬度”（即用于地理编码评估的人工识别的真实坐标）。在南京，地址通常遵循由区名、街道名和门牌号组成的层次结构。对于大多数城市街道，门牌号采用连续的奇偶系统分配，其中奇数通常位于道路的一侧（例如北侧或东侧），偶数位于对侧（例如南侧或西侧）。在高密度住宅区，单个门牌号通常指一个小区（xiaoqu），并使用补充标识符来指示特定楼栋或入口。值得注意的是，本研究中的地址组织在道路层级下，并包含细粒度的语义信息（例如门牌号和地标名称），RCMG方法利用这些信息直接与路段进行空间匹配。与通常依赖门牌号范围线性内插来估计位置的传统地理编码方法不同，我们的方法将这些细节视为离散的空间目标。这种方法避免了内插固有的不准确性，并确保优化基于特定的高精度空间实体。每个地址的真实坐标是使用高分辨率遥感图像和街景照片手动识别的。具体来说，选择了相应建筑物的质心作为准确的位置参考，为后续的地理编码评估提供了一个空间精确的基准。为确保可靠性，两名训练有素的标注员独立标记坐标，并通过共识解决歧义情况（例如大型建筑综合体）。估计的位置不确定性为5–10米，远小于典型的地理编码误差，在评估中可忽略不计。
用于本研究的道路网络数据是从2020年获取的数字导航地图中提取的。图1A展示了研究区域内的详细道路网络，而图1B说明了其在南京市的地理位置。行政边界数据来自官方政府来源，而道路网络数据来自商业导航提供商。由于道路图层存在碎片化和偶尔的不完整性，我们进行了若干数据预处理步骤，包括去重、纠错以及解决缺失或不一致的属性问题。数据清洗后，每个路名都与单个、连续的路段相匹配，以确保一致性。所有空间图层（包括矢量数据和地址点）都被投影到统一的WGS84坐标参考系中。
此外，为了给地理编码修正过程提供语义线索和精确的候选位置，本研究利用了一个综合数据集，包括研究区域内超过60,000个POI和约100,000个建筑物轮廓多边形。POI数据集具有高度的主题多样性，提供了诸如名称、地址和坐标等关键字段，便于文本相似性匹配和空间约束分析。这些POI作为路段沿线的“语义锚点”，使修正算法能够整合现实世界的地址编号和地标模式。至关重要的是，每个POI条目都经过验证，以确保其与相应建筑物轮廓的空间对齐。这种高度的拓扑一致性允许POI与建筑物轮廓协同工作，为地理编码优化过程提供了稳健的基础。建筑物轮廓数据提供了最终空间“捕捉”阶段所需的物理边界，确保估计的位置不仅仅是几何投影，而是代表实际的物理结构。为了保持所有图层的空间完整性，POI坐标和建筑物多边形均投影到WGS84坐标系中，确保与道路网络和真实值数据集的无缝集成。
方法论方面，研究人员提出了一种道路约束的多源地理编码优化方法（RCMG）。该方法利用路段作为空间约束，能够验证和修正多个在线地理编码平台返回的坐标。该方法首先从输入地址中提取路名，并与道路网络数据库进行匹配，以过滤掉与错误道路相关的地理编码结果。在匹配（正确）道路的空间范围内，应用空间优化算法，基于候选坐标与路段之间的空间关系，识别最可能的建筑物位置。
该方法包含四个模块：(1)地理编码，(2)地址解析，(3)RCMG算法，(4)数据质量评估。首先，从中国的三个主要商业平台——百度、高德（Amap）和腾讯——收集每个输入地址的地理编码结果。第二步，然后使用分词处理每个地址以提取街道名称。第三步，使用最近邻方法识别每个地理编码点的最近道路的名称。将提取的名称与每个地理编码点最近街道的名称进行比较。更具体地说，所提出的道路约束多源地理编码优化方法（RCMG），将匹配到正确街道的地理编码点保留下来，并用于内插地址的最可能位置。最后一步，通过将优化后的坐标与三个地理编码平台的原始输出进行比较来评估这些坐标。
地址解析方面，本研究使用基于回溯的非确定性有限自动机（NFA），通过正则表达式实现。NFA以回溯方式运行，从初始状态开始，根据正则表达式匹配输入字符串。当存在多条匹配路径时，它选择一条路径并记录备选方案。如果当前路径失败，引擎回退到先前状态并尝试另一条路径，直到找到匹配或所有路径耗尽。
核心的RCMG方法旨在解决多源地理编码平台结果不一致的问题。该方法使用开源道路网络数据评估和过滤每个平台的地理编码结果。该过程包括两个主要步骤。首先，对于每个地理编码点，基于点与道路网络之间的欧几里得距离，识别出最近的路段，并将该道路分配为关联街道。没有应用固定的距离阈值。选择最近的路段是为了确保对所有地理编码点进行一致评估。其次，将从输入地址中提取的道路名称与最近道路的名称进行比较。在比较之前，执行基本的文本规范化以提高匹配一致性，包括移除额外的空格和标准化常见的街道后缀（例如“Road”、“Rd.”、“Street”、“St.”）。如果两个名称在规范化后完全匹配，则认为地理编码点正确位于预期街道上，并作为有效结果保留。
此外，通过检查百度、高德或腾讯的地理编码结果是否至少有一个落在正确街道上，来评估每个地址。正确街道基于空间邻近性和名称匹配来识别。如果至少有一个地理编码点位于正确道路上，则该地址被视为具有有效的地理编码。如果没有一个点与正确街道匹配，则该地址被标记为无效，需要进一步修正。
对于具有有效地理编码的地址，最终估计位置通过两种方式确定。如果只有一个平台提供有效结果，则直接采用其坐标作为预测的地址位置。如果有两个或多个有效结果，则计算它们的质心作为最终输出。使用质心的原理是缓解不同商业地理编码平台固有的不一致坐标偏移。虽然单个点可能因平台特定算法落在道路的两侧，但它们的空间分布往往聚集在实际地点周围。通过推导质心，有效地消除了随机方向偏差。为了确保与物理现实的一致性，RCMG方法应用了一个空间细化步骤，将质心捕捉到最近的建筑物地块边界上。这确保了即使原始质心落在道路内，最终的地理编码位置也能正确地位于街道的适当一侧，与物理地址一致。
对于没有任何有效地理编码的地址，应用一个三步修正程序。首先，对于每个地址，识别出距离正确道路最近的地理编码点，然后从该点确定基于道路的候选点。如果地理编码点的垂直投影落在路段内，则使用投影点；如果投影落在路段外，则使用最近的道路端点。其次，筛选出位于正确路段沿线的地址，并在这些候选点中，选择与输入地址文本相似度最高的作为最可能的匹配。第三步，将最终位置计算为所选地址与投影点（或道路端点）的质心，然后捕捉到最近建筑物轮廓的质心。这个程序确保了空间合理性，同时整合了语义线索：即使地址匹配不完全准确，基于道路的点提供了空间约束，并且地址或属性隐式编码了门牌号或地标，引导估计位置朝向正确的站点。通过整合几何约束和来自地址的语义线索，该方法考虑了沿道路的门牌号或地标模式，减轻了如果仅使用最近道路点可能产生的潜在错误。
数据质量评估方面，为全面评估所提方法的地理编码精度，本研究采用描述性和比较性统计分析。应用了四个常用的统计指标，包括最大误差、最小误差、平均误差和标准差，并辅以四分位数分析来描述地理编码误差的分布特征，以及比较分析来评估不同平台之间的性能差异。为了提供更强的比较基线，实施了三种多源融合策略。算术平均法对三个地理编码平台返回的经度和纬度取平均值，而中值中心法使用坐标的中值值。最近道路捕捉法选择距离道路网络最近的地理编码点，并将其捕捉到最近的路段，而不进行语义路名过滤。这些基线方法代表了常用的统计和几何融合策略，用于与所提出的RCMG方法进行比较。
此外，使用了三种可视化工具来进一步评估RCMG方法的性能。第一种是基于道路密度的比较分析。在常规空间网格内计算道路密度（单位：公里/平方公里），基于每个网格单元内的道路总长度。选择两个具有对比性密度水平的代表性区域，比较不同平台的平均地理编码误差。误差定义为地理编码位置与参考位置之间的欧几里得距离。这种可视化突出了地理编码性能在不同城市结构条件下的变化，并进一步证明了RCMG方法在稀疏和密集道路网络中的稳健性。第二种是空间误差分布图，它说明了每个空间单元内的平均地理编码误差。它揭示了地理编码性能的空间模式。为每个平台和RCMG结果分别生成地图，便于直接视觉比较，并突出了优化减少误差的区域。第三种工具是路网密度与平均地理编码误差之间的相关性分析，评估地理编码性能如何随城市道路复杂度变化，并进一步突出RCMG的稳健性和空间适应性。第四种工具，以示意性误差混淆矩阵热图的形式呈现，可视化了应用RCMG方法前后地理编码误差的变化。在矩阵中，x轴表示使用所提方法优化后的误差，y轴代表原始平台结果的误差。每个单元格记录了落入特定误差对区间的地址点数量。单元格的颜色强度表示其包含的地址数量，颜色越深代表数量越多。标记为A→B的单元格表示地理编码误差在优化前处于区间A，优化后变为区间B。例如，第3行第3列标记为‘400–599m→400–599m’的单元格显示误差在优化后保持在相同范围。对角线单元格代表误差区间未变。对角线以上的单元格反映优化后误差增加，而以下的则表示误差减少。
实验结果与分析部分，研究人员使用测试数据和RCMG进行实验。从南京公安局获得的3,000个地址作为评估数据集。评估了百度、高德和腾讯三个地理编码平台以及RCMG优化方法的性能。使用统计分析和空间分布分析来证明RCMG在提高地理编码精度方面的有效性。所有数据处理和分析均在Python中进行，使用包括Pandas、GeoPandas和Shapely在内的地理空间库。
统计分析显示，对于所有三个平台，大多数误差落在0–99米范围内。只有少数地址具有较大的误差。与原始平台相比，RCMG产生更多误差大于100米的结果。这表明RCMG主动修正了具有较大初始误差的地址，将其重新分配到多个100米以上的误差区间。在>1000米范围内，RCMG表现尤为出色，仅产生21个地理编码点，显著少于百度（37）、高德（72）和腾讯（67）。这一结果表明RCMG在减少极端地理编码误差方面是有效的。平均误差比较进一步证明了RCMG的有效性。优化后，平均地理编码误差降至72.07米。与百度（112.36米）、高德（178.45米）和腾讯（210.58米）以及融合基线（包括算术平均167.30米、中值中心151.03米和最近道路捕捉197.75米）相比，这是一个显著的改进。RCMG的标准差为205.10米，也低于从百度（556.78米）、高德（889.65米）和腾讯（1899.34米）观察到的值。这些结果表明优化后的误差更紧密地聚集在平均值周围。由于标准差受极端值影响强烈，该指标的降低表明RCMG在处理大地理编码误差方面是有效的。总体而言，RCMG生成了更准确和可靠的地理编码。与现有在线平台相比，它提高了地理编码结果的平均精度和一致性。
根据四分位数统计，RCMG方法在所有误差分布范围上都表现出明显优势。其第一四分位数（Q1）为7.46米，低于其他方法（12.11–16.83米），表明RCMG对大多数样本实现了更高的地理编码精度。第二四分位数（Q2，中位数）为23.19米，也低于其他方法（24.83–38.40米），表明误差更集中于中位数附近，位置结果更稳定。第三四分位数（Q3）为61.57米，远小于其他方法（64.03–109.48米），进一步证实了RCMG有效抑制了大误差的发生。秩和分析结果进一步突出了RCMG方法在误差优化方面的优势。根据非参数秩和检验，RCMG与三大地理编码平台（百度、高德、腾讯）之间的差异具有统计学意义（p < 0.05），证实观察到的改进并非随机变异所致。RCMG在四种方法中取得了最高的排名，平均秩为2.164，显著优于三大在线平台：百度（2.452）、高德（2.543）和腾讯（2.841）。与排名第二的百度相比，RCMG的平均秩低0.228，显示出明显优势。与平均秩最高的腾讯相比，这一优势更为明显，差异达到0.677。这些排名结果为RCMG在地理编码精度方面的核心竞争力提供了直接证据，表明其误差控制能力超越了现有主流平台。总体而言，RCMG不仅在位置精度上优于其他方法，而且表现出更紧凑和稳定的误差分布。
空间分布分析方面，研究人员首先检查了城市道路网络的空间特征，为地理编码性能提供背景。道路密度在南京高度异质，密集网络集中在中心城区。选择了两个代表性区域，包括低密度区域（绿色虚线框）和高密度区域（蓝色虚线框）。图9B和9C比较了这些区域内不同平台的平均地理编码误差。在低密度区域，所有平台都表现出较大的误差，但RCMG显示出明显优势，实现了最低误差，并在稀疏道路条件下表现出更强的稳健性。在高密度区域，由于更丰富的空间参考，所有方法的整体误差都有所下降，RCMG仍然保持最佳性能，尽管方法之间的差距变小。这些结果表明，虽然道路密度显著影响地理编码精度，但RCMG始终优于其他平台，并在不同城市环境中表现出更好的适应性，尤其是在具有挑战性的低密度地区。
为了提供更具可解释性和基于区域的评估，研究人员在空间单元内总结地理编码误差，而不是可视化单个地址点。然后比较了百度、高德、腾讯和RCMG结果的空间误差分布，以揭示南京不同地区地理编码性能的差异。图10显示了每个街道的平均地理编码误差，使读者能够快速识别持续高误差或低误差的区域。颜色较深的区域代表较大的误差，而颜色较浅的黄色区域代表较低的地理编码误差。三个在线地理编码平台的误差分布差异显著。百度在城市中心、北部和南部集中出现较大误差。有几条街道显示误差大于1,000米。高德主要在东部和南部地区记录高误差，其中三个街道的误差超过1,000米。腾讯在北部和南部地区都显示较大误差，包括至少一个街道的误差超过1,000米。所有三个平台都包含平均误差超过500米的空间单元。相比之下，RCMG仅在位于北部、东部和西部的三个外围街道出现较大误差。大多数空间单元的平均误差低于300米，没有一个超过1,000米。这些改进表明RCMG减少了地理编码不准确，提高了空间数据的可靠性。因此，优化后的数据集更适合空间分析，并有助于最小化位置误差引起的偏差。
图11说明了四种方法（百度、高德、腾讯和RCMG）的平均地理编码误差与街道网络密度之间的关系。水平轴代表每个街道内的路网密度（公里/平方公里），垂直轴代表每个街道内地址的平均地理编码误差（米）。相关分析表明，对于百度（Pearson r = -0.050, p = 0.755）、高德（r = -0.005, p = 0.977）和腾讯（r = 0.048, p = 0.761），地理编码误差与网络密度之间没有显著关系。相比之下，RCMG显示出显著的负相关（r = -0.416, p = 0.006），表明更高的网络密度对应更低的地理编码误差。总体而言，RCMG的平均误差远低于三大商业平台，并且随着网络密度的增加表现出一致的下降趋势。在低密度区域（≤2公里/平方公里），RCMG的误差主要在100–250米内，显著优于百度（200–800米）和腾讯（200–1400米）。在中密度区域（2–4公里/平方公里），RCMG误差降至50–150米并保持稳定趋势，而百度、高德和腾讯仍然高度可变（主要在100–400米）。在高密度区域（≥4公里/平方公里），RCMG误差进一步降至50米以下，在一些街道接近零，而其他平台仍然显示超过200米的偏差。
为了探索误差在优化前后的变化，图12显示了所有三个平台的误差混淆矩阵。颜色较深的单元格集中在对角线上及其下方，表明地理编码精度整体提升。根据这些图，优化效果因平台而异。对于百度，最常见的转变是（400–599米 → 400–599米）和（400–599米 → 0–199米），表明许多具有中等误差的百度点要么被维持，要么被显著减少。对于高德和腾讯，主要的转变是（400–599米 → 0–199米），表明最初误差在400–599米的地址得到了显著改善。对于三个地理编码平台，许多误差在400–599米范围内的地理编码点被优化至199米以下。这突出了道路约束在增强位置精度方面的作用。跨所有矩阵，大多数高值单元格出现在最左列。这表明大量误差减少到199米以下。这证实了所提道路约束算法的有效性。尽管如此，对角线上方或左列与对角线之间仍有一些残余单元格，表明优化未能充分减少误差的实例。
分析典型地理编码错误部分，研究人员检查了地理编码误差的代表性案例，以说明百度、高德、腾讯和RCMG方法在处理特定地址时的表现，这揭示了RCMG如何提高地理编码结果的空间精度。图13-16说明了由百度、高德、腾讯返回的典型地理编码结果，以及由RCMG生成的优化结果。这些图对应四个代表性案例（案例1–4），其中三个平台的地理编码输出有一个、两个、三个或没有位于正确的道路上。这些示例突出了每个平台定位同一地址时的差异，并展示了道路约束方法如何通过过滤和精炼输出来提高地理编码精度。
在许多情况下，并非所有三个平台的地理编码点都落在正确的路段上。例如，在图13中，只有一个平台返回了位于正确街道上的坐标。其他两个结果匹配到错误的道路，并且在空间上距离正确道路较远。这种不匹配通常会导致较大的位置误差，并显著降低地理编码精度。RCMG通过仅保留位于正确道路上的有效点来解决这个问题。该点的位置被视为真实位置。
在图14中，三个平台中有两个返回了位于正确街道上的坐标，但它们在空间位置上差异显著。这通常发生在长而直的道路上，平台将地址点放置在不同的路段上。RCMG通过仅保留正确道路上的有效点并计算质心来解决这个问题。该质心的位置被视为真实位置。
在图15中，所有三个地理编码点都位于正确的道路上，但它们沿着道路长度分散。这通常发生在长街道上，不同平台对地址位置的解释不同。在这种情况下，RCMG计算三个有效点的质心以生成一个整合估计。这种方法减轻了由平台特定偏差引起的位置不确定性，并为地址生成了一个更稳定、更具代表性的位置。图16展示了一种情况，即三个地理编码点中没有一个直接落在正确的街道上。这可能是由于道路数据过时、平台解析不一致或使用粗略的匹配算法造成的。在此类情况下，RCMG启动其几何修正程序。由于没有点满足位于预期路段上的语义约束，因此将每个地理编码点投影到正确街道的最近路段上。在这些投影中，识别出与其原始地理编码点距离最短的那个点。该点到最近路段的垂足被选为最终坐标。这个例子展示了RCMG如何通过整合语义过滤和几何调整来提高地理编码精度。通过优先考虑道路级一致性并利用与道路网络的空间邻近性，RCMG生成了既语义有效又空间精确的结果。
讨论部分，本研究提出了一种道路约束的多源地理编码方法（RCMG），旨在通过强制地理编码输出与底层道路网络之间的几何一致性来提高位置精度。结果表明，RCMG通过显著减少大地理编码误差，超越了所有单独的在线地理编码平台。在三个平台中，百度以112.36米的平均误差实现了最高的基线精度，而RCMG进一步将其降低到72.07米。这种改进不仅仅归因于跨源的平均；而是源于道路约束系统性地消除了空间不一致的点。统计分析证实，RCMG显著提高了多平台地理编码结果的整体精度和稳定性。通过误差混淆矩阵的可视化揭示，大量中等到大范围的误差（400–600米）在优化后被纠正到低误差范围（0–200米），尤其是在高德和腾讯中，突显了该模型缓解重大位置偏差的能力。
从概念上讲，该方法为地理编码中语义-空间一致性的更广泛讨论做出了贡献。虽然其他研究利用卫星图像提高空间精度，或提出基于置信度的加权，但RCMG引入了一种不同的范式，在不依赖辅助图像或POI数据库的情况下，整合了语义约束（地址-道路对应关系）和几何约束（道路拓扑对齐）。因此，RCMG将道路网络从简单的空间参考转变为用于空间一致性评估的定量基准，扩展了数据质量控制的方法论工具箱。最终，该框架不仅提高了地理编码精度，而且为更广泛的空间建模任务提供了概念基础。它证明了在获取官方或高分辨率空间数据受限的国家，公开可用的道路数据可以作为有效的外部约束。
道路约束框架的核心优势在于其能够缓解大规模的位置不确定性，这是纯文本驱动地理编码方法的常见瓶颈。传统的文本相似性方法擅长解决语义歧义和增强地址解释，但其性能固有地受限于高质量参考数据库或大规模训练语料库的可用性。在数据稀缺地区或使用不一致的开源POI数据时，高语义相似性并不一定保证空间邻近性。语义相似的地址字符串可能对应地理位置相距甚远的位置，导致显著的位置误差。相比之下，RCMG引入了一种显式的几何过滤机制，将地理编码输出约束在物理上合理的空间结构内。通过强制与道路网络保持一致，该方法有效抑制了大的异常值，并将误差控制在可管理范围内。这种控制极端偏差的能力代表了相对于纯文本驱动方法的关键优势。更广泛地说，这种区别突显了基于空间约束的方法主要缓解大规模位置不确定性，而基于文本的方法侧重于解决地址解释中的语义歧义。
尽管本研究侧重于中国的网络地理编码平台，但RCMG框架本质上适用于国际环境，包括谷歌地图和基于OpenStreetMap的地理编码器。其通用性源于最小的数据依赖性，因为它仅依赖于多源API输出和开源道路网络数据（如OSM），这些在全球范围内均可访问。这一特征在国际环境中尤其有价值，因为地址系统、数据标准和数据库完整性差异很大。在许多国家，缺乏标准化或全面的地址数据集限制了数据库驱动地理编码方法的有效性。在此类条件下，一种仅利用普遍可用资源的方法提供了稳健且可转移的解决方案。
方法论意义方面，RCMG的方法论意义超出了直接提高地理编码精度的范围。通过将来自地址文本的语义信息与来自道路网络的几何信息相结合，本研究例证了一种可泛化的策略，用于约束多源数据中的空间不确定性。该框架证明，即使在没有专有数据集或高分辨率辅助图像的情况下，也可以利用开放且广泛可用的地理空间资源来强制空间一致性。这种观点将开放道路数据的角色从参考层重新定义为数据验证和跨平台协调的主动工具。
方法论上，RCMG引入了一种混合范式，桥接了数据驱动和基于规则的地理编码方法。它不是仅仅依赖概率匹配或黑箱融合，而是嵌入了源自城市形态的拓扑推理。这为解释和诊断空间不匹配提供了一种透明机制，为研究人员提供了可解释的替代方案，以替代纯粹基于机器学习的集成方法。这种可解释性对于需要可追溯性和可重复性的空间分析（包括城市治理、犯罪地理和环境暴露评估）尤为重要。
此外，RCMG框架强调了基于约束的空间推理作为提高数据可靠性的补充路径的重要性。随着空间数据集在各种在线平台上不断激增，确保语义-几何一致性对于整合异构来源变得至关重要。本研究提出的方法为其他领域（如POI集成、地址标准化和基于位置的社交媒体分析）提供了一个可转移的模板，在这些领域中，位置差异可能传播显著的分析偏差。
最后，所提方法强调了向轻量级地理空间优化的方法论转变，优先考虑可解释性、可访问性和跨区域适应性，而非数据密集型的深度学习解决方案。这种定位与对开放科学和可重复性的日益重视相一致，表明未来的地理编码研究不仅应追求更高的精度，还应强调能够增强空间数据基础设施可解释性和互操作性的透明机制。
局限性与未来工作方面，虽然RCMG在提高地理编码精度方面表现出稳健性能，但有几个局限性值得仔细考虑。该方法的有效性本质上依赖于道路相关信息的可用性和可靠性。它假设道路名称可以从输入地址中准确提取，或者可以从初始地理编码结果中推断出来。然而在实践中，地址文本通常包含非正式表达、不完整组件或模糊格式，这可能破坏语义过滤阶段。同样，几何修正程序在很大程度上依赖于底层道路网络数据集的质量和完整性。在道路数据稀疏、过时或拓扑不一致的地区，优化坐标的准确性可能受到限制。
为了解决这些挑战，未来的增强可以将兴趣点（POI）数据集作为空间锚点的补充。POI可以在道路数据不可靠或缺失的区域为空间修正提供有价值的参考点，从而扩展该方法的适用性。然而，这种整合也必须考虑许多POI数据集中固有的位置不确定性，因为数百米的坐标偏移可能会损害细粒度的空间调整。一种动态平衡基于道路和基于POI约束的混合解决方案，可能为未来的优化提供有希望的方向。
另一个概念上的限制源于最近道路对应关系的假设。虽然这个假设在大多数密集城市环境中成立——建筑物通常直接临街——但在建筑物通过大地块、开放空间或物理屏障（如高速公路）与其地址道路在空间上分离的情况下，它可能失效。在这些场景中，几何最近的道路可能不代表语义正确的地址道路。因此，未来的改进可能整合额外的上下文线索，如建筑物朝向、地块边界或道路标识符的文本解析，以细化地理编码点与其预期地址道路之间的对应关系。道路名称匹配在识别承载地址的道路过程中存在不确定性。在实践中，道路名称可能以缩写或替代形式出现，多条街道可能共享相同的名称，并且在多语言数据集中可能出现音译差异。此外，一些建筑物可能连接到与地址中引用的主要道路不同的服务道路或前街的入口。这些情况可能在将地址信息链接到相应路段时引入模糊性。尽管这种情况在研究数据集相对罕见，但它们可能影响该方法在更多样化城市环境中的稳健性。更广泛地说，推进这一研究路线需要更全面地理解如何联合优化语义、几何和上下文信息以减少位置不确定性。未来的研究可以探索机器学习辅助匹配或量化地址-道路对应不确定性的概率模型。通过结合基于规则约束的可解释性和数据驱动推理的适应性，这样的混合框架可以进一步增强多源地理编码优化的稳健性和通用性。
结论部分，本研究提出了一种道路约束的地理编码优化方法，该方法整合了道路名称提取、语义一致性过滤和基于空间几何的修正，以优化多平台地理编码结果。通过将输入地址与其对应路段进行匹配，并应用基于投影或质心的融合策略，该方法有效识别并修正了由语义不匹配、空间分散和平台特定不一致性引起的地理编码误差。
实验结果表明，RCMG显著提升了地理编码性能。它降低了位置误差的平均值和标准差，限制了极端异常值的数量，并增强了不同城市区域的空间一致性。这些改进对于依赖精确空间定位的应用尤为重要，例如犯罪分析、公共卫生监测和城市基础设施规划。
总体而言，RCMG为提高在线地理编码服务的准确性提供了一种实用、轻量级且可重现的解决方案，特别是在道路网络数据比详细的行政边界或专有数据集更易于获取的环境中。其模块化设计和对开放数据的依赖，使其非常适合需要高位置精度和跨不同城市环境稳健性的精细尺度地理空间应用。
