| 多源在线地理编码服务分类优化模型 |
| |
| 引用本文： | 廖薇薇,柳林,周素红,宋广文,李秋萍,刘凯.多源在线地理编码服务分类优化模型[J].热带地理,2018,38(2):255-263. |
| |
| 作者姓名： | 廖薇薇 柳林 周素红 宋广文 李秋萍 刘凯 |
| |
| 作者单位： | （1．中山大学地理科学与规划学院 综合地理信息研究中心，广州 510275；2．广州大学地理科学学院 公共安全地理信息分析中心，
广州 510006；3．辛辛那提大学地理系，辛辛那提 OH45221-0131，美国） |
| |
| 基金项目： | 国家自然科学重点基金项目（41531178）；国家自然科学基金优秀青年基金项目（41522104）；广东省自然科学基金研究团队项目（2014A030312010）；广东省科技计划项目（2015A020217003） |
| |
| 摘 要： | 利用在线地理编码API解决海量中文地址快速编码问题，在此基础上，利用简单的规则对编码结果进行清洗、标记，最后通过基于系统聚类与随机森林的分类优化模型，将多平台编码结果分类处理、优化。利用广州市盗窃案件地址对模型进行训练与验证，结果表明：相比未处理的编码结果，经模型优化过的编码结果整体位置误差距离减小。高德的地理编码服务有着最好的编码质量，但训练样本的高德编码误差均值仍高达590.43 m，经模型优化后，样本的编码误差均值降至173.73 m，验证样本编码误差均值由554.88 m（高德）降至180.04 m，降低了67.49%，高德90.08%的异常编码结果被清洗优化。对于训练样本与验证样本，模型优化效果相似；对于地址类型不同的案件、位于市区与市郊的案件，模型优化效果相似，说明模型具有一定普适性。该模型能够方便快捷地将海量社会经济信息转化为空间数据，提高编码精度，为地理大数据的研究提供更好的数据支持。
|
| 关 键 词： | 在线地理编码 数据清洗 系统聚类 随机森林 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《热带地理》浏览原始摘要信息 |
| 点击此处可从《热带地理》下载免费的PDF全文 |
|
