地理編碼（GeoCoding）是地圖服務(wù)中一項重要的功能，它提供了將詳細的結(jié)構(gòu)化文本地址轉(zhuǎn)換為經(jīng)緯度坐標的能力，比如：

• 北京市朝陽區(qū)阜通東大街6號 轉(zhuǎn)換后經(jīng)緯度：116.480881,39.989410

在外賣場景下，GeoCoding將用戶填寫的送餐地址文本轉(zhuǎn)換成經(jīng)緯度，作為騎手送餐的目標經(jīng)緯度，所以GeoCoding算法準確性的高低直接影響到騎手送達效率。目前訂單地址文檔到經(jīng)緯度的映射是通過高德GeoCoding接口實現(xiàn)的，由于高德GeoCoding接口提供的是一種通用的地理編碼功能，對外賣場景下訂單的識別效果很多情況下不夠完美。體現(xiàn)在以下幾個方面：

1. Poi庫中小區(qū)的樓棟建筑覆蓋不全
   高德的使用場景更多是從一個poi導(dǎo)航到另一個poi，而對于一個小區(qū)內(nèi)部的樓棟覆蓋率并不是最重要的考量，導(dǎo)致很多小區(qū)內(nèi)部的樓棟缺失。而外賣場景下，用戶填寫的下單地址很多是小區(qū)里面的某個樓棟，這種情況下使用高德GC服務(wù)進行經(jīng)緯度反解效果不夠理想。例如：

   
   
   “建材城中路27號金隅智造工場N3餓了么”GC效果

2. 新樓棟發(fā)現(xiàn)和更新比較慢
   對于poi庫中缺失的小區(qū)內(nèi)部樓棟，高德更新頻率比較慢，相比之下只要該樓棟有用戶下單，我們就可以發(fā)現(xiàn)潛在的缺失樓棟信息，并及時補充到我們的poi庫中

3. 地址匹配算法的效果不夠精準
   外賣場景的地址匹配單純從文本相似度進行計算是不夠的，還需要同時加入對多級地址實體（Entity）間相似度的判別，比如下面三個地址文本：
   領(lǐng)秀慧谷13號樓
   領(lǐng)秀慧谷133號樓
   領(lǐng)秀慧谷9號樓
   如果單純從文本相似度來看，“領(lǐng)秀慧谷13號樓”和“領(lǐng)秀慧谷133號樓”相似度應(yīng)該高于和“領(lǐng)秀慧谷9號樓”的相似度，但是如果從地址實體的角度，13號樓和9號樓的位置應(yīng)該更接近，而不是133號樓，這樣來看“領(lǐng)秀慧谷13號樓”和“領(lǐng)秀慧谷9號樓”相似度應(yīng)該更高。

4. 對兩段地址支持不夠好
   在餓了么app上用戶下單時，采用的是兩段地址的格式，也就是用戶先選擇一個poi，然后自己手填一部分詳細地址信息。這兩段地址往往是簡單的首尾拼接起來，然后進行GeoCoding。如果這兩段地址存在互相矛盾，重復(fù)，順序顛倒的情況，高德GC反解的效果也會大打折扣甚至錯誤。

   
   
   兩段地址示例

基于以上的現(xiàn)狀，我們設(shè)計并實現(xiàn)了一套針對外賣場景的地址反解算法，我們稱為NGC（NewGeoCoding）。NGC的核心功能是將用戶填寫的兩段地址綁定到poi庫中匹配程度最高的一條poi記錄上，然后使用該poi的經(jīng)緯度作為地址反解的經(jīng)緯度。對該算法有如下的要求：

1. 能夠準確的理解用戶地址中對道路、門牌號、小區(qū)名稱、片區(qū)、樓棟、單元、樓層、房間號的表述，從文本相似度+實體相似度兩個維度計算相似度
2. 能夠處理兩段地址中存在的前后矛盾、重復(fù)、部分地址實體缺失、實體位置顛倒等錯誤，有較高的魯棒性
3. 對于綁定失敗的地址，能夠返回地址中表述的小區(qū)+樓棟號，作為新poi挖掘的候選數(shù)據(jù)
4. 要能處理重名poi的匹配
5. 匹配準確度要足夠高，同時保持較低的耗時

NGC的整體流程包含三個主要步驟：兩段地址合并，獲取周邊相似poi，地址和周邊poi匹配：

NGC流程圖

兩段地址合并

用戶在餓了么下單時地址是兩段式地址，理想情況下兩段地址應(yīng)該清晰準確，互為補充，但由于第二段用戶手動填寫的地址部分是不受限制的，所以用戶可以隨意填寫，導(dǎo)致了一系列的地址問題，包括這兩段地址存在互相矛盾，重復(fù)，對同一個小區(qū)或樓棟前后采用不同的表述，地址中實體成分順序顛倒混亂等情況。所以首先要將兩段地址合并成一段完整、合理、不存在歧義和矛盾、不包含重復(fù)內(nèi)容、條理清晰的地址，見下面的例子。

兩段地址合并示例

下文中我們使用/表示兩段文本地址，如“餓了么/建材城中路27號”，代表第一段地址是“餓了么”，第二段地址是“建材城中路27號”。

兩段地址內(nèi)容重復(fù)是兩段地址合并中首先需要處理的問題，內(nèi)容重復(fù)包含幾個層面的含義：

1. 文字層面完全重復(fù)，如“安河家園六里/北京市海淀區(qū)安河家園六里4號樓”，第二段地址完全包含了第一段地址“安河家園六里”。這是一種比較好解決的問題，通過字符串包含判斷就可以簡單處理。
2. 文字層面分段完全重復(fù)，如“蘇莊一里13號樓/蘇莊一里東區(qū)13號樓”，第二段地址雖然沒有完全連續(xù)包含第一段地址，但是如果把第一段地址切分成“蘇莊一里”“13號樓”兩部分，就分別被第二段地址包含了，這種情況我們稱為分段完全包含，也屬于重復(fù)的情況，這種情況采用分段匹配算法可以解決。
3. 包含標點和大小寫的重復(fù)，如“燕?！じ肥⒓覉@(N1門) 2號樓/燕保阜盛家園n1門二號樓”，直接進行字符串比較并不包含，但是去掉標點，大寫轉(zhuǎn)小寫，并將漢字的數(shù)字轉(zhuǎn)換成阿拉伯數(shù)字后，就可以判斷出重復(fù)的情況了。
4. 樓棟重復(fù)，如“領(lǐng)秀慧谷38號樓/領(lǐng)秀慧谷38棟”，兩段地址的樓棟號后綴不同，但實際表述的是同一個樓棟號，這種情況我們先對樓棟后綴歸一化成相同的形式，在進行重復(fù)性判斷。
5. 地址別名重復(fù)，如“金科城二樓/金科世界城二樓”，這里“金科城二樓”是“金科世界城二樓”的別名，所以它們是等價的。這種情況需要預(yù)生成地址別名數(shù)據(jù)庫，將二者對應(yīng)起來。目前我們采用拼音Tri-Gram方法生成了幾十萬條地址別名數(shù)據(jù)可用于別名處理。

6. 地址實體部分重復(fù)，如“惠康嘉園6區(qū)/6區(qū)2號樓二單元604”，兩段地址中都包含了“6區(qū)”這個小區(qū)片區(qū)信息，這種情況我們利用NER技術(shù)首先對兩段地址進行實體解析，然后對相同類型的實體判斷是否重復(fù)，做去重處理。我們支持的NER類型如下：

   
   
   地址實體識別類型

經(jīng)過上面的預(yù)處理后，我們完成了對重復(fù)內(nèi)容的檢測，接下來就是怎么拼接兩段地址，我們基于觀察總結(jié)出兩段文本的四種拼接方式：承接式、包含式、描述式和插入式。
承接式地址指的是兩段地址存在地址實體結(jié)構(gòu)的由高到低的關(guān)系，比如“管莊西里24號樓/2單元302”，兩段地址從前往后依次是“小區(qū)/樓棟號/單元號/房間號”，這種情況只需要把兩段地址順序拼接就可以了。
包含式地址指的是兩段地址存在一段包含另一段地址的情況，這種情況直接使用較長地址即可。
描述式地址指的是第一段地址是一個poi，第二段地址是對這個poi位置的描述，比如“巫山烤魚/昌平區(qū)長江街一號院奇點中心3樓”，對于這種地址需要交換兩段地址的位置，第二段地址在前，第一段地址在后，組合成“昌平區(qū)長江街一號院奇點中心3樓巫山烤魚”。
插入式地址指的是需要將第一段地址插入第二段地址的某個位置，比如“信達大廈/北京西路1399號3樓”，需要將“信達大廈”插入到“北京西路1399號”和“3樓”中間，構(gòu)成“北京西路1399號信達大廈3樓”。
這樣，我們完成了兩段地址合并成一段地址的處理。

獲取周邊相似poi

獲取周邊相似poi是基于用戶訂單的經(jīng)緯度和地址文本，搜索其周圍相似度最高的top N條poi數(shù)據(jù)，是一個粗篩的過程。拿到這N條記錄后，后續(xù)再進行更為精確的相似度打分。
我們首先計算當前訂單經(jīng)緯度所在的精度為7的GeoHash網(wǎng)格，連同周邊八個鄰居網(wǎng)格，共9個網(wǎng)格。將poi數(shù)據(jù)預(yù)處理后存入ElasticSearch，首先過濾出9個GeoHash網(wǎng)格的poi數(shù)據(jù)，然后利用ES的Match方法獲取其中top N的記錄，進行后續(xù)的poi綁定。如果poi綁定失敗了，我們會擴大網(wǎng)格范圍到精度為6繼續(xù)搜索，如果還是綁定失敗了繼續(xù)擴大到整個城市范圍，返回最終匹配的結(jié)果，或者null。所以搜索的過程是一個逐層擴大的過程，這樣可以提高綁定的精度，減少同城同名poi帶來的影響。

地址和周邊poi相似度計算

現(xiàn)在我們已經(jīng)有了合并后的訂單地址文本，同時拿到了周邊相似度最高的N條poi記錄，接下來需要計算該地址文本和哪條poi記錄綁定最合適。
該過程分兩步，第一步是沖訂單地址文本中抽取可能的poi名稱，對于一個訂單會從不同的維度抽取出多個poi名稱，比如“朝陽門內(nèi)大街15號富力小區(qū)91號樓2單元401室”，可以抽取出如下的候選poi名稱：

朝陽門內(nèi)大街15號
朝陽門內(nèi)大街15號富力小區(qū)
富力小區(qū)91號樓
富力小區(qū)91號樓2單元
富力小區(qū)

我們拿這些候選poi名稱分別和周邊N條poi進行匹配，計算出得分最高的一條poi地址作為最終綁定的結(jié)果。打分的過程主要基于兩方面，一方面看候選poi和周邊poi的名稱相似度，相似度越高得分越高；另一方面看候選poi本身所包含的實體的豐富程度，細節(jié)越豐富，得分越高。