地址转经纬度的原理与批量处理实践
输入「北京市东城区景山前街4号」，返回一个坐标——这个过程叫地理编码。 看起来简单，批量做的时候却会遇到精度分级、歧义地名、配额限制和坐标系不一致四道坎。
地理编码做了什么
典型流程是：地址标准化 → 分词与要素识别（省 / 市 / 区 / 道路 / 门牌 / POI）→ 在地址库或 POI 库中检索匹配 → 返回坐标与匹配置信度。逆地理编码则相反，把坐标还原成结构化地址。
关键在于返回的是一个「匹配结果」，不是测量值。不同服务商的地址库、分词策略与更新频率不同， 同一个地址返回相差几十米到几公里都很正常。这也是为什么本站每个景区页都强调坐标是「代表点参考值」。
精度是分级的
| 匹配级别 | 典型返回 | 可用场景 |
|---|---|---|
| 门牌 / POI 级 | 建筑物或入口坐标 | 导航、到店核验 |
| 道路级 | 道路中心线上的插值点 | 配送分区 |
| 区县 / 城市级 | 行政中心代表点 | 统计汇总、地图展示 |
批量处理时务必把匹配级别一并存下来。把「只匹配到城市」的坐标当成门牌使用， 是地址清洗项目里最典型的翻车原因。本站城市经纬度库提供的正是城市级代表点， 用途明确限定在检索与展示。
批量处理的四个实践要点
- 先清洗再请求。去掉重复地址、统一全半角与行政区划前缀，能显著减少无效配额消耗。
- 控制并发与重试。按服务商配额做限流，对超时与限流错误做指数退避，避免整批失败。
- 记录原始请求与返回级别。便于事后抽样复核，也方便换服务商时重跑。
- 统一坐标系。国内服务商多返回 GCJ-02，百度返回 BD-09，境外服务返回 WGS-84。 入库前用批量坐标转换归一，别把不同来源混在一列里。
常见偏差来源
- 行政区划变更。撤县设区、道路改名后，旧地址可能匹配到历史名称或邻近区域。
- 歧义地名。「中山路」「高新区」在全国大量重复，缺少上级行政区限定时会随机命中。
- 新楼盘与新建道路。地址库尚未收录时，往往退化为区县中心点。
- 坐标系混用。把 WGS-84 结果直接打到国内底图上，会产生几百米的系统性偏移，见坐标系指南。
什么时候不该用地理编码
需要法定界址、不动产测绘、工程放样或权属判断时，公开地理编码服务的精度与法律效力都不够， 应使用权威测绘成果。面向公众发布的地图还涉及审图与标注合规，参见地图数据合规要点。