数据质量

我们如何对照已知点衡量地理编码的准确性

一个从未对照已知点检查过的地理编码器,只不过是在自信地猜测。衡量精度唯一诚实的方法,是从真实坐标已经确知的地址出发,这些坐标来自测量基准点、官方地块记录或经过核实的建筑物位置,然后将其与 API 返回的结果进行比较。

比较本身很简单。取返回的纬度和经度,测量它与已知真实点之间的距离,然后记录下来。在一组大量且多样化的地址上这样做,而不仅仅是总部附近的地址,规律很快就会显现出来。一个地理编码器对郊区门牌号的定位可能在几米之内,而对乡村道路地址的定位则可能偏差一个街区,而这两个结果同时成立。

比任何单一距离数值更重要的,是误差与响应中 precision 字段之间的关联。标记为 house 的结果应紧密聚集在真实点周围。标记为 street 的结果平均偏差应更大,因为它匹配的是一段道路,而不是一栋具体的建筑物。标记为 postcodecity 的结果从一开始就应被理解为粗略得多的估计。如果误差与精度标签不相符,那么这个标签就没有发挥作用。

这也是为什么覆盖范围和精度必须分开衡量。覆盖范围关注的是一个地址能否被找到,精度关注的是找到后答案有多接近。一个国家可能覆盖范围极好而精度一般,也可能相反,只报告一个数字会掩盖您实际面临的是哪一个问题。

我们不会为 My Geocode 发布一个综合的精度百分比,因为这样的数字恰恰抹平了最重要的差异。一个拥有详细建筑级数据的国家中的地址,与一个邮政机构只追踪到地点级别的国家中的地址,是无法相提并论的,把它们平均在一起得出的数字对两者都无法描述。我们能告诉您的是如何自己进行这类测试:选择与您的用户实际所在地相关的参考地址,同时检查返回的 precisionconfidence,并根据您在自己业务覆盖区域中观察到的情况设定自己的阈值。

如果您正在评估任何地理编码服务商,而不仅仅是我们,请要求进行参考点测试,而不是只看一个醒目的百分比。对自己的数据有信心的供应商会向您展示其方法。用您自己的一批地址试试正向地理编码端点,看看对于您特定的位置组合,precision 和距离是如何一起变化的,因为这个数字才真正能预测 API 在您的产品中的表现。