[地名探讨]从地名书写混乱、邮编体系混乱想到的 [复制链接]

我是一个程序开发人员，最近做的工作和地名、邮政编码、快递公司服务范围等关键字相关。
我碰到的一项功能要求，顾客给出一个收货地址，比如“北京市海淀区中关村南大街9号理工科技大厦2018室XXXX公司”，然后程序根据事先定义好的快递公司送货范围（比如说某快递公司在北京的送货范围说“五环内可以派送”），来判断这个地址是否属于可以送货的范围之内。

如果是人工判断的话，查一下地图可以知道这个地址在五环以内，送货没问题。但现在想实现计算机来判断。那么，我可以选择两个方案：
1）把地址转化成地理坐标，把送货范围也以地理坐标的形式（多边形区域）定义出来，如果前者的坐标处于多边形内部的话OK，否则NG。
2）事先穷举所有可能出现的地名，并将送货范围具体化为“地名A：可送”“地名B：不可送”的表格形式。这样也可以自动查询的到。

虽然第一个方案以图形的方式简化了某些步骤，但经过分析发现，两个方案都需要经过同样的步骤，那就是穷举所有可能出现的地名。

说到顾客书写的收货地址，我想我立马就头大了。同一个地方，不同人写出来的地址只有5%的可能性完全相同。如果放松要求，不要求完全相同，只要求大体相同，估计仍然会有多种地址写法出现。
比如上面的示例地址，不同的人可能会写成不同的样子，咱们举例来看：

北京中关村南大街9号2018室XXXX公司
北京市海淀区理工科技大厦2018室XXXX公司
北京市海淀区中关村南大街9号理工科技大厦2018室XXXX公司 （最完整）
。。。。

加上内部地址就会有更多的不同写法，比如小区内部地址：
XX小区5号楼1单元902室
XX小区5-1-902

学校内部地址：
XX大学办公1号楼招生办公室
XX大学学生宿舍北区5号楼621室
XX大学外语学院252信箱

关于内部地址的混乱，此处放下不表，因为跟上面的议题有些偏题，毕竟一般来说，如果某小区可以送到，就一般不存在说小区内的某几栋楼送、某几栋楼不送的BT局面。

还说外部地址的不同写法问题，如果同一个地方都有这么多的写法，无疑会对我们的地名分析造成很大的阻碍。地名分析计划几乎搁浅了。

我们想到了另一个东西，那就是邮局的邮政编码。我们记忆中，某一个区域会有一个独立的邮政编码，邮局依据邮政编码可以使用自动分拣机，快速分流信件。

可事实上情况更糟，邮政编码的几个问题：

1）分布不均：某些地区邮政编码资源丰富，比如北京（10开头，后面有四位编码空间）。某些地区邮政编码资源稀缺，比如广东东莞（他们只有100个可用编码空间。因此他们居然在6位邮编之外，另设了东莞本地专有编码，可谓无奈的创举）

2）宣传不够、书写混乱：大部分地区对邮编的宣传力度还是不足的，很多人不知道本地区的准确6位数邮编。大多数人在书写邮编时其实只写对了前四位，后两位统一写零，这样白白浪费了两位编码空间，前面四位邮编一般只能精确到地市一级。

3）邮编的分布和行政区划有混乱的地方：我们发现邮编的分布和行政区划不必然重合，跨区县很平常，跨省的邮编也存在。而且分布也出现不少混乱，存在一些邮编在城北地区和城南地区同时使用的情况，在地图上面看位置悬殊很夸张，很奇怪这些邮编是怎么编出来的。

4）各快递公司内部的投递段划分不尽相同，邮政编码的初衷当然是更多的考虑了邮政投递的具体需要，邮政的投递段划分跟各快递公司的划分多有不同的地方。这样，使用同一个邮编的地区里，在快递公司这里就可能出现某些地区可送，某些地区不可送的情况。这第四条很致命。

说到最后，问题又回到原点：地名分析。

任何一个计算机程序要实现100%自动化只在理想情况中可行，因此我们不追求100%自动化，我们想实现一个在大多数时候（比如90%以上）都能自动判定的解决方案。

首先我们来分析一下送货范围的定义和地址之间的关系。

在城市之外的农村，完整的地址一般会按照行政区划关系来书写，比如“XX县XX乡（镇）XX村X号”。这样的地址结构属于树形结构，事先准备好数据，判定工作不会很困难。（当然数据的准备工作量是很大的。）

对于农村的送货范围定义，也可以考虑以树型的方式定义。比如：
（1）XX县：a.不配送，b.可配送，c.可配送但不包括子级（即只送城关镇）
（2）XX乡（镇）：a.不配送，b.可配送，c.可配送但不包括子级（即只送乡镇政府所在地）
（3）XX村：a.不配送，b.可配送
这样的数据结构可以较好的定义农村区域的送货范围。

目前来说，快递公司的多数业务在城区，农村的快递业务几乎还处于试点阶段，多数县乡村是无法配送的，则直接标记父级节点为a，即可完成整个县或整个乡镇的定义。配置过程并不算复杂，而且对于将来的业务扩展也做好了准备。

对于城市，问题就较为复杂了。城市里地址一般以街道门牌体系来书写，比如先写“中关村南大街9号”，然后写建筑物、小区、校园名称，最后是内部地址（大厦的2018室、小区的5号楼1单元902室、学校里的院系、宿舍楼等）。

城区的送货范围定义方式，我想应该有两种：

一种也按行政区划的体系做树形的数据结构，比如：
（1）XX区：a.不配送，b.可配送
（2）XX街道：a.不配送，b.可配送
（3）XX社区：a.不配送，b.可配送
（根据几个大城市的行政区划情况看，细致到社区层面已经满足需求了。）
树形结构对于城市来说，并不算很适合，城市是快递公司的主营业区域，这样做定义显然比较麻烦。当然这也不失为一个还算说的过去的选择。

另一种，则是更为直观的，结合地图，按照区域分布的定义，比如北京市：
（1）先在地图上沿北五环、东五环、南五环、西五环画出一个封闭多边形，定义该多边形内部为可送范围；
（2）然后如果个别地方无法配送，可以再将该区域画一个封闭多边形，定义该区域为不可送范围；
如果这个个别地方不是很大，也可以结合第一种方案同时使用，附加上XX社区不配送的定义。

这两种方案不管是哪一种定义方式都存在一个共同的问题：

街道是线性的分布，而无论是第一方案中的社区，还是第二方案中的多边形，都是区域的分布。这样就需要将形如“中关村南大街9号”这样的地址，转为“北京理工社区”或者地理坐标。

这样后续问题也不少，比如中关村南大街这条长线分属多个社区，坐标确定对于这条线来说还得区分门牌号。
（其实城市里的门牌号也是个无比头疼的问题，比如门牌号的“知名度”“稳定性”都很差）

但不管怎样，问题还不算彻底没救，还是有了一个不算太坏的解决方案。

东莞有1000个邮号可用。