用电客户模糊地址库建设方法

马泽杰 王烁 吴燕强

（广东电网有限责任公司汕头供电局 广东省汕头市 515000）

1 现状分析

用电客户模糊地址库建设，是管理信息化、客户服务人性化、大数据应用平台可持续发展的迫切需要，可用于客户停电区域快速定位查询、客户宣传精准投放等。目前，用户地址数据在电力营销、生产等领域尚无一个成熟的应用，而且在电力营销系统中，用户地址数据存在数据结构不完善、录入标准不一致等问题，需要建设一个数据结构明确、地址录入标准统一、数据库管理平台统一、引用与考核平台统一、归口管理部门明确的用电客户模糊地址库，并在今后不断完善管理和建设工作。

目前，用户地址应用有以下痛点：

（1）用电客户拨打服务热线进行故障报修等业务时，在未能及时提供用户档案信息的情况下，难以快速定位故障发生的台区或线路，抢修工作不能及时展开，可能导致用户不满。

（2）当某个台区进行计划停电、设备检修时，难以快速了解停电时的影响范围，未能提前做好通知工作。

针对上述情况，建立台区/线路模糊地址库，能有效提升客户服务信息化水平，提高工作效率，对提升客户满意度有重要作用。

现有技术的缺点：

（1）地址数据结构复杂，噪声较大，人工难以归纳规律并进行清洗；

（2）有行政区域和营业区域信息，但是缺少标准地址数据知识库支撑；

（3）做到让计算机直接从地址数据中提取地理信息困难，维护不易，维护成本较高；

（4）取数、匹配工序多，难以实现自动化生成，生产成本较高。

2 模糊地址库体系框架模型

台区/线路模糊地址库建设的目的是为了在现有的数据资产基础上，通过一系列的数据分析手段，实现客户信息服务水平提升。因此，本次模糊地址库建设分为四个层次，分别是模糊地址库指标层面、标准知识库生成层面、数据预处理层面和模糊地址库生成层面。

（1）模糊地址库指标层指标主要为地址库展示维度，主要为行政区划信息，包括省、市、区、县、街道、镇、居委会、村、路、街、巷、道、小区、住宅区等。

（2）标准地址知识库生成层包括标准知识库生成过程：主要行政区划信息爬虫-其他行政区划信息获取-知识库存储。

（3）基础、标准库数据处理层包括基础数据、知识库数据的数据清洗：用户电源信息数据清洗-标准地址知识库数据清洗-数据规约-数据集成等。

（4）模糊地址库生成层包括台区/线路模糊地址库生成过程：台区信息汇总-跨区、跨镇情况处理-空白地址填充台区名称-线路信息汇总-台区用户数统计。

3 解决方案

3.1 基础数据获取

图1：基础数据获取过程

图2：地点检索矩阵

图3：百度API 返回数据格式

基础地址数据来源于营销系统。其中用户编号、用电地址由用户档案信息获取。以用户档案信息中的用户编号匹配用户电源信息，以用户电源信息的台区标识、线路线段标识匹配台区、线路档案信息标识，如图1所示。

3.2 标准地址知识库建立

图4：模糊地址库生成过程

编写程序循环访问中国行政区域网目标页面，将相应URL 加入队列。通过发起http 请求获取网页源码。应用正则表达式，在庞大的网页源码中寻找目标信息节点，并剔除噪声数据，准确提取省、市、区、县、街道、镇、居委会、村等信息。

城市路、街、巷、道、小区、住宅区信息无固定网页可以获取，比较合理的方法是调用现有电子地图API 接口，定制化获取所需信息。地点检索主要以矩形地理区域开展，即以经纬度坐标确定检索范围。将提供的城市地理位置的左下、右上经纬度坐标区域切片，划分成n×n 个小矩形，遍历每个矩形获取信息点。

地点检索主要以矩形地理区域开展，即以经纬度坐标确定检索范围。理论上来说，每个矩形区域只能返回最多20 页，每页20 条记录共400 个信息点，这远远不满足本次模糊地址库建设需求。解决方案为将**市地理矩形区域切片，划分成20×20 个小矩形，遍历每个矩形获取信息点。

如图2所示，经过实际验证，单纯遍历最小矩形区域如区域1，获取到的信息点数量比遍历所有矩形组合如矩形1 和矩形2 等获得的信息点数量少，故有必要遍历所有矩形组合。这种方法必然会造成同一信息点多次记录的情况，需要获取后进行数据清洗。

百度地图JSAPI 2.0 接口地址为：

http://api.map.baidu.com/place/v2/search，发起资源申请代码格式为：http://api.map.baidu.com/place/v2/search?query=XX 市 小区&output=json&ak=ak。其中，query 为查询关键字，output 制定数据传输格式，ak 为百度地图开发者密钥。

编写程序模拟浏览器查询情景，可得到返回数据如图3所示。

3.3 模糊地址库生成

（1）用电户地址数据区、县的匹配主要依据标准地址知识库的主要行政区划数据的区（县）字段，其次根据基础数据里的区供电局字段。在遍历基础数据用电地址字段的过程中，如果匹配到标准地址知识库的区（县）信息，则将对应的区、县信息记录，否则取区供电局对应的区局作为信息记录。

（2）在匹配区、县信息后的数据基础上，依据标准地址知识库的街道（镇）字段，在遍历基础数据用电地址字段的过程中，如果匹配到标准地址知识库的街道（镇）信息，则将对应的街道、镇信息记录。

（3）在匹配街道、镇信息后的数据基础上，依据标准地址知识库的居委会（村）字段，在遍历基础数据用电地址字段的过程中，如果匹配到标准地址知识库的居委会（村）信息，则将对应的居委会、村信息记录。

（4）在匹配居委会、村信息后的数据基础上，依据标准地址知识库的道路字段，在遍历基础数据用电地址字段的过程中，如果匹配到标准地址知识库的道路信息，则将对应的居道路信息记录。

（5）在匹配居道路信息后的数据基础上，依据标准地址知识库的道路字段，在遍历基础数据用电地址字段的过程中，如果匹配到标准地址知识库的小区、住宅区信息，则将对应的居小区、住宅区信息记录。如图4所示。

3.4 加入中文分词技术补充标准知识库

由于电子地图API 的局限性，不能完全获取所有行政区划信息和地理信息点，如道路、小区、公司、商铺等，标准地址知识库不够完善，覆盖面不够大，故需要引入中文分词技术，在用电地址的基础上识别行政区划信息和地理信息点，加入标准地址知识库。建立数量词库、字母词库、地名地址词库、地理同义词词库、方位词库、特殊符号词库等，加入基于中文分词技术支撑的地址规范化算法，高效、准确的识别行政区划信息，进一步提升模糊地址库的覆盖面。

3.5 数据存储

生成的标准地址知识库中间表和结果表、模糊地址库数据均存储于同一套数据库，便于引用和管理。

4 优势分析

（1）依托于标准地址知识库，固化了一套中文地址模糊匹配方法，形成一种匹配逻辑，极大程度减少了人工树立地址工作；

（2）应用网络爬虫技术和电子点图API 服务，定期更新标准地址知识库，不断完善标准地址知识库管理工作；

（3）无需复杂机器学习模型，节省模型训练需要的硬件成本和时间成本，固化的地址库匹配建设采取一键运行的方式，结果自动存储在数据库中，方便引用和管理。

（4）时效性，由于标准地址知识库数据特殊性，行政区划信息不需要进行实时更新。通过百度地图API 获取信息，约3 分钟完成一组切片数据获取，道路和小区住宅区两类，20 组切片，总体需要大约20×3×2 即120 分钟，每季度或更长时间进行一次即可，这样既可保证时效性，又可减轻爬虫压力。