反向地理编码速度

Question

我正在使用 R 从数据框中提取纬度和经度，然后使用反向地理编码获取地址。

我这里有一些玩具数据：

latitude <- c(40.84935,40.76306,40.81423,40.63464,40.71054)
longitude <- c(-73.87119,-73.90235,-73.93443,-73.88090,-73.83765)
x = data.frame(latitude,longitude)

我编写了一个函数来进行实际的地理编码：

require(ggmap)
get_address <- function(df){
      long <- as.numeric(df$longitude)
      lat <- as.numeric(df$latitude)
      revgeocode(c(long,lat))
    }

然后申请：

apply(x,1,get_address)

使用system.time()，这大约需要一秒钟。但是，我计划对具有超过一百万个观察值的数据执行此操作。如果运行需要一段时间，我不介意，但由于我对此还很陌生，所以我不知道长时间运行ning 是否只是获得数据或者是由于不良的功能设计。有明显加快此操作的明显方法吗？

编辑：

我从评论者那里了解到，我可以提出的免费请求数量将受到限制（2,500/天）。我的所有数据都来自纽约，目的是将 latitude/longitude 坐标与自治市镇名称相匹配。在我发现免费用户的每日限制之前，我计划使用 lat/long 坐标从 Google 获取地址，从该地址提取邮政编码，然后将邮政编码与自治市镇匹配。有没有人对如何在不使用 Google 地图地理编码 API 的情况下执行此操作提出建议？

Answer 1

据我所知，Google 的免费 API 每天限制为 2,500 个请求。或者，Nominatim 由 OSM 提供，但 R 中没有任何 API。但是对于这种数据量，我不会考虑 Web 服务。您是否拥有 ArcGIS 许可？

也许您也可以通过避免这样的赋值来聚合您的函数：

require(ggmap)
get_address <- function(df){
  revgeocode(c(as.numeric(df$longitude),as.numeric(df$latitude)))
}

Answer 2

您可以找到行政区的 'spatial' 数据源，然后使用 sf 库

执行几何操作以在多边形中查找点

设置数据

查找空间数据源。这是 geojson 格式的社区之一

library(sf)

sf <- sf::st_read("https://raw.githubusercontent.com/blackmad/neighborhoods/master/new-york-city-boroughs.geojson")

将您的坐标转换为 sf 对象。我已经交换了你的经纬度列顺序。

latitude <- c(40.84935,40.76306,40.81423,40.63464,40.71054)
longitude <- c(-73.87119,-73.90235,-73.93443,-73.88090,-73.83765)
x = data.frame(longitude, latitude)

sf_x <- sf::st_as_sf(x, coords = c("longitude", "latitude"))

要执行空间操作，坐标参考系需要在两个几何之间匹配

## set the cooridnate reference systesm to be the same
st_crs(sf_x) <- st_crs(sf)

使用st_within找到每个点所在的多边形（邻域）

多边形中的点计算

res <- st_within(sf_x, sf)  ## return the indexes of sf that sf_x are within

这为您提供了每个点所在的多边形索引的稀疏矩阵

## view the results
sapply(res, function(x) as.character(sf$name[x]))
# [1] "Bronx"     "Queens"    "Manhattan" "Brooklyn"  "Queens"

视觉

用图确认

library(googleway)

x$neighbourhood <- sapply(res, function(x) as.character(sf$name[x]))

mapKey <- "map_api_key"

google_map(key = mapKey) %>%
  add_markers(data = x, info_window = "neighbourhood")

进一步阅读

Simple features vignette

反向地理编码速度

Reverse geocoding speed

r

apply

ggmap

设置数据

多边形中的点计算

视觉

进一步阅读