algoritmo para obtener códigos postales de EE. UU. Desde las coordenadas gis x, y

Question

Tengo una base de datos de muchas decenas de miles de eventos que ocurrieron en ubicaciones geográficas específicas dentro de los Estados Unidos. Los datos incluyen x, y coodinaciones para cada evento, codificadas utilizando el sistema de referencia NAD83. Quiero escribir o utilizar un algoritmo para obtener de manera confiable el código postal de EE. UU. Asociado con cada coordenada x, y de NAD83.

Aún no tengo definiciones de código postal usando el sistema de referencia NAD83. Y nunca antes había hecho este tipo de programación. Pero parece que sería intuitivamente simple averiguar si una coordenada x, y dada se encuentra dentro de una forma geométrica de un código postal de EE. UU. Definido utilizando el mismo sistema de referencia NAD83.

¿Puede alguien ayudarme con lo siguiente:
1.) ¿Dónde puedo obtener definiciones del código postal confiables de Estados Unidos en el formato de sistema de referencia NAD83?
2.) ¿Dónde puedo encontrar el código de ejemplo para un algoritmo para encontrar el código postal dado una coordenada x, y?

Cualquier enlace que pueda enviar a artículos instructivos/tutoriales, código de ejemplo y datos de definición de límite de código postal NAD83 sería de gran ayuda. Estoy haciendo búsquedas en Google, pero pensé que las personas en este sitio podrían darme más de una guía de expertos.

I código en Java todos los días. Pero, si el código que proporciona no está escrito en Java, podría tomar el código escrito en otro idioma y adaptarlo a Java para mis propósitos. No tengo un software de base de datos instalado en mi computadora porque solo uso csv o archivos de texto como entradas en mis aplicaciones Java. Si tiene alguna base de datos que sugiera que use, necesitaría enlaces a instrucciones sobre cómo obtener los datos en un formato que pueda importar a un lenguaje de programación como java.

Finalmente, las direcciones de las calles en mi conjunto de datos no incluyen códigos postales, y las direcciones se escriben al azar, por lo que sería muy difícil tratar de limpiar los datos de la dirección lo suficiente como para tratar de obtener códigos postales del direcciones. Puedo aislar los datos en varias ciudades adyacentes, tal vez en un par de cientos de códigos postales, pero creo que las coordenadas x, y de NAD83 son mi mejor opción para obtener el código postal en el que se produjo cada evento en mi conjunto de datos. Quiero vincular mi código postal resultante por análisis de código postal con otros datos que obtengo sobre cada código postal de fuentes como el Censo de EE. UU., Etc.

Gracias de antemano a cualquiera que esté dispuesto a ayudar.

Answer 1

no sé dónde obtener el código postal, pero creo que puede buscarlo en Google, the ZIP code of each state.

ya la pregunta (2), primero necesitará la información geográfica, es decir, the boundary of each state. a continuación, enumera todos los puntos (x, y) y determina en qué polígono se encuentra.

Aquí hay un código de ejemplo, fue escrito para SGU124.

#include <map> 
#include <cstdio> 
#include <cstring> 
#include <algorithm> 

#define MAXN 10005 

using namespace std; 

struct pnt{ 
    int x,y; 
}; 
struct seg{ 
    pnt a,b; 
} s[MAXN]; 
int n; 
pnt p; 
int h[MAXN<<1]; 
int k[MAXN<<1]; 

void work(){ 
    int i,x,y,c = 0; 
    memset(h,0,sizeof(h)); 
    memset(k,0,sizeof(k)); 
    for (i=0;i<n;i++){ 
     if (s[i].a.x<=p.x && p.x<=s[i].b.x && s[i].a.y<=p.y && p.y<=s[i].b.y){ 
      printf("BORDER\n"); 
      return; 
     } 
     if (s[i].a.x==s[i].b.x){ 
      x = s[i].a.x; 
      y = p.y - p.x + x; 
      if (x<=p.x && s[i].a.y<=y && y<=s[i].b.y){ 
       h[x+MAXN] = 1; 
       if (y==s[i].a.y) k[x+MAXN] |= 1; 
        else if (y==s[i].b.y) k[x+MAXN] |= 2; 
      } 
     } 
     else{ 
      y = s[i].a.y; 
      x = p.x - p.y + y; 
      if (x<=p.x && s[i].a.x<=x && x<=s[i].b.x){ 
       //printf("%d %d %d %d\n",s[i].a.x,s[i].a.y,s[i].b.x,s[i].b.y); 
       h[x+MAXN] = 1; 
       if (x==s[i].a.x) k[x+MAXN] |= 4; 
        else if (x==s[i].b.x) k[x+MAXN] |= 8; 
      } 
     } 
    } 
    for (i=p.x;i>=-10000;i--){ 
     //if (h[i+MAXN]>0) printf("@ %d %d\n",i,k[i+MAXN]); 
     if (k[i+MAXN]!=9 && k[i+MAXN]!=6) c += h[i+MAXN]; 
    } 
    //printf("p @ %d %d ",p.x,p.y); 
    if (c%2) printf("INSIDE\n"); 
     else printf("OUTSIDE\n"); 
} 

int main(){ 
    freopen("sgu124.in","r",stdin); 
    int i; 
    while (~scanf("%d",&n)){ 
     for (i=0;i<n;i++){ 
      scanf("%d%d",&s[i].a.x,&s[i].a.y); 
      scanf("%d%d",&s[i].b.x,&s[i].b.y); 
      if (s[i].a.x>s[i].b.x || s[i].a.y>s[i].b.y) swap(s[i].a,s[i].b); 
     } 
     scanf("%d%d",&p.x,&p.y); 
     work(); 
     //break; 
    } 
    return 0; 
} 

Answer 2

Puede usar GeoTools en java. Aquí hay un ejemplo de las búsquedas de un punto en un shapefile.

// projection/datum in SR-ORG:7169 (GCS NAD83) 
File shapeFile = new File("zt08_d00.shp"); 
FileDataStore store = FileDataStoreFinder.getDataStore(shapeFile); 
SimpleFeatureSource featureSource = store.getFeatureSource(); 
// Boulder, CO 
Filter filter = CQL.toFilter("CONTAINS(the_geom, POINT(-105.292778 40.019444))"); 
SimpleFeatureCollection features = featureSource.getFeatures(filter); 
for (SimpleFeature f : features) { 
    System.out.println(f.getAttribute('NAME')); 
} 

Me agarró un archivo de formas de la colección de la Oficina del Censo de EE.UU. de 5-Digit ZIP Code Tabulation Areas desde el Censo 2000. Acabo de usar un solo archivo para el estado de Colorado. Necesitaría unir estos en un solo FeatureSource. Ejecutando esta salida 80302 para Boulder, CO.

GeoTools también le permite convert between projections si es necesario. Afortunadamente estos shapefiles ya están en NAD83.

Answer 3

Mencionó que tiene direcciones que podría usar. En ese caso, un servicio de verificación de dirección le permitirá encontrar programáticamente los códigos postales basados ​​en la dirección y la ciudad/estado. Incluso si está mal formateado, los datos de la dirección podrían llegar al 90 o al 95% de su objetivo, dejando el resto para limpiar y reprocesar o tratar de usar las coordenadas para determinar.

SmartyStreets tomará un archivo CSV cargado con sus datos y realizará la validación de la dirección (corregir y estandarizar la dirección) y luego verificar las direcciones utilizando datos del USPS. Una característica única de SmartyStreets es que no cobran nada por direcciones incorrectas. Esto le permitiría formatear y procesar varias permutaciones de cada dirección (para intentar dar cuenta de los datos fortuitos) y solo pagará si se resuelve una coincidencia positiva.

Con el interés de la divulgación completa, soy el fundador de SmartyStreets. Proporcionamos la verificación de la dirección de la calle.