Как найти все организации в районе

3. Активируйте API-ключ (инструкция придёт на Яндекс Почту).

Дополнительные материалы

Как наладить поиск адреса по координатам (и где взять нужный справочник)

Весной мы добавили в API DaData.ru фичу «Обратное геокодирование», она же «Адрес по координатам». Название намекает: метод принимает геокоординаты и отдает данные об адресе.

Солидный продукт с той же функциональностью предлагает «Яндекс» — он называется «Геокодер». Но сервис «Яндекса» бесплатен только для открытых некоммерческих проектов. Стандартный же тариф — от 120 000 ₽ в год — подходит не всем.

Мы подумали — если сделать бесплатную или недорогую альтернативу «Геокодеру», разработчики наверняка скажут спасибо. И сделали. В статье расскажу, как устроен «Адрес по координатам»: как мы наладили поиск, собрали справочник и упаковали в готовый метод.

Где берем данные и чем ищем адрес

Подступаясь к задаче, мы изучили готовые решения: где взять справочник координат с адресами и как потом искать по этому справочнику географические объекты. Оказалось, за нужными инструментами даже не придется далеко ходить.

Адресные объекты берем в ФИАС — Федеральной информационной адресной системе. Это самый полный из открытых и официальных адресных справочников. Подробно о нем мы уже писали на «Хабре», а сейчас важны четыре факта:

• в ФИАС хранятся все адресные объекты страны, от регионов и ниже — до зданий и дополнительных территорий;
• справочник свободно доступен в форматах DBF и XML;
• ФИАС не идеален — в нем отсутствуют десятки тысяч домов и множество улиц, особенно новых;
• каждому адресному объекту в справочнике соответствует уникальный ID — ФИАС-код. Код объекта иногда меняют, но для нашей статьи это не так важно.

Адресные объекты, загруженные из ФИАС вместе с ID, — основа нашего справочника для обратного геокодирования.

Координаты загружаем из OpenStreetMap (OSM). OSM — проект со свободной лицензией: энтузиасты собирают координаты всевозможных объектов и выкладывают для всех желающих.

Если по-простому, OSM — это набор точек, линий и полигонов на карте. У каждого объекта свое описание, тип и набор координат. Данные OSM для России лежат по адресам needgeo.com, osm.sbin.ru/osm_dump/ и osmosis.svimik.com/latest/.

_{Список источников публикуют на специальной странице в «Вики» проекта}

Выгрузки состоят из PBF-файлов — этот формат используют вместо XML как более компактный. Превратить PBF в OSM XML ничего не стоит, с этим справится куча одобренных сообществом утилит.

Для собственного справочника мы берем адресные объекты из ФИАС, а затем ищем их координаты в OSM. Если нашли, сохраняем объединенные данные. Получается такое пересечение ФИАС и OSM.

И все это замечательно, но есть одна проблема: с качеством данных в OSM дела обстоят непросто. Координаты объектов часто не соответствуют реальности. Например, полигоны для регионов и районов адекватны. А для городов и ниже — уже не очень.

_{Полигоны — это многоугольники, ограничивающие площади на карте. Они состоят из связанного набора точек с координатами. Полигонами обозначают границы регионов, районов, городов и даже зданий}

Основная работа, и с большим отрывом — собрать из OSM адекватные данные и отсеять брак. Задача настолько объемная, что я отвел под нее в статье отдельный раздел.

Дома, которых нет в ФИАС, загружаем тоже из OSM. Выше я уже говорил, что в ФИАС отсутствуют десятки тысяч домов. Это даже не проблема, а просто реальность, фон. Поэтому мы пополняем свой справочник домами из OSM. Но только теми, для которых в ФИАС существует улица. У пришедших из OSM зданий нет ФИАС ID, поэтому мы идентифицируем их как ФИАС-код родителя + номер дома.

По справочнику ищем с помощью прекрасного Lucene — нашего многолетнего помощника. За наводку спасибо сведущему индийцу, написавшему пост Indexing Geographical Data With Lucene (хорошее дополнение — материал A dive into spatial search algorithms — о k-d-деревьях, на которых построен алгоритм поиска).

Как только мы узнали об у́дали Lucene, проблема с поиском решилась почти сама. Делов осталось — пройтись наждачкой.

1. Загрузили в Lucene свой справочник координат и адресов, получили поисковый индекс. Для легкости убрали из него почти все, оставив лишь ID адресов и координаты.
2. Наладили поиск по индексу: на вход — координаты, на выход — ID найденных адресных объектов. Другой информации поиск не возвращает, поскольку индекс мы донельзя скукожили.
3. Насытили выдачу, загружая из «большого» ФИАС данные по найденным ID. Добавляем много всего, от нужного всем адреса одной строкой до признака столицы региона у городов.
4. Придумали, как сортировать и отдавать полученные объекты.

Пока все выглядит просто, но это лишь малая часть работы. Никакого поиска адреса по координатам не получилось бы, не собери мы приличный справочник.

Как собрали базу координат и адресов

Для начала выложу багаж: прочитав статью, быстро сделать подобный справочник не получится. Мы собираем его с 2014 года, постоянно дополняя. Об этом чертовски длинном пути я и расскажу.

Самое сложное при составлении справочника — перебрать кординаты, которые пришли из OSM. На старте мы выверяли их как могли, в том числе руками. Главная цель тогда — получить опорные точки в крупных городах и сделать из них эталонный справочник. Теперь, когда таких точек много, проверять новые данные вручную почти не приходится. За раз мы добавляем в эталонный справочник 200 000–300 000 адресов с координатами, и вот как это делаем.

Формируем из OSM-тегов полные адреса́. В OSM-выгрузках составные части адресов разбросаны по разным тегам:

• addr:city — д. Булатниково;
• addr:street — Центральная улица;
• addr:housenumber — 103.

Пробегаем по тегам и собираем из них полный адрес: д. Булатниково, Центральная улица, 103.

Прогоняем каждый новый адрес через API стандартизации «Дадаты». Сервис приводит адреса к единому формату «Как в ФИАС»:

• исправляет опечатки;
• расшифровывает сокращения вроде «НиНо» и «Мск»;
• меняет старые названия на новые;
• находит по индексу пропущенный в адресе город;
• определяет ФИАС-код.

Адреса́ приходят от API чистыми, хоть сейчас шли письмо или бандероль.

Стандартизованные дома, улицы и населенные пункты мы храним как одну точку. Для улицы и населенного пункта эта точка — центр. В итоге все адресные объекты лежат в одной таблице, внутри — адрес, ФИАС ID, широта и долгота.

Разбираем адреса, которые «Дадата» не стандартизовала. Адреса́, которые не получилось сопоставить с ФИАС, сервис помечает флажком. Их проверяем вручную, вариантов здесь несколько.

1. Адрес пришел не в положенных тегах выгрузки OSM, а черт знает где. Встречали и вовсе не заполненные адресные теги, и город в теге улицы, и еще много всего.
2. В OSM лежит экзотический объект вроде детской площадки, вузовского футбольного поля или вовсе кладбища. В ФИАС ничего такого нет, да и для наших целей эти результаты не годятся. Такие объекты просто отсеиваем.
3. Ошибка — и не ошибка вовсе. Например, из OSM пришел район города, которого в ФИАС нет. Или в ОSМ объект находится в населенном пункте, а в ФИАС этот населенный пункт присоединили к городу и удалили. Тогда мы допиливаем алгоритм под загруженные данные и запускаем снова.

_{Распарсили выгрузку, а там — путаница в тегах}

Проверяем, насколько адекватны загруженные координаты. Для этого специальной утилитой смотрим, попадают ли координаты нового объекта в полигон родительского региона или района. Если адрес сообщает, что объект находится в Омской области, будь добр по координатам попадать в ее полигон. Вхождения в город не требуем — не все города точно освещены в OSM, для многих данные не обновляют.

Эталонные полигоны мы загружаем из OSM и храним как есть — в формате GeoJSON. Чтобы выбрать, к какому полигону примерить точку, смотрим в отдельную таблицу. В ней мы сопоставили префиксы КЛАДР-кодов и ID полигонов: находишь для адреса КЛАДР-код и видишь, какой полигон выбрать.

_{КЛАДР-код — это уникальный идентификатор, который использовали еще до появления ФИАС. Находить этот код для адреса умеет миллион сервисов}

Утилита разрешает объекту отстоять от положенного полигона на 1 700 метров. Это правило добавили из-за шоссе, которые часто выходят за границы региона. Но расстояние больше 1 700 метров — признак ошибки, так говорит статистика.

На этом для городов и улиц проверка заканчивается.

Еще раз, построже, проверяем загруженные координаты домов. В дело снова вступает упомянутая утилита, и вот что она делает.

1. Берет адрес нового дома и находит для него соседей в эталонном справочнике.
2. По координатам считает расстояние между непроверенным новым домом и надежными соседними.

_{Соседей найти несложно: 1. Берем новый дом и находим ФИАС ID родителя. 2. Выбираем из эталонного справочника дома́, у родителей которых тот же ФИАС ID}

Проверку проходят только дома, которые удалены от надежных коллег не более чем на 150 метров. Причем каждый новый одобренный дом мы учитываем при разборе следующих. Вот как это работает.

Допустим, в эталонном справочнике хранятся дома № 1, 2 и 3 по улице Коммунаров. В новых данных пришли дома № 5, 6 и 7 по той же улице. Судя по координатам, новые дома стоят рядом. Утилита видит, что дом № 5 находится рядом с домами № 1, 2 и 3 и добавляет его в эталонный справочник. Значит, дома № 6 и 7 тоже проходят проверку.

А дальше решается судьба пришедших из OSM данных:

• дома, прошедшие обе проверки: на полигоны и на соседей, добавляем в эталонный справочник;
• если объект не попадает в полигон, новые данные не подходят. То же самое, если расстояние между домом и соседями слишком велико;
• дома, у которых нет соседей, мы пока откладываем. Они лежат в отдельной базе, когда-нибудь разберем.

Делим прошедшие проверку объекты на две части. Они пойдут в разные таблички нашего эталонного справочника.

_{В первой таблице — все объекты c ФИАС ID до домов: регионы, населенные пункты, улицы. Во второй — дома́ и ссылка на родителя из первой таблицы}

Две таблицы нужны, чтобы назначить ключи отсутствующим в ФИАС домам. У них нет собственного ФИАС-кода, поэтому делаем вот как:

• в одну таблицу собираем адресные объекты до дома, у каждого из них свой ФИАС-код;
• во вторую — только дома́, при этом ссылаясь на родителя в первой таблице.

В итоге здания без ФИАС-кода мы идентифицируем по ключу ФИАС ID родителя + номер дома.

Справочник готов, осталось протестировать. За ночь прогоняем сервис по функциональным тестам и тестируем производительность. Скорость проверяем на Москве, запрашивая все дома в радиусе трех километров. Чтобы уж наверняка. Конечно, обложили все автотестами.

Главное после обновления — чтобы не стало хуже.

Обратное геокодирование глазами пользователя

На вход метод принимает три параметра: координаты, количество результатов и радиус поиска. Радиус по умолчанию — 100 метров, максимальный — километр. Точное значение задают в настройках.

curl -X POST 
  -H "Content-Type: application/json" 
  -H "Accept: application/json" 
  -H "Authorization: Token ${API_KEY}" 
  -d '{ "lat": 55.878, "lon": 37.653, "radius_meters": 50 }' 
  https://suggestions.dadata.ru/suggestions/api/4_1/rs/geolocate/address

Обратно метод возвращает найденные объекты: дома, улицы и населенные пункты. При этом сортирует их по убыванию точности.

1. Дома́.
2. Улицы.
3. Населенные пункты.
4. Города́.

Затем сортирует еще раз — по расстоянию от заданных координат. Если метод нашел четыре дома и улицу, сначала встанут дома́ в порядке удаленности от заданной точки. За ними — улица.

После всех этих рокировок метод наконец-то возвращает объекты, которые нашел.

{
    "suggestions": [
        {
            "value": "г Москва, ул Сухонская, д 11",
            "unrestricted_value": "г Москва, ул Сухонская, д 11",
            "data": {...}
        },
        {
            "value": "г Москва, ул Сухонская, д 11А",
            "unrestricted_value": "г Москва, ул Сухонская, д 11А",
            "data": {...}
        }
    ]
} 

Внутри — много разного о найденных объектах: строки с полным и сокращенным адресом, актуальное и устаревшие названия, почтовый индекс, ФИАС-код родительского объекта и так далее.

_{Все данные, которые отдает метод — в документации}

Покрытие по координатам для разных регионов разное, вот так с домами:

• Москва — 96%,
• Санкт-Петербург — 88%,
• другие города-миллионники — 74%,
• остальная Россия — 47%.

А вот это — покрытие по улицам:

• Москва — 92%,
• Санкт-Петербург — 79%,
• другие города-миллионники — 75%,
• остальная Россия — 67%.

По городам не считали — в масштабах России зыбок даже сам факт принадлежности к гордому званию города. Например, Ярославская обл, Пошехонский р-н, с/о Федорковский — это город, согласно официальному справочнику ФИАС. А по факту, да и по адресу — сельский округ. Физически сельский округ напоминает объединение нескольких деревень в большую кляксу. Сложно не только определить центр, но даже найти населенный пункт на карте.

Уже думаем, что добавить к методу: разрешить фильтрацию по типам объектов, возвращать расстояния до заданной точки, еще что-нибудь. Следим за спросом и решаем, вкладывать ли силы.

А в остальном все уже на проде. До 10 000 запросов в сутки — бесплатно, больше — по подписке от 5 000 ₽ в год. Если нужны адреса по координатам для коммерческого проекта, а «Геокодер» слишком дорог — попробуйте API «Дадаты».

Оригинал статьи опубликован в блоге HFLabs.

Справочник (каталог) организаций и предприятий Москвы

Количество организаций и предприятий в столице каждый день возрастает,
поэтому отыскать нужную инстанцию
вам поможет наша справочная служба. Посетив данную страницу этого онлайн-справочника, вы сможете узнать
контактные телефоны и полезную информацию о любой компании, которая вас заинтересует.
На нашем сайте пользователям доступны многочисленные функции, а с их помощью вы сами сможете вносить
дополнительные данные и оптимизировать систему поиска.

На сайте реализованы функции внедрения новых информационных статей о той или иной отрасли.
Для этого пользователям необходимо воспользоваться специальным полем “Добавить организацию бесплатно”.
Избрав определенный раздел или рубрику, вводим название нового предприятия.
После этого необходимо внести дополнительные контактные данные, например, номер телефона,
фактический адрес, электронную почту для обратной связи.
На данном сайте нужно размещать только актуальную информацию, которая станет полезной
для жителей столицы, а в ином случае информативная статья будет удалена.

Отыскать организации по категориям или рубрикам можно с помощью специального поля
“Организации по категориям”. Здесь все подразделы отображаются в виде информативного облака,
но присутствует функция формирования упорядоченного списка, где также будет указано количество
организаций и предприятий в каждой категории.

На сайте также реализована возможность размещения рекламы, которая позволит повысить рейтинг
вашей организации. Воспользуйтесь полем “Поднять вашу организацию в топ поиска”,
чтобы увеличить количество запросов по данной тематике. Более того, в нашем справочнике
существует прозрачный рейтинг наиболее популярных категорий, а хорошая реклама повысит
интерес жителей столицы к услугам, которые вы предоставляете.

Как найти организацию по адресу

Некоторые современные программные продукты, которые имеют базу данных адресов различных городов, значительно упрощают поиск нужной информации на карте. Практически в любом подобном приложении достаточно лишь ввести нужный адрес и можно будет увидеть перечень компаний, а также их номера телефонов и филиалы.

Вам понадобится

• – инсталлятор программы 2gis

Инструкция

Для поиска компании по городу предварительно установите соответствующее программное обеспечение, например 2ГИС. Скачайте данное приложение с сайта разработчика и подключитесь к интернету. Дождитесь окончания загрузки инсталлятора, после чего запустите его.

Среди предлагаемых модулей и баз данных выберите самые необходимые. Чем больше вы выберете параметров, тем дольше будет происходить загрузка и установка. Убедитесь в том, что интернет у вас включен, после чего нажмите «Далее» и дождитесь окончания инсталляции.

Запустите только что установленную программу при помощи ярлыка на рабочем столе. Дважды кликните на иконке «2ГИС» и дождитесь окончания загрузки утилиты.

В появившемся окне вы увидите карту того города, который вы выбрали для загрузки при установке. Перейдите во вкладку «Поиск», где слева вы увидите 3 буквенных поля: название, адрес и рубрика.

Начните вводить адрес искомой компании в поле «Адрес». После введения первых двух букв откроется список названий, из которого выберите наиболее интересующий вас объект. После того, как адрес будет выбран, нажмите на кнопку «Поиск» справа от данного поля и дождитесь окончания процесса.

Маркером на карте будет отмечен дом, в котором находится нужная вам компания. Если вы не знаете конкретный адрес, а лишь улицу, то после поиска перейдите в закладку «Инструменты» и выберите «Радиус».

Щелкните мышкой на карте и отрегулируйте размер окружности, в рамках которой будет осуществляться поиск организаций. После того как радиус задан, щелкните на ссылке «Найти организации в заданной области». Маркерами на карте будут отмечены нужные вам компании.

Обратите внимание

Если по заданному адресу присутствует несколько организаций, то их перечень вы увидите в списке «Организации», который автоматически разворачивается после окончания поиска. В данном списке вы сможете найти вашу компанию, номер ее телефона, номер офиса и этаж.

Войти на сайт

или

Забыли пароль?
Еще не зарегистрированы?