Skip to content

Latest commit

 

History

History
287 lines (204 loc) · 16 KB

README.md

File metadata and controls

287 lines (204 loc) · 16 KB
Raw

ADCODE

中国行政区划代码，包括五级行政区划详细代码，县级以上区划地理围栏。

数据来自国家统计局、民政部、高德地图，均为公开数据。

要点在于地理位置数据

SYNOPSIS

  • 行政区划代码数据基线来自国家统计局：2016年统计用区划代码和城乡划分代码(截止2016年07月31日)
  • 行政区划变动数据以民政部公告为准：2017年行政区划代码
  • 行政区划地理边界数据来自：高德地图 行政区划
  • 目前数据时间点为：2016年07月31日，后续会追赶最新变更。
  • 核心数据表两张：
    • 行政区划数据表：adcode
    • 地理围栏数据表：fences
  • 数据格式：
    • 行政区划是csv格式的数据文件，按所属县级行政区划代码（6位）分片在各自的文件中。
    • 地理围栏是json格式的数据文件，相应县级行政区划代码（6位）的地理围栏以GeoJSON形式存储在单独文件中
    • 使用文本数据格式是为了便于其他应用和数据库使用，但本地实际上使用的是PostgreSQL+PostGIS。bin/目录中提供了用于ETL的实用脚本。

DESCRIPTION

行政区划表（adcode）

基础信息

表名 adcode
数据目录 data/adcode/
控制脚本 bin/adcode
模式定义 sql/adcode.ddl
数据样例 朝阳区：data/adcode/110105.csv
相关知识 中国行政区划相关知识

数据结构

Column Type Description
code bigint 国家统计局12位行政区划代码
parent bigint 12位父级行政区划代码
name character varying(64) 行政单位名称
level character varying(16) 行政单位级别:国/省/市/县/乡/村
rank integer 行政单位级别{0:国,1:省,2:市,3:区/县,4:乡/镇，5:街道/村}
adcode integer 6位县级行政区划代码
post_code character varying(8) 邮政编码
area_code character varying(4) 长途区号
ur_code character varying(4) 3位城乡属性划分代码
municipality boolean 是否为直辖行政单位
virtual boolean 是否为虚拟行政单位，例如市辖区、省直辖县等。
dummy boolean 是否为模拟行政单位，例如虚拟社区、虚拟村。
longitude double precision 地理中心经度
latitude double precision 地理中心纬度
center geometry 地理中心, ST_Point
province character varying(64) 省
city character varying(64) 市
county character varying(64) 区/县
town character varying(64) 乡/镇
village character varying(64) 街道/村

注意，center字段使用了PostGIS扩展。如果你不希望使用PostGIS，修改center字段的类型为TEXT即可保持兼容，或使用PostgreSQL内建的Point类型。

数据样例

110105043000	110105000000	东湖街道办事处	town	4	110105	\N	\N	\N	f	f	\N	\N	\N	北京市	市辖区	朝阳区	东湖街道办事处	\N
110105400000	110105000000	首都机场街道办事处	town	4	110105	\N	\N	\N	f	f	\N	\N	\N	北京市	市辖区	朝阳区	首都机场街道办事处	\N
110105035200	110105035000	西会村委会	village	5	110105	\N	\N	111	f	f	\N	\N	\N	北京市	市辖区	朝阳区	管庄地区办事处	西会村委会
110105035201	110105035000	东会村委会	village	5	110105	\N	\N	112	f	f	\N	\N	\N	北京市	市辖区	朝阳区	管庄地区办事处	东会村委会
110105001024	110105001000	南郎家园社区居委会	village	5	110105	\N	\N	111	f	f	\N	\N	\N	北京市	市辖区	朝阳区	建外街道办事处	南郎家园社区居委会
110105001025	110105001000	北郎家园社区居委会	village	5	110105	\N	\N	111	f	f	\N	\N	\N	北京市	市辖区	朝阳区	建外街道办事处	北郎家园社区居委会

数据说明

  • 原始数据来自国家统计局、民政部、高德地图的公开数据。
  • 主键为code，国家统计局使用的12位行政区划代码：编制规则。
  • adcode是六位县级行政区划代码，且始终满足adcode=code/1000000。
  • level与rank目前为一一对应关系：
level rank code count name
0 country - 1 国
1 province 2位 34 省、自治区、直辖市、特别行政区
2 city 4位 344 地级市、地区、自治州、盟
3 county 6位 3133 市辖区、县级市、县、自治县、旗、自治旗、特区、林区
4 town 9位 42868 街道、镇、乡、苏木、民族乡、民族苏木
5 village 12位 666655 居委会、村委会

  • post_code表示的邮政编码目前没有数据，仍需补校。

  • area_code表示的长途区号，仍需校对。

  • ur_code是三位城乡划分代码，按标准只有乡、村两级有该属性，但实际中只有村级单位有该属性。

  • municipality表示该行政区划是否为直辖区划，即直辖市，直辖县、直辖镇、直辖村等。

  • virtual表示该行政区域是否为虚拟区划，通常直辖行政单位的上级区划单位是虚拟区划，例如市辖区。

  • dummy表示该行政区是否为虚拟区划，但这是另一种虚拟，不是因为直辖产生的虚拟单位，比如虚拟社区。

  • latitude, longitude均为双精度浮点数，原始数据6位有效数字，所有坐标点使用GCJ-02火星坐标系。

  • center表面类型是PostGIS的GEOMETRY，底层类型是ST_Point。

  • province, city, county, town, village是为了使用方便添加的反规范化字段。

  • 港澳台市县级数据有待补充，而且需要修正一些坐标系不一致的问题（WGS84 or GCJ-02）。

  • 此数据描述为2016年7月时的快照。目前除去虚拟行政区划，有6个过时县缺少坐标数据，更新后可修复。83%的镇有坐标数据。只有8%的村级行政单位有地理信息。有待后续完善

数据质量

非虚拟行政单位的地理数据完善情况：

level total have location miss
country 1 1
province 34 34
city 334 334
county 2851 2845 6
town 42846 35350 7496
village 664892 59035 605857

对于县以上的地理数据，除了6个（16~17年发生变更）的县级区划没有地理数据，其他都是最新（2018-02）的数据。六个过期县级行政区划：

130421000000	130400000000	邯郸县		county	3	130421
139001000000	139000000000	定州市		county	3	139001
139002000000	139000000000	辛集市		county	3	139002
320812000000	320800000000	清江浦区	county	3	320812
330204000000	330200000000	江东区		county	3	330204
410211000000	410200000000	金明区		county	3	410211

实用脚本

数据表有操作管理的便利，文本文件有交流可读的便利。因此提供了实用的ETL工具：bin/adcode

大多数功能都要求有一个超级用户权限的PostgreSQL实例，并有一个安装PostGIS扩展的的数据库（非必需）。通过指定环境变量PGURL来提供链接参数。默认使用postgres://localhost:5432/adcode

Usage:
	bin/adcode <action>
	
	action list:

	create	:	创建adcode表，若已存在则会删除原表。
	index	:	在adcode表上创建索引（注意，大批量插入时大量索引会严重拖慢插入速度）。
	order	:	排序重建adcode，使其物理有序(rank,code ASC)
	drop	:	删除fences表
	trunc	:	清空adcode表
	clean	:	清空data/adcode中的转储
	dump	:	将adcode表以文本形式转储至data/adcode/，提供adcode列表参数，则只转储对应数据
	load	:	从data/adcode/文本转储导入adcode表，提供adcode列表参数，则只导入对应数据
	backup	:	备份adcode至data/backup/adcode.sql
	resotre	:	从备份data/backup/adcode.sql恢复adcode
	check	:	检查adcode数据
	reload	:	清空adcode表，并重新从data/adcode中加载数据
	reset	:	删除并创建adcode表
	setup	:	初始化：建表，加载数据，创建索引。
	usage	:	显示adcode控制脚本用法

本地使用时，可以采用backup/restore的方式进行备份与恢复，速度会快很多（几秒）。

PR/PULL与发布提交时，再使用dump/load生成文本格式的数据（二三十秒）。

此表在平时几乎不会有写入，所以创建了大量索引，可以极大加快查询与转储速度。

但大批量加载时，索引可能会严重拖慢插入速度，您可能需要考虑导入后再重建索引。

地理围栏表（fences）

注意，根据中华人名共和国测绘法。

基础信息

表名 fences
数据目录 data/fences/
控制脚本 bin/fences
模式定义 sql/fences.ddl
数据样例 朝阳区地理围栏：data/fences/110105.json
相关知识 GCJ-02, PostGIS Geometry, GeoJSON

数据结构

Column Type Description
code bigint 国家统计局12位行政区划代码
adcode integer 6位县级行政区划代码
fence geometry 地理围栏,GCJ-02,MultiPolygon

数据样例

例如，6位县级行政区划代码为820008的澳门特别行政区-圣方济各堂区的地理围栏为

{"type":"Polygon","coordinates":[[[113.601946,22.138113],[113.603872,22.132865],[113.603681,22.132371],[113.597564,22.125115],[113.580194,22.109694],[113.578955,22.10893],[113.576328,22.108147],[113.561046,22.106214],[113.559643,22.106216],[113.553703,22.107469],[113.55353,22.110847],[113.553296,22.116852],[113.553297,22.120642],[113.553574,22.125144],[113.563949,22.127289],[113.563972,22.127298],[113.564018,22.127343],[113.56407,22.127443],[113.564391,22.128297],[113.564475,22.128366],[113.56446,22.128395],[113.564529,22.128445],[113.564552,22.128452],[113.564651,22.128477],[113.564798,22.128486],[113.567266,22.128386],[113.567475,22.128416],[113.56763,22.128485],[113.567778,22.128615],[113.567856,22.128713],[113.56789,22.128884],[113.568003,22.131992],[113.568107,22.132224],[113.568324,22.13235],[113.568618,22.132386],[113.571408,22.132306],[113.572257,22.132331],[113.573184,22.132482],[113.574068,22.132806],[113.574848,22.133293],[113.575827,22.134051],[113.57659,22.134553],[113.577257,22.134854],[113.57802,22.135012],[113.579329,22.135134],[113.580612,22.135239],[113.581375,22.135379],[113.582311,22.135821],[113.583056,22.136473],[113.584062,22.137923],[113.589178,22.14428],[113.601946,22.138113]]]}

img

数据说明

  • fences表可通过code与adcode表相连接。
  • fence使用PostGIS的GEOMETRY类型存储，底层类型为POLYGON或MULTIPOLYGON（带有飞地）
  • 大约有300个县没有围栏数据，后续修正。
  • 一些虚拟行政区划的地理围栏理论上应当是子行政区的并集，也有待修正。

实用脚本

bin/fences用法同bin/adcode

Usage:
	bin/fences <action>
	
	action list:

	create	:	创建fences表，若已存在则会删除原表。
	index	:	在fences表上创建索引（注意，大批量插入时大量索引会严重拖慢插入速度）。
	order	:	排序重建fences，使其物理有序(rank,code ASC)
	drop	:	删除fences表
	trunc	:	清空fences表
	clean	:	清空data/fences中的转储
	dump	:	将fences表以文本形式转储至data/fences/，提供adcode列表参数，则只转储对应数据
	load	:	从data/fences/文本转储导入fences表，提供adcode列表参数，则只导入对应数据
	backup	:	备份fences至data/backup/fences.sql
	resotre	:	从备份data/backup/fences.sql恢复fences
	check	:	检查fences数据
	reload	:	清空fences表，并重新从data/fences中加载数据
	reset	:	删除并创建fences表
	setup	:	初始化：建表，加载数据，创建索引。
	usage	:	显示fences控制脚本用法

其他

在项目顶层目录提供了makefile，可以对两个表同时执行同样的操作。

# 创建数据库
make createdb

# 创建、加载、建立索引
make setup

ISSUE

  • 使用国家统计局最新的2016年07月31日数据，部分区划信息已经过时，待后续补充修正。
  • 地理围栏，县级以上会有个别新增县没有数据。后续补充。
  • 港澳台地区数据有待补充，因为没有公开的省以下级别的官方行政区划代码。
  • 邮政编码与长途区号数据有待校对。

CONTRIBUTION

本项目欢迎贡献，区划数据类变更需要包括：民政部的公告链接，最好能以SQL形式给出变更内容。

PR可以直接在adcode/*.csv与fences/*.json中进行变更，能从commit log中清晰看出变更内容为宜，不要调整格式。

请注意，任何合并至master的PR，都需要确保数据一致性，包括：

  • 子行政区划的前缀永远与父行政区划保持一致，包括code, parent。
  • adcode表中子行政区的非规范化字段adcode, province, city, county, town需要同步修改。
  • 需要对fences表中进行同步变更，包括code, adcode变更，注意围栏的变更有可能导致虚拟父级行政区的围栏变更。
  • 任何变更都需要反映在commit log中，包括变更事项，变更时间，引用的公告等。

目前我会在有空时追赶民政部的进度，但这活实在无聊也无趣。

LICENSE

本作品采用知识共享署名 4.0 国际许可协议进行许可。