历史地理编码助理：GIS软件应用于数字人文学研究的空间参考数据集的开发与应用

软件X 14（2021）100682原始软件出版物历史地理编码助理Adam Mertela，Mr.，David Zbírala，Zdenalik Stachoregonb，Hana Hojínkováa捷克布尔诺马萨里克大学宗教数字研究中心b捷克共和国布尔诺马萨里克大学地理系ar t i cl e i nf o文章历史记录：收到2020年2021年2月21日收到修订版，2021年关 键 词 ：地 理 编 码GIS历史数据基于web的应用程序a b st ra ct地理信息系统（GIS）和地理分析在不同领域的数字人文科学的日益增长的使用突出了地理编码的需要，即分配地理坐标的数据集中的记录。这种空间参考数据集是任何空间分析和可视化的先决条件。虽然GIS一般是软件开发的一个动态发展的分支，但需要专门的应用程序来帮助研究人员对历史，考古学和数字人文学中的数据集进行地理编码。因此，我们开发了版权所有2021作者。由爱思唯尔公司出版这是CC BY-NC-ND下的开放获取文章许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。代码元数据当前代码版本v 1.4.2用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-20-00085Code Ocean计算舱法律代码许可证MIT使用git的代码版本控制系统使用的软件代码语言、工具和服务JavaScript、Webpack、React、Leaflet.js编译要求、操作环境依赖性webpack、npm链接到开发人员文档/手册github.com/adammertel/historical-geocoding-assistant/tree/master/manual问题支持电子邮件mertel. gmail.com软件元数据当前软件版本1.4.2此版本可执行文件的永久链接http://dissinet.cz/apps/hga法律软件许可证MIT基于网络的计算平台/操作系统安装要求依赖项Node.js（deploy）用户手册链接github.com/adammertel/historical-geocoding-assistant/tree/master/manual问题支持电子邮件mertel. gmail.com1. 动机和意义在过去的几十年里，利用地理信息系统（GIS）的方法在各个科学领域获得了其中一个领域是历史学，*通讯作者。电子邮件地址：mertel. gmail.com（Adam Mertel）。https://doi.org/10.1016/j.softx.2021.100682应用GIS方法（例如，空间分析、地图可视化）正在稳步增长，通常都在“数字人文”的概念下应用地理信息系统方法的一个先决条件当然是尽管历史地理信息系统[1这就强调了历史研究中的地理定位过程，即：根据某些参考数据中的位置标识提供地理坐标[4]。在历史研究中，地理编码精度和位置识别的一般问题变得更加复杂2352-7110/©2021作者。由爱思唯尔公司出版。这是一篇开放获取的文章，使用CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxAdam Mertel，David Zbíral，ZdenalikStachoregon等人软件X 14（2021）1006822由于诸如拼写变体、地名随时间的变化以及历史来源的各种复杂性等问题，特别是对于可靠来源覆盖较少的时期和主题，可用的数据往往是模糊的，不完整的，难以交叉验证。由于这些特殊性，帮助历史地理编码的理想解决方案应该满足几个条件。这些条件中的第一个是辅助软件工具应该集成几个通用的以及区域/时间/主题特定的地理编码器和资源。Geocoders [5]是一种工具，它可以获取识别特定地点的文本字符串，将其发送到处理算法，并根据其与输入的相似性对参考数据库中的每个记录进行排名。最佳匹配然后以地理坐标的形式提出输出[6]。除了地理编码器之外，地理编码还经常使用地名录，即地理名称的地理空间词典，涉及一个地理标识符系统[7]。地名录通常不提供自己生成坐标的功能，而是作为先前地理编码位置的存储[6]。通过这种方式，地理编码的过程变得更快，更有效和标准化，其结果由于唯一标识符而更具互操作性。在历史地理编码中，应谨慎使用保存当代地点记录的地名录，并尽可能使用历史地名录。然而，尽管历史地名词典的发展取得了最新进展，如昂宿星团[9，10]和世界历史地名词典[11]，但数据库的空间、时间或主题范围或其完整性往往存在局限性。因此，纳入更多地名录可以提高地理编码进程的效率，[12]并减轻历史研究中更常见的错误输入的负面影响。另一个相关策略是使用地理参考历史地图[13]，帮助研究人员导航到并在空间历史背景中选择正确的位置其次，历史地理编码辅助软件应采用一个最佳的策略，手动顺序与自动批量地理编码。前一种方法意味着地理编码器一次处理一个输入（例如，用GoogleMaps逐个定位地点），而在后者中地理编码器一次处理所有记录的列表（例如，使用GeoNames API的脚本）[5]。手动顺序地理编码允许与输出交互，但在较大数据集的情况下非常耗时相比之下，自动批处理非常快，但用户不能完全控制输出，这可能导致更高的错误率。在处理历史数据时，准确性甚至更低，因为往往没有足够的信息来确定某一特定地点，并使其与相关地名录中的记录相匹配因此，最好采取辅助手动地理编码的中间立场。这种策略意味着地理编码器会自动为给定数据集中的位置名称提供最佳选项，但用户可以通过直观的、以地图为中心的可视化界面完全控制整个过程最后但并非最不重要的是，一个工具，协助历史地理编码应该是高度可定制的。历史研究在研究数据的形式、所使用的资源以及符合上述要求。因此，我们决定开发一个新的应用程序，2. 软件描述Historical Geocoding Assistant是一个开源的基于Web的客户端软件，专门用于帮助对空间历史数据集进行地理编码。整个代码放在GitHub上，最新版本也部署在dissinet.czserver. 1HGA是用JavaScript编写的，并与webpack2和babel一起编译和捆绑。3交互式界面组件在React中创建，4并使用Bulma5和Sass进行样式化。6MobX library7用于处理全局应用程序状态管理。该地图构建在Leaflet.js8和React Leaflet9库中。应用程序完全是客户端的，因此它不需要自己的服务器运行。然而，它广泛使用外部服务，例如用于建议本地化的地名录，用于外部搜索的搜索服务，用于通信的GoogleSheet API10与数据集和地图服务（WMTS，WMS）进行交互，以访问外部地图图层。因此，HGA需要持续的互联网连接和访问Google用户帐户才能实现其全部功能（见图1）。① 的人。HGA实现了广泛的功能，解决了历史研究中的地理编码实践。关键优势HGA与替代解决方案的比较如下：HGA很容易访问-它是基于Web的，不需要安装任何额外的软件数据集存储为Google Sheets表;因此，用户可以完全访问版本历史和权限管理，并且所有编辑都会自动在线保存。由于这个基于云的解决方案，更多的编辑器可以并行处理数据集。HGA具有交互式可视界面，可增强辅助地理编码策略的可用性和有效性- 在没有任何用户控制的全自动方法和耗时的手动方法之间的中间地带。该应用程序的界面是完全图形化的，以地图为中心，允许用户以视觉方式验证输入，比较来自不同服务的各种记录，并轻松浏览数据集（见图1）。 2）的情况。HGA主张整合现有的外部服务，以协助用户在地理编码过程中。地名录（地名，维基百科，盖蒂TGN，昴宿星，和中国历史地名录）自动返回的基础上的位置名称和给定的地理边界的选择记录然后，这些建议将除了地名录中的自动搜索之外，用户还可以使用各种集成搜索引擎（例如，Google）手动搜索任何位置名称。时间范围和空间范围。 这突出表明定制的重要性，这不仅确保了更高的速度和准确性，而且通常还确保了应用程序的直接有用性。例如，研究特定时间和特定区域主题的历史学家关闭所有不相关的地名录，仅显示属于其感兴趣领域的建议。有几个辅助地理编码的工具，其中一些甚至有一个历史的重点。最直接的选择包括DARIAH-DE Geo-Browser [14，15]，Histograph [16]，MMQGIS [17]（QGIS扩展）和Hipla [18]。然而，他们中没有一个人完全1 http://dissinet.cz/apps/hga/网站。2 https://webpack.js.org/网站。3 https://babeljs.io/网站。4 https://reactjs.org/网站。5 https://bulma.io/网站。6 https://sass-lang.com/网站。7 https://mobx.js.org/README.html网站。8 https://leafletjs.com/网站。9 https://react-leaflet.js.org/网站。10 https://developers.google.com/sheets/api/reference/rest网站。···Adam Mertel，David Zbíral，ZdenalikStachoregon等人软件X 14（2021）1006823Fig. 1. HGA应用程序的布局。HGA是高度可定制的-用户可以在应用程序界面中设置各种选项，例如名称保留栏目、建议的地理范围和地图的内容。设置应用程序的第二种方法是编辑JSON配置文件，以控制地图图层、全局设置和对Google Drive API的访问。此外，该应用程序的代码是开源的，因此任何人都可以扩展其功能并部署自己的软件版本。HGA 专 注 于 历 史 研 究 - 我 们 整 合 了 各 种 相 关 服 务 ， 如Pleiades [9，10]，Getty Thesaurus of Geographic Names[19，20]和维基百科。该应用程序还提出了一个可定制的系统的确定性水平，允许用户分类的精确度的地理编码的地方（见图。5）。这个系统是专门为历史项目而创建和测试的。未来的开发计划是不断添加新的相关服务，将其API的新参数集成到UI，并支持线和多边形拓扑的地理编码的地方。一个完整的发展议程与列表已经集成的服务和功能可以在应用程序的手册中找到113. 示例：对早期基督教洗礼堂进行HGA在几个项目中进行了测试，其中涉及历史数据集，并且在进行研究之前必须将地理坐标值分配给位置其中一个项目包括转换和分析最广泛的和最新的印刷目录古代和中世纪基督教baptisteries编制塞巴斯蒂安里斯托[21]。11 https://github.com/adammertel/historical-geocoding-assistant/tree/master/手册。里斯托的目录以人类可读的部分结构化形式呈现，但机器可读性较低。因此，我们需要执行几个数据转换步骤，以便对所有记录进行地理编码。我们将印刷版的信息标准化并手动转移到预先结构化的该表包括HGA预期的六个强制性列（位置名称、一对坐标值、注释、确定性水平和编辑器）和五十多个涉及建筑物类型、描述和历史的附加列（见图10）。 3）。然后将带有位置名称的电子表格加载到HGA中。我们成功地地理编码了1038的1067洗礼堂所涵盖的目录。只有4%的记录是通过从外部资源复制粘贴坐标来进行地理编码的。对于其余的96%，地理编码完全在HGA界面中执行，或者通过确认地名录的建议，或者通过使用应用程序中提供的地图或其他工具。每当我们存储一对坐标时，我们也选择了适当的定位确定性水平（图11）。5）。在HGA中划定感兴趣区域减少了人为错误由于HGA中的地图导航很容易，还可以直观地发现其他错误。在HGA的帮助下，我们成功地对基督教洗礼堂的特定历史数据集进行了地理编码。该数据集现已可供下载和分析12;基于该数据集的一个结果是所有地理编码的洗礼堂的交互式地图（图14）。 4）.4. 影响HGA最重要的影响是它如何帮助用户的日常实践。这一应用使得历史、考古和数字人文领域的地理编码更加高效12 https://religionistika.phil.muni.cz/cedrr/publications网站。··Adam Mertel，David Zbíral，ZdenalikStachoregon等人软件X 14（2021）1006824图二、 显示地 名 “ Ar a g o n ” 的 候选位置的 建 议 服 务 。图三. C h r i s t i a n B a p t i s t e r i e s 的Google Sheets数据集截 图 。并且与从诸如Google地图、GeoNames和Wikipedia的服务的界面手动复制-粘贴坐标相比是方便的。此外，HGA有助于减少地理编码数据集中的错误比例这要归功于一个面向地图的界面、相关基础地图和覆盖层的即时可用性以及地图本身中最相关地名录的建议的显示;没有必要在不同的环境中相互检查更多的信息来源。除了辅助历史地理编码的主要功能外，HGA界面还可以作为探索性分析或地理浏览的工具[22]，从而可以解决主要与现象的空间分布相关的研究问题。这些问题最终可以通过地质统计学和其他分析方法使用更复杂的GIS软件来回答。尽管如此，HGA确实提供了一个促进初步视觉探索的环境。 因此，对于通常不使用GIS且需要在特定区域地图Adam Mertel，David Zbíral，ZdenalikStachoregon等人软件X 14（2021）1006825见图4。 显示HGA中地理编码的输出数据集的交互式Baptisteries地图的屏幕截图（https://dissinet.cz/maps/baptisteries/）。图五、 HGA工作流程模式-从在 Go o g l e Sh e e t s 中 准备数据集到在HGA环境中进行地理编码。或者将它们与集成在应用中的覆盖层相结合。地理编码结果的即时可视化还增强了在数据收集期间对假设的探索和完善。可视化探索性分析更加重要，因为典型的HGA用户并不期望在地理信息系统的使用方面具有很强的能力为了评估HGA地理编码与手动顺序地理编码的速度和准确性，我们设计了一个用户测试。我们从Baptis- teries数据集创建了两个数据集，每个数据集有10个位置（见上文）。我们参与了一个由12名历史和宗教研究人员和学生组成的小组，并将他们分为两组，每组6名成员。测试开始于HGA应用程序和手动地理编码的简短教程。使用HGA的第一组地理编码数据集1和手动数据集2而第二组用HGA和数据集1手动地理编码数据集2。我们记录了每个地理编码的时间为了评价测试结果，我们使用了几个交叉验证的参考数据，即可靠的数据，用于评估测试结果的精密度。从测试中收集的所有240个地理编码记录（2种方法，12个用户和10 + 10个唯一位置）根据与参考数据集的差异• 小于2公里=0分;• 2 - 10公里=0-1分;• 超过10公里=1分我们选择的阈值为2和10公里的基础上， 主题、空间粒度和数据集的规模。然后，我们计算了两个平均得分的不准确性为每20Adam Mertel，David Zbíral，ZdenalikStachoregon等人软件X 14（2021）1006826见图6。HGA地理编码与手动方法在20个测试位置的性能比较的可视化。蓝色圆圈表示手动地理编码的记录，粉色圆圈表示HGA中地理编码的记录;较小的圆圈表示单个地理编码记录，较大的圆圈是每种方法的中值。y轴显示不准确性分数;位于顶部的圆的地理编码不正确（分数1），位于底部的圆的地理编码在2 km限制内（分数0）。x轴（对数刻度）表示对每条记录进行地理编码所需的时间（秒）;只有10 km限制（分数小于1）的记录才包括在中位数时间计算中（有关本图例中颜色的解释，请参阅本文的网络版本唯一的位置基于个人的分数，第一个平均值表示使用HGA获得的分数，其他代表通过手动方法获得的分数。为了估计HGA方法的速度与手动方法的速度相比，我们以合理的准确度（即不准确度分数小于1）过滤了每个地理编码记录的时间值，并计算了20个位置中每个位置的中值。所有地理编码记录和位置如图所示。 六、虽然这个测试提供了一个说明而不是一个严格的证明，但它揭示了一些非常有趣的事实（除了作为一个收集用户反馈和功能请求的平台）。所有位置的中位时间值显示，HGA将地理编码过程从121.5秒加快到92秒，而不准确性分数从0.11提高到0.04。然而，在我们的测试数据集中，有3个地点使用HGA与速度和准确性下降相关（Wadi es-Sebua，Bare和Achladeri）。根据我们测试人员的表现，我们可以将这些位置定义为难以本地化。由于与所有历史数据集相比，这些困难的位置在测试数据集中似乎过多，因此，经过分析，我们预计，标准的历史研究可能会更好。此外，用户在反馈中提到，使用HGA时，他们对坐标更有把握，因为他们能够立即在地图上看到地理编码记录他们认为HGA辅助形式的地理编码是一种更方便的方法，如果有机会在应用程序环境中工作更长时间，他们预计其性能将进一步提高。5. 结论地理编码在历史研究中的实践涉及到几个具体问题。一种类型的问题是与性质有关的历史来源的不确定性，如地名的变异、不同定居点共有的模糊名称（其中一些已被废弃，在现代地图上消失）以及其他类型的不确定性另一种类型的问题，也是我们在本文中主要关注的问题，是帮助历史地理编码的环境的可用性。使用现代交互式地图应用程序、现代地名词典和侧重于当代情况的底图，往往会减慢对历史数据集进行地理编码的进程，Adam Mertel，David Zbíral，ZdenalikStachoregon等人软件X 14（2021）1006827定位不成功率甚至错误率。这是一个严重的问题，因为即使是很低比例的误差也会导致后续空间分析的显著失真[23]。因此，我们试图通过开发历史地理编码助手来满足历史地理编码的典型需求。历史地理编码助手是一个在线开源应用程序，采用辅助地理编码策略（手动顺序和自动批处理策略之间的折衷），集成相关地名索引和其他搜索服务，并提供额外的功能，在交互式和面向地图的环境中为用户提供最佳地理编码建议。我们的用户测试表明，这种策略可能有助于提高地理编码历史数据的效率，并减轻历史数据集典型的有问题的输入的影响。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作确认本 文 所 介 绍 的 研 究 是 “ 异 议 网 络 项 目 ” （ DISSINET ，www.example.com）的一部分https://dissinet.cz我们感谢两位匿名评论者的宝贵建议，这些建议帮助我们改进了这篇文章。引用[1] Knowles AK，Hillier A，编辑。放置历史：地图，空间数据和GIS如何改变历史学术。Redlands：ESRI Press; 2008，http：//dx.doi.org/10.1111/j.1541-0064.2009.00306_2.x 网 站 ，OCLC ：ocn173182818.[2] Gregory I，Ell PS.历史地理信息系统：技术、方法论与学术。剑桥历史地理 学 研 究 ， 第 39 号 ， 剑 桥 ; 纽 约 ： 剑 桥 大 学 出 版 社 ; 2007 年 ，http://dx.doi.org/10.1017/CBO 9780511493645。[3] Gregory I ， Debats DA ， Lafreniere D ， editors. 空 间 历 史 的 知 识 伙 伴 。London;NewYork：Schoolledge;2018，http://dx.doi.org/10.4324/9781315099781。[4]PA.地理编码质量和对空间分析的影响。Geograph Compass 2009;3（2）：647-80. http://dx.doi.org/10.1111/j.1749-8198的网站。2008.00205.x。[5] 李文辉，李文辉，李文辉.地理编码推荐器：一种为应用程序推荐最佳在线地理编码服务的算法。TransGIS2011;15（6 ）.http://dx.doi.org/10.1111/j.1467-9671.2011的网站。01293.x。[6]Goldberg DW，Wilson JP，Knoblock CA.从文本到地理坐标：地理编码的当前状态。URISA J2007;19（1）：33-46.[7]希尔湖数字地名词典的核心要素：地名、类别和足迹。第四届欧洲数字图书馆研究与先进技术会议论文集。Berlin; Heidelberg：Springer;2000，p. 280-90.[8] Reba M，Reitsma F，Seto KC.从公元前3700年到公元2000年，全球城市化的 6,000 年 Sci Data 2016;3. http://dx.doi.org/10.1038/sdata 的 网 站 。2016.34。[9]Elliott T，Gillies S. Pleiades：古代地理学的un-GIS。2008年，https://pleiades.stoa.org/docs/papers-and-presentations/pleiades-poster-dh2011.pdf。[10]作者声明：R.昂宿星网址https://pleiades.stoa.org/。[11]ManningP ， MosternR. 世 界 历 史 地 名 词 典 。 2015 年 ，URLwhgazetteer.org/。[12]放大图片作者：J.历史地名录系统集成：CHGIS，regnum francorum和地名。In：Berman ML，Mostern R，Southall H，editors.地名：丰富和整合地名录。 Bloomington; Indianapolis：Indiana University Press; 2012，p. 110-25[13][10]杨文军，杨文军.历史协作地理编码。ISPRS Int J Geo-Inf 2018;7（7）：262. http://dx.doi的网站。org/10.3390/ijgi7070262。[14]Funk SE ，Veentjer U.达里 亚-德 ·乔布 罗泽 。网 址 https://geobrowser.de。dariah.eu/网站。[15] 科拉茨河使用地理浏览器和电子表格编辑器进行空间时间分析。BiblForsch Prax 2016;40 （ 2 ） ： 229-33. http://dx.doi.org/10.1515/bfp-2016-0032网站。[16]组织图。网址http://histograph.io/。[17]明恩·M MMQGIS。网址http://michaelminn.com/linux/mmqgis/。[18]Ikkala E，Hyvönen E，Tuominen J.地理编码，出版，并在链接数据应用程序中使用历史地点和旧地图。In：Mäkelä E，Tolonen M，Tuominen J，editors.CEUR研讨会论文集，第2084卷; 2018年。p. 1比6[19]盖蒂地名辞典。网址：http://www.getty.edu/research/tools/vocabularies/tgn/index.html。[20] Cobb J.《链接开放数据之旅：盖蒂词汇表》。J Libr Metadata 2015;15（3-4）：142-56. http://dx.doi.org/10.1080/19386389.2015的网站。1103081[21]RistowS.FrühlicheBaptisterien.Münster ： AschendorffscheVerlags-buchhandlung;1998.[22]Peuquet DJ，Kraak MJ. Geobrowsing：使用地理可视化的创造性思维和知识发现。Inf Vis 2002;1（1）：80网址：//dx.doi.org/10.1057/palgrave.ivs.9500007网站。[23]Zandbergen PA，Hart TC，Lenzer KE，Camponovo ME。错误传播模型，以 检 查 地 理 编码 质 量 对 个 体 级 数 据 集空 间 分 析 的 影 响 。 Spat Spat-TempEpidemiol 2012;3（1）：69-82。http://dx.doi.org/10.1016/j.sste.2012.02.007网站。