Hoe werkt geocoding onder de motorkap?

Wanneer je een adres invoert en binnen milliseconden de exacte coördinaten terugkrijgt, lijkt het bijna magie. Maar achter de schermen vindt een complex proces plaats. In dit artikel nemen we je mee door de technische werking van geocoding.

Het geocoding proces in 5 stappen

Elke geocoding request doorloopt de volgende stappen:

1. Parsing - Het adres wordt opgesplitst in componenten
2. Normalisatie - Variaties worden gestandaardiseerd
3. Matching - Componenten worden vergeleken met de database
4. Scoring - Matches krijgen een betrouwbaarheidsscore
5. Coördinaat lookup - De beste match levert coördinaten

Stap 1: Address Parsing

De eerste uitdaging is het correct splitsen van een vrije tekst adres in gestructureerde componenten. Neem dit voorbeeld:

"Kalverstraat 1A, 1012 NX Amsterdam"

De parser moet herkennen:

{
  "street": "Kalverstraat",
  "house_number": "1",
  "house_number_addition": "A",
  "postcode": "1012 NX",
  "city": "Amsterdam"
}

Uitdagingen bij parsing

Stap 2: Normalisatie

Na parsing worden alle componenten genormaliseerd naar een standaard formaat:

const normalize = (parsed) => {
  return {
    // Straat: lowercase, verwijder "straat"/"laan" variaties
    street: parsed.street
      .toLowerCase()
      .replace(/str\.?$/i, 'straat')
      .replace(/ln\.?$/i, 'laan'),

    // Postcode: geen spaties, uppercase
    postcode: parsed.postcode
      .replace(/\s/g, '')
      .toUpperCase(),

    // Stad: hoofdletter, verwijder "gemeente"
    city: parsed.city
      .replace(/^gemeente\s*/i, '')
      .toLowerCase()
      .replace(/^\w/, c => c.toUpperCase())
  };
};

Stap 3: Database Matching

De genormaliseerde componenten worden vergeleken met een adressendatabase. In Nederland is dit vaak de BAG (Basisregistratie Adressen en Gebouwen).

Matching strategieën

• Exacte match - Alle componenten komen exact overeen
• Fuzzy match - Kleine verschillen worden getolereerd (Levenshtein distance)
• Partial match - Sommige componenten matchen, andere ontbreken
• Phonetic match - Klanken worden vergeleken (Soundex/Metaphone)

const levenshteinDistance = (str1, str2) => {
  const matrix = [];

  for (let i = 0; i <= str1.length; i++) {
    matrix[i] = [i];
  }

  for (let j = 0; j <= str2.length; j++) {
    matrix[0][j] = j;
  }

  for (let i = 1; i <= str1.length; i++) {
    for (let j = 1; j <= str2.length; j++) {
      if (str1[i-1] === str2[j-1]) {
        matrix[i][j] = matrix[i-1][j-1];
      } else {
        matrix[i][j] = Math.min(
          matrix[i-1][j-1] + 1, // substitution
          matrix[i][j-1] + 1,   // insertion
          matrix[i-1][j] + 1    // deletion
        );
      }
    }
  }

  return matrix[str1.length][str2.length];
};

// "Amstterdam" vs "Amsterdam" = distance 1
const distance = levenshteinDistance('amstterdam', 'amsterdam');
const similarity = 1 - (distance / Math.max('amstterdam'.length, 'amsterdam'.length));
// similarity = 0.9 (90% match)

Stap 4: Confidence Scoring

Elke potentiële match krijgt een confidence score. Deze score is gebaseerd op meerdere factoren:

const calculateConfidence = (input, candidate) => {
  let score = 0;

  // Postcode (40%)
  if (input.postcode === candidate.postcode) {
    score += 0.4;
  }

  // Straatnaam (25%)
  const streetSimilarity = calculateSimilarity(
    input.street,
    candidate.street
  );
  score += streetSimilarity * 0.25;

  // Huisnummer (20%)
  if (input.house_number === candidate.house_number) {
    score += 0.15;
    if (input.addition === candidate.addition) {
      score += 0.05;
    }
  }

  // Stad (10%)
  if (normalizeCity(input.city) === normalizeCity(candidate.city)) {
    score += 0.1;
  }

  // Data kwaliteit bonus (5%)
  if (candidate.source === 'BAG' && candidate.updated_recently) {
    score += 0.05;
  }

  return score;
};

Stap 5: Coördinaat Bepaling

De beste match(es) leveren coördinaten. Hoe specifiek deze zijn hangt af van de match kwaliteit:

• Huisnummer niveau - Exacte locatie van het gebouw (meest nauwkeurig)
• Straat niveau - Centrum van de straat
• Postcode niveau - Centrum van het postcode gebied
• Stad niveau - Centrum van de stad (minst nauwkeurig)

Performance optimalisaties

Om geocoding snel te houden worden diverse optimalisaties toegepast:

• Spatial indexing - R-trees voor snelle geografische lookups
• In-memory caching - Veelvoorkomende adressen worden gecached
• Prefix trees (Tries) - Voor snel matchen van straatnamen
• Bloom filters - Snel uitsluiten van non-matches
• Sharding - Database verdeeld over regio's

Samenvatting

Geocoding is een complex proces dat parsing, normalisatie, fuzzy matching, scoring en ruimtelijke lookups combineert. Het resultaat - coördinaten binnen milliseconden - is het product van jarenlange optimalisatie en data engineering. Begrijpen hoe het werkt helpt je betere beslissingen te maken over hoe je geocoding in je applicatie implementeert.