Geocoding improvements.

scraping/geocoding-viviendas-turisticas-comunitat-valenciana.R

@@ -10,13 +10,27 @@ library(tidyverse)
 # Load Valencia's official street names from:
 # http://gobiernoabierto.valencia.es/va/dataset/?id=listado-de-calles
 calles_valencia = read.csv("data/original/vias-valencia.csv") %>%
-  mutate(codtipovia = sub("C/", "C", codtipovia)) %>%
   mutate(tipovia_es = codtipovia) %>%
-  mutate(tipovia_es = sub("PG", "PA", tipovia_es)) %>%
+  mutate(tipovia_es = sub("AV", "Avenida", tipovia_es)) %>%
+  mutate(tipovia_es = sub("C/", "Calle", tipovia_es)) %>%
+  mutate(tipovia_es = sub("PG", "Paseo", tipovia_es)) %>%
+  mutate(tipovia_ca = sub("PL", "Plaza", tipovia_ca)) %>%
+  mutate(tipovia_ca = sub("PTGE", "Pasaje", tipovia_ca)) %>%
   mutate(tipovia_ca = codtipovia) %>%
-  mutate(tipovia_ca = sub("C/", "Carrer de", tipovia_ca)) %>%
-  mutate(nombre_es = paste(tipovia_es, traducnooficial, sep = " ")) %>%
-  mutate(nombre_es = as.factor(nombre_es))
+  mutate(tipovia_ca = sub("AV", "Avinguda", tipovia_ca)) %>%
+  mutate(tipovia_ca = sub("C/", "Carrer", tipovia_ca)) %>%
+  mutate(tipovia_ca = sub("PG", "Passeig", tipovia_ca)) %>%
+  mutate(tipovia_ca = sub("PL", "Plaça", tipovia_ca)) %>%
+  mutate(tipovia_ca = sub("PTGE", "Passatge", tipovia_ca)) %>%
+  mutate(codtipovia = sub("C/", "C", codtipovia)) %>%
+  mutate(codtipovia = sub("CAMI", "CM", codtipovia)) %>%
+  mutate(codtipovia = sub("PG", "PA", codtipovia)) %>%
+  mutate(nombre_es = paste(codtipovia, traducnooficial, sep = " ")) %>%
+  mutate(nombre_es = as.factor(toupper(nombre_es))) %>%
+  mutate(nombre_es_full = paste(tipovia_es, traducnooficial, sep = " ")) %>%
+  mutate(nombre_es_full = as.factor(toupper(nombre_es_full))) %>%
+  mutate(nombre_ca_full = paste(tipovia_ca, nomoficial, sep = " ")) %>%
+  mutate(nombre_ca_full = as.factor(toupper(nombre_ca_full)))
 
 # Load dataset and manipulate addresses.
 df = read.csv("data/original/190302_viviendas-turisticas-comunidad-valenciana_valencia.csv") %>%
@@ -42,8 +56,20 @@ record.linkage.names = function(names,
 
 
 df = df %>%
+  mutate(nombre_es_raw = gsub("C LA REINA", "C REINA", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("C DE LA REINA", "C REINA", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("DR. WAKSMAN", "DOCTOR WAKSMAN", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("DR MONSERRAT", "MONSERRAT", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("GOS-GUSS", "GOS GUSS", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("L'ALGUER", "ALGUER", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("HIGINIO NOJA PROFESOR", "HIGINIO NOJA (PROFESOR)", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("C MARIANO BENLLIURE", "PL MARIANO BENLLIURE", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("LA SAFOR", "SAFOR", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("DELS XIPRERS", "XIPRERS", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("DR. J.J. DOMINE", "DOCTOR J.J. DOMINE", nombre_es_raw)) %>%
+  mutate(nombre_es_raw = gsub("FERNANDO ABRIL MARTO", "FERNANDO ABRIL MARTORELL", nombre_es_raw)) %>%
   mutate(nombre_es = record.linkage.names(nombre_es_raw)) %>%
-  left_join(calles_valencia)
+  left_join(calles_valencia, by = c("nombre_es" = "nombre_es"))
 
 # Geocoding with Photon ---------------------------------------------------
 
@@ -51,9 +77,10 @@ df = df %>%
 df2 = df %>%
   select(Signatura, Municipio, tipovia_ca, nomoficial, num) %>%
   mutate(full_address_ca = paste(tipovia_ca, nomoficial, num, Municipio,
-                                 sep = ", "))
+                                 sep = " ")) %>%
+  filter(!is.na(nomoficial))
 
-geocoded.df = photon::geocode(head(df2$full_address_ca), limit = 1,
+geocoded.df = photon::geocode(df2$full_address_ca, limit = 1,
                               # lang = "es",
                               key = "highway",
                               locbias = c(-0.3766, 39.4665))