Границы ZIP-кодов: ZCTA или USPS, когда что выигрывает
USPS теперь продает официальные границы ZIP-кодов, но ZIP никогда не были полигонами. Сравниваем ZCTA и данные USPS: что выбрать в геокодинге.

В вашем геокодинговом пайплайне есть тихий баг: адрес в новом микрорайоне геокодируется нормально, но попадает в зазор между двумя полигонами ZCTA и возвращает пустой регион. Дальше ваша модель стоимости доставки молча относит его не к тому рынку. Это повседневная реальность работы с границами ZIP-кодов, понятием, которое до недавнего времени официально не существовало вообще. USPS начала продавать официальные полигоны границ ZIP-кодов через портал PostalPro, и инженерное сообщество разделилось между восторгом и шоком от цены. Вот что на самом деле изменилось и как решить, какие данные о границах нужны вашему пайплайну.
Я многие годы строил пайплайны сопоставления и обогащения на данных американских адресов, и у меня твердое мнение: большинство команд считает ZIP-коды географией потому, что Бюро переписи сделало это удобным, а не потому что это правильно. Новый продукт USPS не меняет этого для всех, но наконец закрывает спор, который мы ведем уже десятилетия.
ZIP-коды никогда не были полигонами (и до сих пор ими не являются)
Фундаментальный факт, который ломает интуицию всех: ZIP-код — это атрибут маршрута доставки, а не участок земли. USPS создала ZIP-коды в 1963 году, чтобы правильная почта попадала в правильный грузовик. ZIP — это набор почтальонских маршрутов, привязанных к единице доставки: почтовому отделению, сортировочному центру, иногда одному зданию. Крупные получатели, такие как госучреждения и университеты, получают собственные ZIP-коды, которые покрывают один адрес. ZIP-коды только для абонентских ящиков покрывают стену ящиков внутри здания и ноль акров земли.
Это имеет последствия, которые полигонное мышление не способно учесть. Представьте, что застройщик возводит новый квартал на пустыре между двумя городами. Если бы ZIP-коды были полигонами, вы бы посмотрели, в какой полигон попадает участок, и это был бы ваш ZIP. Но в реальности USPS относит его к тому маршруту, который логичнее, и это может быть любой из городов или совершенно новый ZIP, выделенный из обоих. Граница не существует, пока не существует маршрут. Поэтому в документации USPS к новому продукту границ и указано временное колебание: границы сдвигаются по мере изменения распределения доставки, что на бюрократическом языке означает «маршруты постоянно меняются».
- ZIP-коды абонентских ящиков и уникальные ZIP не имеют сколько-нибудь значимой площади: они представляют здания, а не участки земли.
- Несвязные зоны обслуживания возникают, когда одна единица доставки обслуживает разрозненные группы адресов.
- Сельские разрывы — места, где USPS вообще не доставляет; адреса там назначаются непоследовательно, иногда сразу нескольким кандидатам-ZIP в разных базах данных.
- Постоянная текучесть — новое строительство, объединение маршрутов и закрытие почтовых отделений перестраивают лежащие в основе маршруты ежеквартально.
- ZIP+4 сужается до стороны квартала, но почти никто его не собирает и не хранит, поэтому на практике он редко помогает.
Сравните с Великобританией, где полный почтовый индекс (postcode) идентифицирует примерно десять адресов. Его изначально задумали так, чтобы выделять небольшую группу точек доставки, и его повсеместно собирают и используют. Пятизначный ZIP в США создавался для сортировки, а мы пятьдесят лет использовали его для географии, потому что это был единственный географический идентификатор, напечатанный на каждом адресе в стране.
ZCTA и границы USPS: что на самом деле представляет каждый набор данных
ZCTA: статистика в костюме ZIP-кода
ZIP Code Tabulation Areas — ответ Бюро переписи на проблему полигонов. Для каждой десятилетней переписи Бюро смотрит на каждый блок переписи, находит наиболее часто встречающийся ZIP среди адресов в блоке и объединяет блоки в ZCTA, названные по доминирующему ZIP. В результате получается бесплатный загружаемый shapefile, который покрывает всю страну без разрывов и наложений.
У этого подхода есть два свойства, которые очень важны в продакшене. Во-первых, ZCTA — это статистические области, созданные для согласованной агрегации данных переписи: каждая демографическая таблица, которую публикует Бюро на уровне ZIP, на самом деле построена на уровне ZCTA. Во-вторых, они теряют точность: правило «побеждает самый частый ZIP» означает, что адреса меньшинства внутри блока попадают в ZCTA, которая не совпадает с ZIP, который они бы написали на письме. В плотной городской застройке это погрешность округления. В сельской местности, с огромными блоками переписи и редкими маршрутами, ZCTA может отличаться на километры от того места, где на самом деле получают почту конкретные адреса.
Новые полигоны USPS: эталон истины, но за деньги
Продукт USPS построен с другой стороны: на основе реальных данных об адресах доставки и местоположениях, то есть той самой информации, которая управляет грузовиками. Это ближе всего к эталону ответа на вопрос «где USPS считает, что этот ZIP обслуживает?». Обновления выходят ежеквартально и отслеживают текучесть маршрутов, за которой ZCTA отстают. USPS продает его в трех уровнях: Internal, Enterprise (с ограниченным распространением среди дочерних компаний и партнеров) и Publication (ограниченные права на публикацию производных карт).
Претензии сообщества оказались тяжелыми: по сообщениям, цена начинается примерно с 10 000 долларов за самый нижний уровень. Возмущение понятно: карты покрытия FCC, федеральные границы земель и география переписи бесплатны, поэтому брать пять цифр за почтовую географию выглядит шагом назад. Структурная причина в том, что USPS — самоокупаемое агентство, которое живет в основном за счет почтовых сборов, а не бюджетных ассигнований Конгресса, поэтому она относится к данным как к продуктам. Хорошая ли это политика, предмет честной дискуссии; стоит ли же строить пайплайн вокруг лицензионной реальности, сомнений быть не должно.

Проектирование геокодинг-пайплайна для нечетких границ
Вот паттерн, к которому я пришел после того, как переписывал этот пайплайн больше одного раза: рассматривайте назначение ZIP как соединение в два прохода с явным бюджетом неоднозначности, а никак не как один point-in-polygon запрос. Первый проход — строгое вхождение; второй — ограниченный по расстоянию fallback по ближайшему соседу, который сам себя логирует, так что вы можете измерить, как часто ваши данные расходятся с географией. Это естественно сочетается с приемами пространственной индексации из нашего сравнения geohash и пространственного индекса: проход fallback как раз та нагрузка, которую R-дерево делает дешевой.
import geopandas as gpd
# ZCTA boundaries from the Census TIGER/Line shapefiles (free)
zcta = gpd.read_file("tl_2024_us_zcta520.shp")
# Project to a meter-based CRS so distances are meaningful
zcta = zcta.to_crs("EPSG:5070")[["ZCTA5CE20", "geometry"]]
points = gpd.GeoDataFrame(
addresses,
geometry=gpd.points_from_xy(addresses.lon, addresses.lat),
crs="EPSG:4326",
).to_crs("EPSG:5070")
# Pass 1: strict point-in-polygon
matched = gpd.sjoin(points, zcta, how="left", predicate="within")
# Pass 2: unmatched points get the nearest ZCTA, capped at 5 km,
# flagged so downstream consumers know this was an inference
unmatched = matched[matched["ZCTA5CE20"].isna()]
if len(unmatched):
nearest = gpd.sjoin_nearest(
unmatched.drop(columns=["ZCTA5CE20", "index_right"]),
zcta,
how="left",
max_distance=5_000, # meters, because we projected first
distance_col="fallback_dist_m",
)
matched.loc[nearest.index, "ZCTA5CE20"] = nearest["ZCTA5CE20"]
matched.loc[nearest.index, "zip_inferred"] = True
matched["zip_inferred"] = matched["zip_inferred"].fillna(False)
Три детали в этом фрагменте спасают от реальных продакшен-проблем. Перепроецируйте в CRS с метрами до вызова sjoin_nearest: передача max_distance в градусах — классическая ошибка, которая молча означает разные расстояния на разных широтах. Ограничьте расстояние fallback: адрес в 40 км от ближайшего края ZCTA не «внутри» этой ZCTA, а в дыре в данных, и лучше получить null с флагом, чем уверенную ложь. И сохраняйте флаг zip_inferred в хранилище. Когда стейкхолдер спросит, почему оценки доставки за третий квартал уплыли в Монтане, этот флаг станет разницей между ответом за десять минут и двухнедельной археологией.
Операционная гигиена важнее логики соединения. Фиксируйте версию слоя границ в конфиге пайплайна и записывайте ее колонкой в выходные строки: когда вы меняете версию ZCTA или переходите на слой USPS, нужно знать, какая граница породила каждую историческую запись. Планируйте повторную загрузку под частоту обновлений источника (примерно раз в год для ZCTA, ежеквартально для USPS) и добавьте шаг валидации, который сравнивает количество строк и общую площадь между версиями; файлы границ чаще, чем хотелось бы, приносят сюрпризы с качеством данных. Если вам нравится такой вид масштабной пространственной инфраструктуры, наш текст о превращении целой страны в воксели описывает те же уроки в гораздо большем масштабе.
Null с флагом лучше уверенной лжи. Самый опасный ZIP-код в вашей базе — тот, который выглядит правильным, но им не является.
Когда какой источник границ ZIP-кодов выигрывает
Сравнение не будет близким, если разделить сценарии по тому, на какой вопрос они отвечают. «На какой ZIP приходит почта по этому адресу?» и «к какой статистической области принадлежит эта точка?» звучат одинаково, но это не одно и то же.
- ZCTA выигрывают в аналитике и демографических соединениях. Если вы обогащаете записи данными переписи (медианный доход, плотность населения, жилищная статистика), ZCTA — это не просто бесплатный вариант, а правильный вариант, потому что таблицы переписи, которые вы соединяете, опубликованы на уровне ZCTA.
- ZCTA выигрывают в визуализации. Хороплеты, карты рынков и дашборды требуют бесшовного покрытия всей страны. Слой границ с дырами там, где никто не получает почту, выглядит для стейкхолдера сломанным, даже если он точен.
- Полигоны USPS выигрывают в логистике и доставке. Тарифные зоны перевозчиков, маршрутизация последней мили, проверка права на обслуживание: все, где бизнес-вопрос звучит буквально как «что USPS сделает с этим адресом?», заслуживает данных, построенных по реальным записям доставки.
- Полигоны USPS выигрывают, когда важно новое строительство. Ежеквартальные обновления отслеживают текучесть маршрутов, из-за которой ZCTA устаревают на годы. Если ваши клиенты строят в быстрорастущих пригородах, одно это может оправдать лицензию.
- Ни один из вариантов не выигрывает, когда у вас есть координаты. Если ваш сценарий звучит как «что находится рядом с этой точкой», пропустите ZIP-коды полностью и делайте настоящие геопространственные запросы по широте и долготе. Близость по ZIP — это протекающая абстракция.
Стоит назвать и третий лагерь: коммерческие поставщики границ уже годами продают курированные полигоны ZIP, часто с историей во времени и таблицами соответствия другим географиям. Продукт USPS подрывает их претензию на эталонность, но не обязательно их удобство. Если вы уже лицензируете один из таких наборов, вопрос в том, стоит ли происхождение USPS из записей доставки миграции. Для большинства аналитических нагрузок не стоит.

Вопрос лицензирования — тупик: проектируйте в обход него
Многие умные люди спрашивали, может ли запрос по FOIA освободить эти данные или может ли краудфандинговая кампания купить одну лицензию и опубликовать полигоны. Я бы поставил против обоих. Уровни лицензирования существуют именно для контроля перераспространения, и схема «купить один раз, публиковать бесплатно» прямо сталкивается с назначением уровня Publication. Даже если бы это сработало, у вас был бы снимок набора данных, ценность которого в ежеквартальной свежести; статичная копия стареет в обузу по мере изменения маршрутов.
Прагматичный шаг — архитектура со сменным слоем границ. Оставьте логику соединения, поведение fallback и метаданные версионирования неизменными, а источник полигонов рассматривайте как конфигурацию. Тогда переход с ZCTA на USPS становится решением о бюджете, которое можно принимать для каждого продуктового направления, а не проектом миграции. Я видел команды, которые так глубоко зашивали допущения о ZCTA (имена таблиц, ключи соединения, фильтры дашборда), что смена источника стоила бы дороже лицензии, от которой они пытались избавиться.
Моя рекомендация: по умолчанию ZCTA, а USPS покупать там, где это окупается
Вот правило решения, которое я бы дал любой команде сегодня. По умолчанию берите ZCTA: они бесплатны, покрывают страну, совпадают с каждой таблицей переписи, которую вы когда-либо будете соединять, и для аналитики это канонический выбор, а не компромисс. Добавьте двухпроходное соединение с ограниченным по расстоянию самологирующимся fallback, чтобы швы были видны, а не скрыты.
Покупайте полигоны USPS только тогда, когда бизнес-вопрос касается самой почтовой доставки (моделирования стоимости отправки, маршрутизации перевозчиков, проверки права на обслуживание), и сначала посчитайте ценность. Измерьте, какая доля ваших адресов попадает в зоны расхождения ZCTA и USPS. По моему опыту, это низкие единицы процентов по стране, но сконцентрировано это именно в быстрорастущих и сельских районах, где ошибки стоят дороже всего. Если эта доля влияет на заметную выручку или риски, лицензия окупается; если нет, вы покупаете точность, которую ваш продукт не почувствует.
И что бы вы ни выбрали, перестаньте делать вид, что ZIP-коды — это география. Это маршруты доставки в костюме полигона, и новые официальные границы этого не меняют, а лишь делают костюм лучше сидящим. Постройте пайплайн, который терпит швы и логирует места, где карта и почта расходятся, и вы окажетесь впереди большей части индустрии, которая по-прежнему делает голые point-in-polygon запросы и гадает, откуда берутся null.

