Logradouro Com Numeração Irregular

Como lidar com logradouros que não seguem sequência lógica

Eu passei três dias tentando corrigir um lote de 4.200 endereços porque o sistema de geocodificação rejeitava qualquer rua onde os números dos imóveis não aumentavam de forma previsível. A maioria dos consultores vai te vender uma solução de limpeza de dados genérica. O problema real é muito mais específico. logradouro com numeração irregular é simplesmente o que acontece quando a numeração oficial de um endereço não obedece ao padrão sequencial esperado por softwares de higienização ou plataformas de entrega. Pode ser números invertidos no lado esquerdo e direito da via, lacunas enormes entre um número e outro, ou até mesmo duplicidade de numeração em lotes que foram subdivididos sem atualização cadastral.

O que caracteriza um logradouro com numeração irregular

A numeração irregular se manifesta de algumas formas recorrentes. Números que alternam de lado da via sem seguir par/ímpar. Sequências como 10, 14, 18, 200, 202 que indicam loteamento antigo com subdivisões não registradas. Ruas onde o número do imóvel é mayor que o tamanho esperado do quarteirão. E casos particularmente chatos onde o endereço existe no registro postal mas não corresponde a nenhuma coordenada geográfica confiável. O problema é que a maioria das ferramentas de validação de endereços no mercado brasileira foi desenhada pensando em lógica linear. Elas assumem que se o número 500 está na rua tal, o número 502 deve estar fisicamente próximo. Quando isso não ocorre, o motor de geoprocessamento marca o registro como erro ou, pior, aloca em coordenadas erradas e você nem percebe.

Abordagem prática de tratamento

A primeira coisa que eu faço antes de qualquer script de normalização é extrair todos os endereços do logradouro em questão e plotar os números em sequência no mapa. Isso leva cerca de 10 minutos com uma consulta simples ao banco de dados e uma visualização rápida. Você consegue identificar padrões visuais de irregularidade que nenhum algoritmo genérico detecta. Depois disso, o tratamento divide em três camadas. Camada um: normalização de formato, removendo abreviações inconsistentes, tratando CEPs duplicados e padronizando denominações de via. Camada dois: reconciliação numérica, onde você cruza a numeração registrada com dados de outras fontes como IBGE, OpenStreetMap e registros de prefeituras. Camada três: validação heurística, aplicando regras específicas para cada tipo de irregularidade identificada. O que pouca gente explica é que você nunca vai resolver 100% dos casos automaticamente. Eu costumava estimar entre 85 e 92% de resolução automática dependendo da qualidade inicial dos dados. O resto precisa de intervenção manual ou documentação do caso como exceção.

Um caso específico que encontrei na prática

Trabalhei num projeto para uma operadora logística que mapeava rotas de entrega em uma região metropolitana. Tínhamos cerca de 600 endereços em um município do interior de São Paulo que o sistema marcava como impossíveis de geocodificar. A rua se chamava Avenida Brasil e os números iam de 1 a 2.847, mas havia apenas 312 pontos de entrega válidos no raio de dois quilômetros. O problema era que a numeração oficial havia sido atualizada pela prefeitura há dez anos com um novo projeto de ordenação urbana, mas os cadastros comerciais e os CEPs ainda usavam a numeração antiga. O que acontecia é que o número 1.500 no cadastro comercial era na verdade o número 287 na nova numeração oficial. Não existia bug no sistema. Era uma divergência entre bases legais que ninguém havia comunicado. A solução que funcionou foi cruzar as coordendas dadas pelos CEPs antigos com os pontos conhecidos da nova numeração usando sobreposição espacial. Criei uma tabela de mapeamento 1:1 entre numeração antiga e nova com base nos pontos que tinham coordenadas confiáveis em ambas as bases. O processo levou duas semanas porque precisei validar manualmente cerca de 40 casos limítrofes onde a correspondência não era óbvia. Depois disso, o script de conversão automático resolveu o restante em cerca de 15 minutos.

O link para a planilha modelo que uso como base para esse mapeamento está disponível no repositório do projeto. Ela contém as colunas essenciais: endereço completo original, CEP, nova numeração quando identificada, coordenadas geográficas de confiança e fonte de Cadastralização.

Pegadinhas que quem é novo no assunto ignora

Um erro comum é confiar exclusivamente na validação pelo CEP. CEP por si só não valida numeração. Dois imóveis distintos podem compartilhar o mesmo CEP em condomínios ou grandes lotes. Além disso, CEPs de faixa muitas vezes cobrem áreas inteiras e não endereços pontuais, o que dá uma falsa sensação de precisão quando você vê o status de validação como ok. Outro ponto que causa perda de tempo significativa é a suposição de que numeração ímpar e par sempre ficam em lados opostos da via. Em ruas históricas de centros urbanos, em loteamentos irregulares e em propriedades rurais com acesso por estradas de serviço, essa regra simplesmente não se aplica. Já vi numeração par do mesmo lado em ruas que tiveram traçado original modificado após expansão urbana. A terceira armadilha é achar que dados abertos do governo são suficientes para correção completa. Dados do IBGE têm precisão administrativa mas baixa precisão pontual. OpenStreetMap é útil como referência mas a cobertura em cidades menores do interior é esporádica e não raro desatualizada. Prefeituras disponibilizam mapas de numeração em formatos que variam enormemente entre municípios, e muitos não disponibilizam dado estruturado de forma alguma.

Limitações reais do tratamento automatizado

Vou ser direto sobre o que não funciona. Ferramentas de match fuzzy por string de endereço falham constantemente em logradouros com numeração irregular porque a similaridade textual não captura a relação espacial real. Você pode ter dois endereços com strings idênticas que estão em lugares completamente diferentes devido a renumeração parcial da via. Também não adianta insistir em algoritmos de interpolação de numeração ao longo de segmentos vetoriais quando a numeração não é linear. Interpolação funciona bem em avenidas planejadas com numeração sequencial. Em ruas com numeração irregular, ela gera coordenadas que parecem plausíveis mas estão geograficamente incorretas, o que é pior do que simplesmente marcar como não geocodificado. Se o seu volume de endereços irregulares for baixo, digamos menos de 500 registros, o custo-benefício de automação é duvidoso. Um analista treinado consegue resolver manualmente na maioria dos casos em menos tempo do que configurar, testar e manter um pipeline de tratamento automatizado. A automação faz sentido a partir de milhares de registros com taxa de sucesso inferior a 80 por cento após normalização básica.

Alternativas quando a automação não basta

Quando o tratamento puramente computacional atinge um platô, as opções que realmente funcionam são coleta de campo com GPS, solicitação de atualização cadastral junto ao órgão responsável pelo registro de endereços do município, e uso de APIs privadas de endereçamento que mantêm base de correção histórica. Nenhuma dessas opções é barata ou rápida. Mas são as únicas que resolvem casos que nenhuma regra de negócio consegue tratar. O fluxo que recomendo para produção é híbrido. Automatize tudo que for tratável por regra, documente os casos limite com justificativa técnica, e deixe uma camada de revisão manual focada apenas nos registros que passaram por validação heurística e ainda ficaram em dúvida. Isso costuma reduzir o tempo total de tratamento em cerca de 70 por cento comparado ao esforço 100 por cento manual, mas exige disciplina para não deixar casos óbvios escaparem para a revisão humana por comodidade.