Elias, boa tarde! Fiz uns testes com o georreferenciamento por cep, usando ggmap::geocode(). Na verdade, dá pra fazer uma avaliação da acurácia pelos campos type e loctype retornados quando se utiliza a opção "output=more". Pelo que pude entender, endereços "precisos/acurados" são retornados com a indicação "street_address" em type e as demais formas são aproximações. No entanto, códigos "postal_code" são melhores que "postal_code_prefix". ### <code r> require("ggmap") # geocodeQueryCheck() adr1 <- c('Rua Toshinobo Katayama, 178, Dourados, MS, Brazil, 79806-030', ### endereço completo 'Rua Toshinobo Katayama, 171, Dourados, MS', ### endereço completo 'Dourados, MS, 79806-029', ### não cadastrado, prefixo válido 'Dourados, MS, 79899-333', ### cep inexistente 'Dourados, MS, 79806', ### apenas prefixo 'Dourados, MS, 79806030', ### cep correto 'Dourados, MS, 79823460', ### cep correto 'Dourados, MS, 79804970') ### cep correto, zona rural res1 <- geocode(adr1, output="more") res1[c(1:4, 10)] # lon lat type loctype postal_code # 1 -54.80372 -22.23004 street_address rooftop <NA> # 2 -54.80460 -22.22413 street_address range_interpolated <NA> # 3 -54.80027 -22.22395 postal_code_prefix approximate <NA> # 4 -54.79138 -22.22623 bus_station approximate <NA> # 5 -54.80027 -22.22395 postal_code_prefix approximate <NA> # 6 -54.80409 -22.22820 postal_code approximate 79806-030 # 7 -54.83732 -22.21741 postal_code approximate 79823-460 # 8 -54.80988 -22.21471 postal_code_prefix approximate <NA> ### </code> Testando apenas os primeiros 30 ceps do arquivo que você disponibilizou... ### <code r> url0 <- "http://leg.ufpr.br/~elias/tmp/cep_curitiba_cwb_georef_longlat.txt" tmp0 <- read.table(url0, head=T, nrows=30) adr2 <- paste0("Curitiba, PR, Brazil, ", tmp0[,1]) res2 <- geocode(adr2, output="more") cbind(tmp0, res2[c(1:4,10)]) table(res2$type) # route postal_code_prefix postal_code # 2 14 14 ### </code> Nesse pequeno teste, 16 consultas retornaram resultados muito imprecisos ( route , postal_code_prefix) e os demais são poucos precisos (postal_code). Desse modo, acredito que não há grande vantagem em consultar todos os ceps e o número de consultas poderia ser diminuído consideravelmente se eles fossem 'generalizados" . A opção mais radical seria fazer a consulta pelos prefixos (primeiros 5 dígitos) e outras mais brandas seriam algo do tipo: df <- read.table(url0, head=T, nrows=1000) df$cep2 <- round(df$cep/100)*100 un <- unique(df$cep2); length(un) # 135 Nesse caso seriam 135 consultas ao invés das 1000 iniciais, o que facilitaria bem a tarefa. Logicamente, haveria uma perda ainda maior de precisão/acurácia. Resta saber se a perda é tolerável/aceitável. A descrição dos códigos está em < https://developers.google.com/maps/documentation/geocoding/?csw=1>. Éder Comunello <c <comunello.eder@gmail.com>omunello.eder@gmail.com> Dourados, MS - [22 16.5'S, 54 49'W]