随着移动端的普及,很多 App应用
都有 LBS
功能。
附近的银行、
附近的饭店、
附近的超市、
附近的厕所、
...
以上的需求很类似,实现的原理也大致相同。
定位方式有哪些?
- 基于
GPS
- 基于运营商基站
- 基于WiFi
- 基于蓝牙
- 基于传感器
我们主要应用基于 GPS
进行定位。
其他定位方式,大家可以 Google 了解下。
实现原理
以获取附近的饭店为例子。
数据采集:
首先将饭店数据(经纬度和其他信息)存储到数据库中。
附近算法:
用户将自己的坐标传给服务端,服务端通过用户当前坐标,查询出附近的饭店。
接下来,我们就主要聊聊如何通过坐标查询出附近饭店的算法?
当当当当,GeoHash
闪亮登场。
GeoHash 算法
GeoHash
算法 是一种地址编码,它能把二维的经纬度编码成一维的字符串。
重点:经纬度坐标为GPS坐标。
优点:
- 利用一个字段表示经纬度,给字段加上索引,效率高。
- 编码的前缀可以表示更大的区域,查找附近的,非常方便。
- 编码暴露,也不会暴露自己的精确坐标,有助于隐私保护。
算法:
以 经纬度 (39.92324,116.3906) 为例进行分析。
首先将纬度范围 (-90, 90) 平分成两个区间 (-90,0)、(0, 90)。
如果目标纬度位于前一个区间,则编码为0,否则编码为1。
由于 39.92324 属于 (0, 90),所以取编码为1。
然后再将 (0, 90) 分成 (0, 45), (45, 90)两个区间。
然而 39.92324 位于 (0, 45),所以编码为 0。
以此类推,直到精度符合要求为止。
得到纬度编码为 1011 1000 1100 0111 1001。
纬度范围 | 区间(0) | 区间(1) | 区间 |
---|---|---|---|
(-90, 90) | (-90, 0.0) | (0.0, 90) | 1 |
(0.0, 90) | (0.0, 45.0) | (45.0, 90) | 0 |
(0.0, 45.0) | (0.0, 22.5) | (22.5, 45.0) | 1 |
(22.5, 45.0) | (22.5, 33.75) | (33.75, 45.0) | 1 |
(33.75, 45.0) | (33.75, 39.375) | (39.375, 45.0) | 1 |
(39.375, 45.0) | (39.375, 42.1875) | (42.1875, 45.0) | 0 |
(39.375, 42.1875) | (39.375, 40.7812) | (40.7812, 42.1875) | 0 |
(39.375, 40.7812) | (39.375, 40.0781) | (40.0781, 40.7812) | 0 |
(39.375, 40.0781) | (39.375, 39.7265) | (39.7265, 40.0781) | 1 |
(39.7265, 40.0781) | (39.375, 39.7265) | (39.7265, 40.0781) | 1 |
(39.9023, 40.0781) | (39.9023, 39.9902) | (39.9902, 40.0781) | 0 |
(39.9023, 39.9902) | (39.9023, 39.9462) | (39.9462, 39.9902) | 0 |
(39.9023, 39.9462) | (39.9023, 39.9243) | (39.9243, 39.9462) | 0 |
(39.9023, 39.9243) | (39.9023, 39.9133) | (39.9133, 39.9243) | 1 |
(39.9133, 39.9243) | (39.9133, 39.9188) | (39.9188, 39.9243) | 1 |
(39.9188, 39.9243) | (39.9188, 39.9215) | (39.9215, 39.9243) | 1 |
经度也用同样的算法,对 (-180, 180) 依次细分。
得到经度的编码为 1101 0010 1100 0100 0100。
经度范围 | 区间(0) | 区间(1) | 区间 |
---|---|---|---|
(-180, 180) | (-180, 0.0) | (0.0, 180) | 1 |
(0.0, 180) | (0.0, 90.0) | (90.0, 180) | 1 |
(90.0, 180) | (90.0, 135.0) | (135.0, 180) | 0 |
(90.0, 135.0) | (90.0, 112.5) | (112.5, 135.0) | 1 |
(112.5, 135.0) | (112.5, 123.75) | (123.75, 135.0) | 0 |
(112.5, 123.75) | (112.5, 118.125) | (118.125, 123.75) | 0 |
(112.5, 118.125) | (112.5, 115.312) | (115.312, 118.125) | 1 |
(115.312, 118.125) | (115.312, 116.718) | (116.718, 118.125) | 0 |
(115.312, 116.718) | (115.312, 116.015) | (116.015, 116.718) | 1 |
(116.015, 116.718) | (116.015, 116.367) | (116.367, 116.718) | 1 |
(116.367, 116.718) | (116.367, 116.542) | (116.542, 116.718) | 0 |
(116.367, 116.542) | (116.367, 116.455) | (116.455, 116.542) | 0 |
(116.367, 116.455) | (116.367, 116.411) | (116.411, 116.455) | 0 |
(116.367, 116.411) | (116.367, 116.389) | (116.389, 116.411) | 1 |
(116.389, 116.411) | (116.389, 116.400) | (116.400, 116.411) | 0 |
(116.389, 116.400) | (116.389, 116.394) | (116.394, 116.400) | 0 |
接下来将经度和纬度的编码合并,奇数位是纬度,偶数位是经度。
得到编码 11100 11101 00100 01111 00000 01101 01011 00001。
最后,用0-9、b-z(去掉a, i, l, o)这32个字母进行base32编码。
得到 (39.92324, 116.3906) 的编码为 wx4g0ec1。
十进制 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
base32 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | b | c | d | e | f | g |
十进制 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 |
base32 | h | j | k | m | n | p | q | r | s | t | u | v | w | x | y | z |
解码算法与编码算法相反,先进行base32解码,然后分离出经纬度。
最后根据二进制编码对经纬度范围进行细分即可。
程序处理
在经度和纬度入库的时候,数据库新增一个字段geohash,记录此点的geohash值。
在查询附近的时候,利用SQL中 like 'wx4g0e%' 进行查询。
查询出来的结果,根据距离大小进行排序。
geohash 字段可以使用索引。
//[PHP Code] 生成GeoHashCode编码
$longitude = ''; //经度
$latitude = ''; //纬度
$objGeoHash = new Geohash(); //文末有该类的下载方式
$strGeoHashCode = $objGeoHash->encode($latitude, $longitude);
//在采集数据的时候,这个值保存到数据中即可。
/**
* [PHP Code] 根据经纬度计算两点之间的记录
* @param $lat1 纬度1
* @param $lng1 经度1
* @param $lat2 纬度2
* @param $lng2 经度2
* @return float 单位(米)
*/
function getDistance($lat1, $lng1, $lat2, $lng2)
{
//地球半径
$R = 6378137;
//将角度转为弧度
$radLat1 = deg2rad($lat1);
$radLat2 = deg2rad($lat2);
$radLng1 = deg2rad($lng1);
$radLng2 = deg2rad($lng2);
//结果
$s = acos(cos($radLat1) * cos($radLat2) * cos($radLng1 - $radLng2)
+ sin($radLat1) * sin($radLat2)) * $R;
//精度
$s = round($s * 10000)/10000;
return round($s);
}
备注
请了解,百度坐标与GPS坐标互转。
请了解,谷歌坐标与GPS坐标互转。
请了解,腾讯坐标与GPS坐标互转。
...
百度拾取坐标地址:
http://api.map.baidu.com/lbsa...
GeoHash 编码精度为6位时,大概为附近1千米。
在纬度相等的情况下:
经度每隔0.00001度,距离相差约1米;
每隔0.0001度,距离相差约10米;
每隔0.001度,距离相差约100米;
每隔0.01度,距离相差约1000米;
每隔0.1度,距离相差约10000米。
在经度相等的情况下:
纬度每隔0.00001度,距离相差约1.1米;
每隔0.0001度,距离相差约11米;
每隔0.001度,距离相差约111米;
每隔0.01度,距离相差约1113米;
每隔0.1度,距离相差约11132米。
实际情况据需求而定,可在此基础上进行扩展。
如果大家需要下载 PHP GeoHash 类库。
可以关注微信公众号,回复 “geohash”,即可获取。
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。