GeoHash(1)-理论篇
兄弟篇:GeoHash(2)-实现篇
一、前言
最近有个需求,要计算出客户坐标附近5公里的所有门店,并按照步行距离排序。
最直接的方法就是遍历该城市下的所有门店,但是该方法明显不可取,因为在门店数量巨大,且还需要计算步行距离并排序的情况下,时间复杂度过高。
突然想到当年做图像遇见一个问题:给定一个视频中连续的三千帧,但是已经乱序,告诉你第一帧,将这三千帧进行排序。遍历图像的所有像素点同样不可取,当时的解决方案是利用感知哈希计算出所有图像的指纹,接着利用明氏距离计算距离第一张最近的图像作为第二张,然后计算距离第二张最近的作为第三张,以此类推。
同样,肯定也有哈希方法可将地理位置转换成某种编码,并且编码可用于地理计算。它就是 GeoHash。
二、相关知识
进入正文之前,先一起回顾一下初中地理:
本初子午线以西为西经,分十二区,每区15度共180度;以东为东经,同样分十二区,共180度。
赤道以北为北纬,共90度;以南为南纬,同样90度。
那么在计算机中,坐标表示为:
西经为负数,东经为正数,因此经度取值
[-180, 180]
。北纬为正数,南纬为负数,因此纬度取值
[-90, 90]
。
我们知道赤道长约四万公里,因此经度上每度约等于111公里。地球实际上是个不规则球体,但为了简便计算,我们假设把纬度上每度约等于222公里。
三、初识 GeoHash
1. 计算二进制编码
首先计算二进制编码,经度上以[-180, 180]
开始,纬度以[-90, 90]
开始,每次将区间进行二分,若输入坐标小于中间值则编码为0
,下次区间取左半区间;若大于则编码为1
,下次区间取右半区间。以此类推,编码越长,越接近坐标值,进而越精确。
以 118°04′04, 24°26′46
为例,首先计算经度的编码:
编码长度 | 区间 | 中间值 | 编码 | 说明 | 精度(千米) |
---|---|---|---|---|---|
1 | [-180, 180] | 0 | 1 | 118°04′04 大于 0°,因此编码1,取右区间 | 19980 |
2 | [0, 180] | 90 | 1 | 118°04′04 大于 90° | 9990 |
3 | [90, 180] | 135 | 0 | 118°04′04 小于 135°,因此编码0,取左区间 | 4995 |
4 | [90, 135] | 112.5 | 1 | 2497.5 | |
5 | [112.5, 135] | 123.75 | 0 | 1248.75 | |
6 | [112.5, 123.75] | 118.125 | 0 | 624.375 | |
7 | [112.5, 118.125] | 115.3125 | 1 | 312.188 | |
8 | [115.3125, 118.125] | 116.71875 | 1 | 156.094 | |
9 | [116.71875, 118.125] | 117.421875 | 1 | 78.047 | |
10 | [117.421875, 118.125] | 117.7734375 | 1 | 39.024 | |
N | ... | ... | . | ... |
同样道理,计算纬度得编码:
编码长度 | 区间 | 中间值 | 编码 | 说明 | 精度(千米) |
---|---|---|---|---|---|
1 | [-90, 90] | 0 | 1 | 24°26′46 大于 0°,因此编码1,取右区间 | 19980 |
2 | [0, 90] | 45 | 0 | 24°26′46 小于 45°,因此编码0,取左区间 | 9990 |
3 | [0, 45] | 22.5 | 1 | 4995 | |
4 | [22.5, 45] | 33.75 | 0 | 2497.5 | |
5 | [22.5, 33.75] | 28.125 | 0 | 1248.75 | |
6 | [22.5, 28.125] | 25.3125 | 0 | 624.375 | |
7 | [22.5, 25.3125] | 23.906 | 1 | 312.188 | |
8 | [23.906, 25.3125] | 24.609 | 0 | 156.094 | |
9 | [23.906, 24.609] | 24.2575 | 1 | 78.047 | |
10 | [24.2575, 24.609] | 24.433 | 0 | 39.024 | |
N | ... | ... | . | ... |
综上,假设我们只取十位编码,经度上得到得编码为 1101001111
,纬度上编码为 1010001010
。
将两个编码就像经纬交织网一样进行交织:
最后得到经纬二进制编码为11100110000011101110
,结合以上两表的精度数据,我们知道该编码其实代表的是一块长宽为39.024千米的矩形块。
2. 转换base32编码
二进制编码其实就可以用来作为地理位置编码,但是:
- 不便于查找周边邻块。计算邻块,需要解析成经、纬两个编码再做计算。而采用base32编码后,可用查表法,加速计算。
- 二进制编码长度过长,不利于检索。
因此,GeoHash 采用了 base32 和 base36编码,因为大多数采用 base32 编码,因此本文仅介绍 base32 编码。
Decimal | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Base 32 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | B | C | D | E | F | G |
Decimal | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
Base 32 | H | J | K | M | N | P | Q | R | S | T | U | V | W | X | Y | Z |
base32 编码共 32 个编码,因此需要 5 个bit,将11100110000011101110
转换为 base32 编码:
最后得到编码为 WS7F
。
四、计算邻近块
1. 通用法
通用法的输入是二进制编码,因此不像查表法有位数限制,适用于所有情况,流程简单。
首先将经纬交织的二进制编码拆分为经度、纬度,若要求输入位置以北,则将纬度加一;以南,则将纬度减一;以西,则将经度减一;以东,则将经度加一。需要注意的是,加减后必须保持原有的有效位数(比如,11 + 01 = 00,保持两位有效位)。最后将计算结果重新组合,得到要求位置的二进制编码。
过程如下图为例,不再赘述:
2. 查表法
查表法的计算比通用法快很多,不用将输入编码拆分成经纬度进行加减,但需要注意的是:输入的是base32编码,因此仅适用于二进制编码位数为5的倍数的GeoHash
。
网上大部分文章仅讲诉如何利用查表法计算邻块,那么这个查表如何得到呢? 得到了编码后,如何计算邻块?网上大部分文章仅讲诉如何利用查表法计算邻块,但是这个查表如何得到呢?
根据前面,我们知道编码由5个bit二进制,并经纬交织组成。因此,若该编码处于奇数位上,即 经 纬 经 纬 经
交织方式;若处于偶数位上,则 纬 经 纬 经 纬
交织方式。
那么,以 W
为例,二进制为 11100
,若处于奇数位则在表中为 右 上 右 下 左
,若处于偶数位则在表中为 上 右 下 左 下
,因此 W
在查表中的位置如下图:
同样,求出其他编码的位置,结果为:
以WS7F
为例,现在要求该位置的邻近块,取末位F
,从偶数位表中可以看到,F
的邻近为E, G, D, 9, C
,以及往右出了界的 5, 4, 1
。因此5, 4, 1
三个邻块还需要看倒数第二位 7
。从奇数表中可以看到,7
的右边没有超界(若超界了,看倒数第三位,以此类推),为K
。
因此,得到周围邻块分别位 WS7E, WS7G, WS7D, WS79, WS7C, WSK5, WSK4, WSK1
,位置关系如下:
五、总结
主要从理论上介绍:
- GeoHash对地理位置点进行编码的方法:根据“递归二分”获取二进制,将二进制转换为 Base32 编码。
- GeoHash邻块的快速计算方法:取末位编码,根据偶数位表查找对应邻块编码,若某方向出界,则查找前一位编码,并根据奇/偶表查找相应方向的编码。
算法实现:【搬砖笔记】 利用GeoHash为地理位置编码——实现篇
六、延申
- GeoHash 不仅可以用来对位置点进行编码,也可以用来对面进行编码,有助于处理点、面的多种组合关系计算。比如,判断点位置是否在门店的配送围栏之内。
GeoHash 其实就是 Peano 曲线 的一种应用,如下:
还有许多空间填充曲线,比如公认比较好的,没有较大突变的 Hilbert 曲线。
**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。