判断经纬度在省市区县乡镇内(复杂多边形内) -- 基于空间查询算法

最近做一个项目，需要把每天几百亿的经纬度转换为 省市区县 行政区划，尝试了以下几个方案：

1. 传统的点在多边形内算法，如射线法等。由于行政区划多边形边界实在是复杂，射线法判断速度太慢，无法满足实际需求。
2. 经过调查，发现google s2这个工具包，里面有两种实现方案。
3. 方案一，将多边形的经纬度点构建为S2Polygon，使用contains方法，具体实现参考： https://blog.csdn.net/deng0515001/article/details/88031153， 速度比射线法快，但是由于速度问题依然无法使用。
4. 方案二，主要思想：把多边形切成不同大小的S2方块，切分后的S2块能近似拼接成原多边形。
   具体实现：将多边形的经纬度点构建为S2Polygon， 使用 S2RegionCoverer的 getCovering 获取到多边形覆盖的所有S2块
   的S2CellUnion， 然后使用S2CellUnion的contains方法即可判断
   优点：速度极快，平均每次判断为0.02ms左右。
   缺点：多边形边缘部分处理精度不足，边缘部分有少量判断错误或者无法判断，最高精度下错误加未知比例约为0.1%。

考虑到当前项目数据量极大，并且要求不能有处理错误问题，尝试使用基于空间查询的方式来判断点在多边形内。

最终效果：速度极快，平均每次判断为0.02ms左右，同时判断准确率优于99.9999%，且没有判断未知情况。

基本思路：找到距离需要判断点的最近的一条多边形的边，那么需要判断的点一定是在这条边所在的两个多边形内，再根据三点的行列式判断旋转方向，从而判断具体是在哪一个多边形内。（这里把不在任何一个多边形内的区域统一算作一个多边形）

实现步骤：
第一步，初始化，将所有的多边形的边转换为一定长度的线段，并用起点做key存储在map中。
第二步，使用空间查询，找到距离当前点最近的一个点
第三步，找到距离最近点所在的最近的线段
第四步，根据三点行列式判断旋转方向，从而判断是在哪一个多边形内。

maven依赖：

<dependency>
   <groupId>com.github.deng0515001</groupId>
   <artifactId>lnglat2Geo</artifactId>
   <version>1.0.5</version>
 </dependency>

代码见github：
https://github.com/deng0515001/lnglat2Geo

有问题请联系451408963@qq.com
如果你觉得好用，请帮忙在github上点个赞。你的赞同是我前进的动力，谢谢～。

详细接口文档：

object GeoTrans {

  /**
    * 按需初始化数据, 因为这里所有数据均使用懒加载方式，离线数据处理时可以不加载该方法，直接调用相应的方法即可
    *
    * @param needBoundary    是否需要加载边界数据，用于经纬度转换省市区县
    * @param needStreet      是否需要加载街道数据
    * @param needArea        是否需要加载商圈数据
    * @param needCityLevel   是否需要加载城市级别数据
    * @return
    */
  def init(needBoundary: Boolean = true, needStreet: Boolean = true, needArea: Boolean = false, needCityLevel: Boolean = false): Unit

  /**
    * 判断经纬度的行政区划
    * @param lon 经度
    * @param lat 纬度
    * @param needStreet 是否需要街道信息
    * @param coordSys 输入经纬度的坐标系
    * @return 行政区划
    */
  def determineAdmin(lon: Double, lat: Double, coordSys: CoordinateSystem, needStreet: Boolean = true): Admin

  /**
    * 给出附近的所有商圈信息
    *
    * @param lon 经度
    * @param lat 纬度
    * @param radius 需要商圈的半径
    * @param coordSys 输入经纬度的坐标系
    * @param needStreet 是否需要返回行政区划的街道信息
    * @return
    */
  def aroundBusinessAreas(lon: Double, lat: Double, radius: Int = 4000, coordSys: CoordinateSystem, needStreet: Boolean = true): BusinessAreaInfo 

  /**
    * 给出附近的所有商圈信息
    *
    * @param lon 经度
    * @param lat 纬度
    * @param radius 需要商圈的半径
    * @param coordSys 输入经纬度的坐标系
    * @param cityID 输入城市adcode
    * @return
    */
  def aroundBusinessAreasByCityID(lon: Double, lat: Double, radius: Int = 4000, coordSys: CoordinateSystem, cityID: Int): Seq[BusinessArea] = 

  /**
    * 获取城市级别
    * @param adcodeOrName 城市adcode或者城市名
    * @return 城市级别
    */
  def getCityLevel(adcodeOrName: String): String

  /**
    * 根据地区code返回规范数据
    * @param adcode 地区code
    * @return
    */
  def normalizeName(adcode: Int): AdminNode 

  /**
    * 根据地区name返回规范化的地区信息
    * @param adcode 地区code
    * @return 规范化的地区信息
    */
  def normalizeName(name: String, level: DistrictLevel): AdminNode 

  /**
    * 根据所有信息返回规范化的地区信息
    *
    * @param province 省名 可为空
    * @param city 城市名 可为空
    * @param district 区县名 可为空
    * @param street 街道名 可为空
    * @param isFullMatch 所有输入区域是简称还是全名
    * @return 规范化的地区信息，可能有多个或不存在
    */
  def normalizeName(province: String = "", city: String = "", district: String = "", street: String = "", isFullMatch: Boolean = false): Seq[Admin] 

  /**
    * 获取所有行政区划数据
    *
    * @return 所有行政区划数据，不包含街道
    */
  def adminData() : Map[Int, AdminNode] 

  def countryCode() : Map[String, String] 

  def districtBoundary(): Map[Int, Array[Array[Long]]] 
}