Java根据经纬度计算两点之间的距离

最新推荐文章于 2024-09-19 04:50:08 发布

尼古拉骚

最新推荐文章于 2024-09-19 04:50:08 发布

阅读量2.2w

点赞数 31

1. 前言

在我们平时使用美团，饿了么等app进行订餐，或者使用猫眼进行订电影票的时候，都有一个距离的排序，表明该家店距离我们当前的位置，这种基于地理位置的服务，统一被称为LBS（Location Based Service），而LBS的实现则是借助于GIS，WC（无线通信）等信息技术来实现。而今天我们所要讨论的就是这个距离的实现。

GIS，Geographic information system，地理信息系统。

2. 计算方式

由于地球是一个椭圆形，我们在计算的时候有点麻烦，所以我们更常用的方式是将地球作为一个球形来计算，而计算球面上任意两点之间的距离的公式通常有两种：Great-circle distance和Haversine formula，而目前大多数公司都是用的是Haversine公式，原因可以参考：

Great-circle distance公式用到了大量余弦函数，而两点间距离很短时（比如地球表面上相距几百米的两点），余弦函数会得出0.999…的结果，会导致较大的舍入误差。而Haversine公式采用了正弦函数，即使距离很小，也能保持足够的有效数字。

而有关这两者的介绍可以参考维基百科：Haversine formula 维基百科，Great-circle distance 维基百科。而最终该公式的形式为：

至于为什么是这种形式，其实目前网上有许多推导公式，感兴趣的可以看一下推导过程，顺便回忆一下自己当年学过的数学知识：
1. 关于已知两点经纬度求球面最短距离的公式推导
 2. 根据经纬度计算两点之间的距离的公式推导过程以及google.maps的测距函数

而如果要考虑到高度的影响的话，可以参考：https://stackoverflow.com/questions/3694380/calculating-distance-between-two-points-using-latitude-longitude-what-am-i-doi

另外，还有一种方式是 Vincenty's formulae，该方式也是用于计算球体表面两点之间距离的方式，而它所基于的就是地球是扁球体的形状，因此这种方式比假设地球是球体的方式应该更加准确，但实现起来比较麻烦。感兴趣的可以查看下维基百科：Vincenty's formulae 维基百科

3. Java实现

接下来，我们来看一下该公式的Java实现：

public final class DistanceUtils {

    /**
     * 地球半径,单位 km
     */
    private static final double EARTH_RADIUS = 6378.137;

    /**
     * 根据经纬度，计算两点间的距离
     *
     * @param longitude1 第一个点的经度
     * @param latitude1  第一个点的纬度
     * @param longitude2 第二个点的经度
     * @param latitude2  第二个点的纬度
     * @return 返回距离 单位千米
     */
    public static double getDistance(double longitude1, double latitude1, double longitude2, double latitude2) {
        // 纬度
        double lat1 = Math.toRadians(latitude1);
        double lat2 = Math.toRadians(latitude2);
        // 经度
        double lng1 = Math.toRadians(longitude1);
        double lng2 = Math.toRadians(longitude2);
        // 纬度之差
        double a = lat1 - lat2;
        // 经度之差
        double b = lng1 - lng2;
        // 计算两点距离的公式
        double s = 2 * Math.asin(Math.sqrt(Math.pow(Math.sin(a / 2), 2) +
                Math.cos(lat1) * Math.cos(lat2) * Math.pow(Math.sin(b / 2), 2)));
        // 弧长乘地球半径, 返回单位: 千米
        s =  s * EARTH_RADIUS;
        return s;
    }

    public static void main(String[] args) {
        double d = getDistance(116.308479, 39.983171, 116.353454, 39.996059);
        System.out.println(d);
    }
}

由于平时我们用到数学函数的地方不多，所以这里我们来简单介绍下用到的几个函数：

Math.pow(x,y)      //这个函数是求x的y次方
Math.toRadians     //将一个角度测量的角度转换成以弧度表示的近似角度
Math.sin           //正弦函数
Math.cos           //余弦函数
Math.sqrt          //求平方根函数
Math.asin          //反正弦函数

由于三角函数中特定的关联关系，Haversine公式的最终实现方式可以有多种，比如借助转角度的函数atan2：

public static double getDistance2(double longitude1, double latitude1,
                                        double longitude2, double latitude2) {

    double latDistance = Math.toRadians(longitude1 - longitude2);
    double lngDistance = Math.toRadians(latitude1 - latitude2);

    double a = Math.sin(latDistance / 2) * Math.sin(latDistance / 2)
            + Math.cos(Math.toRadians(longitude1)) * Math.cos(Math.toRadians(longitude2))
            * Math.sin(lngDistance / 2) * Math.sin(lngDistance / 2);

    double c = 2 * Math.atan2(Math.sqrt(a), Math.sqrt(1 - a));
    return c * EARTH_RADIUS;
}

返回的单位是千米，如果想返回米，可以修改地球半径的单位从千米到米，并且由于该结果是double类型的，所以还可以借助Math.round方法进行四舍五入为long类型，然后精确到米：

// ......
// 弧长乘地球半径(6378137)
s =  s * EARTH_RADIUS;
// 返回类型: long，单位: 米
return Math.round(s * 10000) / 10000;

接下来说几点概念：

3.1 地球半径

由于地球不是一个完美的球体，所以并不能用一个特别准确的值来表示地球的实际半径，不过由于地球的形状很接近球体，用[6357km] 到 [6378km]的范围值可以涵盖需要的所有半径。并且通常情况下，地球半径有几个常用值：

极半径，从地球中心至南极或北极的距离，相当于6356.7523km；
赤道半径，从地球中心到赤道的距离，大约6378.137km；
平均半径，6371.393km，表示地球中心到地球表面所有各点距离的平均值；
RE，地球半径，有时被使用作为距离单位, 特别是在天文学和地质学中常用，大概距离是6370.856km；

所以我们通过地球半径进行计算的时候，通常情况下，我们可以使用上面的每一个值都可以进行计算，不过或多或少都会有误差的，但这样的误差是也是允许存在的。这里参考自维基百科：维基百科-地球半径

4. MySQL实现

同样，在MySQL中实现该功能，计算公式还是通过Haversine公式。不过在Google Map中，已经提供了相应的实现方式，我们先来看一下。

4.1 Google Map实现

首先，我们需要先创建表结构：

CREATE TABLE `markers` (
  `id` INT NOT NULL AUTO_INCREMENT PRIMARY KEY ,
  `name` VARCHAR( 60 ) NOT NULL ,
  `address` VARCHAR( 80 ) NOT NULL ,
  `lat` FLOAT( 10, 6 ) NOT NULL ,
  `lng` FLOAT( 10, 6 ) NOT NULL
) ENGINE = MYISAM ;

当然存储引擎可以是InnoDB。然后，进行初始化数据：

INSERT INTO `markers` (`id`, `name`, `address`, `lat`, `lng`) VALUES ('1','Heir Apparel','Crowea Pl, Frenchs Forest NSW 2086','-33.737885','151.235260');
INSERT INTO `markers` (`id`, `name`, `address`, `lat`, `lng`) VALUES ('2','BeeYourself Clothing','Thalia St, Hassall Grove NSW 2761','-33.729752','150.836090');
INSERT INTO `markers` (`id`, `name`, `address`, `lat`, `lng`) VALUES ('3','Dress Code','Glenview Avenue, Revesby, NSW 2212','-33.949448','151.008591');
INSERT INTO `markers` (`id`, `name`, `address`, `lat`, `lng`) VALUES ('4','The Legacy','Charlotte Ln, Chatswood NSW 2067','-33.796669','151.183609');
INSERT INTO `markers` (`id`, `name`, `address`, `lat`, `lng`) VALUES ('5','Fashiontasia','Braidwood Dr, Prestons NSW 2170','-33.944489','150.854706');
INSERT INTO `markers` (`id`, `name`, `address`, `lat`, `lng`) VALUES ('6','Trish & Tash','Lincoln St, Lane Cove West NSW 2066','-33.812222','151.143707');
INSERT INTO `markers` (`id`, `name`, `address`, `lat`, `lng`) VALUES ('7','Perfect Fit','Darley Rd, Randwick NSW 2031','-33.903557','151.237732');
INSERT INTO `markers` (`id`, `name`, `address`, `lat`, `lng`) VALUES ('8','Buena Ropa!','Brodie St, Rydalmere NSW 2116','-33.815521','151.026642');
INSERT INTO `markers` (`id`, `name`, `address`, `lat`, `lng`) VALUES ('9','Coxcomb and Lily Boutique','Ferrers Rd, Horsley Park NSW 2175','-33.829525','150.873764');
INSERT INTO `markers` (`id`, `name`, `address`, `lat`, `lng`) VALUES ('10','Moda Couture','Northcote Rd, Glebe NSW 2037','-33.873882','151.177460');

然后就可以根据经纬度值，然后基于Haversine公式来查询数据，假设我们要查询latitude=37.38714,longitude=-122.083235，范围在25英里内的前20条数据：

SELECT id, ( 3959 * acos( cos( radians(37) ) * cos( radians( lat ) ) * cos( radians( lng ) - radians(-122) ) + sin( radians(37) ) * sin( radians( lat ) ) ) ) AS distance 
FROM markers 
HAVING distance < 25 
ORDER BY distance 
LIMIT 0 , 20;

而如果我们要查询公里，将3959英里也就是地球半径，修改为6371即可。

Google Maps地址：Creating a Store Locator on Google Maps php&MySQL

4.2 st_distance函数

MySQL其实在很早就提供了这种存储经纬度及相关运算的功能，这种数据类型叫做空间数据类型，而对应的索引被称为空间索引，但由于MySQL之前的版本对InnoDB支持的并不是太好，所以使用的并不多。不过MySQL5.6和MySQL5.7对此进行了优化，添加了st_distance等相关函数来支持经纬度相关的计算。
这里只来看一下st_distance函数的使用，其他相关的函数我会专门写一篇文章来学习。我们还是拿上面Google Maps所建的表来测试，来按照距离进行查询：

SELECT
    s.*, 
    (st_distance(point(lng, lat), point(-122.083235, 37.38714) ) * 111195) AS distance
FROM
    markers s
ORDER BY
    distance

其中，point是MySQL的空间数据类型，先不多说这块。就这样，我们只需要通过st_distance函数就计算出了我们所需要查询的结果，不过这里需要说一下：

st_distance 函数返回的单位是degrees，也就是空间单位的度数，我们如果要将degrees转换为米或者千米的话，需要乘以 EARTH_RADIUS * PI/180， EARTH_RADIUS 也就是地球半径，至于是米还是千米，就看该变量的单位。
该运算其实就相当于对地球半径进行弧度与角度的转换，也就是Math.toRadians，而上面我们写的111195其实是一个有误差的值，该值就是通过该计算得出的结果；我们可以简单看一下toRadians实现：

public static double toRadians(double angdeg) {
    return angdeg / 180.0 * PI;
}

这里的转换参考自：Stackoverflow - Get Distance in Meters instead of degrees in Spatialite

其实，MySQL有提供直接查询结果是米的函数：st_distance_sphere，并且该函数的计算结果要比st_distance转换为米的结果更精确。不过该函数是MySQL5.7之后才引入的，5.7之前还是需要通过计算转换成米。更多可参考官方文档地址：
MySQL 5.7 ST_Distance_Sphere(g1, g2 [, radius])

5 Geohash算法

Geohash是目前比较主流的范围搜索的算法，比如说搜索附近500米内的地点这种问题。Geohash算法将二维的经纬度编码为一个字符串，每个字符串代表了某一矩形区域，也就是说，这个矩形区域内所有的点（经纬度坐标）都共享相同的GeoHash字符串，这样在查询的时候就可以对该字符串做索引，然后根据该字符串进行过滤。

Geohash算法的最大用途其实就是附近地址搜索了，不过，从geohash的编码算法中可以看出它的一个缺点，也就是边界问题：虽然两个地点距离很近，但恰好位于分界点的两侧，这样geohash字符串就会不相同，然后匹配的时候就会有问题。不过要解决这个问题也很简单，就是计算的时候，计算出8个分别分布在周围8个区域的地点。

在实际应用中，可以先根据Geohash筛选出附近的地点，然后再算出距离附近地点的距离。而如果要计算Geohash，可以通过 spatial4j 工具包来实现，GeohashUtils.encodeLatLon(lat, lon)，默认精度是12位，其中lucene就使用了spatial4j工具包来计算距离。

<dependency>
    <groupId>org.locationtech.spatial4j</groupId>
    <artifactId>spatial4j</artifactId>
    <version>0.7</version>
</dependency>

有管GeoHash算法，可参考：
1. Geohash - 维基百科
 2. GeoHash介绍-核心原理解析
 3. Github-Java实现Geohash算法- github.com/GongDexing/Geohash

6. 其他

其实实现距离的方式有好多种，比如说：

mysql sql查询
mysql+geohash
mysql 空间索引 (MySQL5.7版本以上)
PostgreSQL/mongodb + geohash
redis+geohash
Lucene/Solr/ES + Spatial/geohash

并且，这种基于搜索排序的功能其实正是Lucene这种搜索引擎和非关系型数据库所擅长的。而对MySQL而言，一直以来MySQL在GIS上的功能支持都比较弱，并且仅有MyISAM引擎支持，不过MySQL5.7之后发生了改变，提供了InnoDB引擎的GIS支持。所以，针对MySQL的这块功能，等接下来专门来学习一下。

作者：骑着乌龟去看海
链接：https://www.jianshu.com/p/94f99d70c71d
来源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。