浅谈附近地点搜索

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。复制代码

/**
 * [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);
}复制代码

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：

api.map.baidu.com/lbsapi/getp…

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。

Thanks ~

---

作者：PHP后端开发者

免费提供技术咨询服务（自己懂的知识）。

QQ群：564557094。

关注微信公众号，留言即可，看到留言后会及时回复。

IT小圈儿