php可以获取附近的商家.
操作方法如下：Shop表存储字段 Lat, Lng 现在使用方案为 通过 sql 语句进行距离的计算 之后 order by limit 进行分页 但在SQL内进行计算,导致慢查询. 目前 有两种方案
A方案 : 获取用户当前的经纬度 通过算法找到每条记录所在点的经纬度周围的一个大概范围,比方说正方形的四个点,然后使用mysql的空间计算
B方案 ：通过 Geohash 算法 算出附近的商家 前端通过接口获取数据进行分页,采用以上两种方案时,均为一次性拉取出附近商户的数据,之后进行距离的计算,根据距离的排序生成最终数组,此时数据分页 应该采用 根据数组的索引 计算偏移量进行分页的操作.
补充 同时要求 能够根据城市 和 区域 进行搜索 用关系型数据库的话,给经纬度加上索引.附近的算法可以从经纬度入手,以用户的经纬度(x,y)为基准,查询的范围为((x+/-),y(+/-)), 扩大搜索范围就是对x y的范围的加大. 使用ElasticSearch 或者 Solr之类支持空间的搜索引擎. 之前写过相关的Demo: Django ElasticSearch Ionic 打造 GIS 移动应用 —— 架构设计
GeoHash本质上是空间索引的一种方式,其基本原理是将地球理解为一个二维平面,将平面递归分解成更小的子块,每个子块在一定经纬度范围内拥有相同的编码.以GeoHash方式建立空间索引,可以提高对空间poi数据进行经纬度检索的效率.
Geohash编码中,字符串相似的表示距离相近（特殊情况后文阐述）,这样可以利用字符串的前缀匹配来查询附近的POI信息.如下两个图所示,一个在城区,一个在郊区,城区的GeoHash字符串之间比较相似,郊区的字符串之间也比较相似,而城区和郊区的GeoHash字符串相似程度要低些.此外,不同的编码长度,表示不同的范围区间,字符串越长,表示的范围越精确.
? ? ? ?h. 同理,将编码转换成经纬度的解码算法与之相反
上文讲了GeoHash的计算步骤,仅仅说明是什么而没有说明为什么?为什么分别给经度和维度编码?为什么需要将经纬度两串编码交叉组合成一串编码?本节试图回答这一问题.
如图所示,我们将二进制编码的结果填写到空间中,当将空间划分为四块时候,编码的顺序分别是左下角00,左上角01,右下脚10,右上角11,也就是类似于Z的曲线,当我们递归的将各个块分解成更小的子块时,编码的顺序是自相似的（分形）,每一个子快也形成Z曲线,这种类型的曲线被称为Peano空间填充曲线.
这种类型的空间填充曲线的优点是将二维空间转换成一维曲线（事实上是分形维）,对大部分而言,编码相似的距离也相近,但Peano空间填充曲线最大的缺点就是突变性,有些编码相邻但距离却相差很远,比如0111与1000,编码是相邻的,但距离相差很大.
除Peano空间填充曲线外,还有很多空间填充曲线,如图所示,其中效果公认较好是Hilbert空间填充曲线,相较于Peano曲线而言,Hilbert曲线没有较大的突变.但是由于Peano曲线实现更加简单,在使用的时候配合一定的解决手段,可以很好的满足大部分需求,所以呢TD内部Geohash算法采用的是Peano空间填充曲线.
? a.?由于GeoHash是将区域划分为一个个规则矩形,并对每个矩形进行编码,这样在查询附近POI信息时会导致以下问题,比如红色的点是我们的位置,绿色的两个点分别是附近的两个餐馆,但是在查询的时候会发现距离较远餐馆的GeoHash编码与我们一样（因为在同一个GeoHash区域块上）,而较近餐馆的GeoHash编码与我们不一致.这个问题往往产生在边界处.
b.?我们已经知道现有的GeoHash算法使用的是Peano空间填充曲线,这种曲线会产生突变,造成了编码虽然相似但距离可能相差很大的问题,所以呢在查询附近餐馆时候,首先筛选GeoHash编码相似的POI点,然后进行实际距离计算.
理解了geohash算法的基本原理之后,本节将介绍一个实际应用中常见的场景：计算围栏范围内所有的Geohash编码.该场景封装为函数可以表示如下：输入组成围栏的点经纬度坐标集合和指定的geohash长度,输出一组geohash编码.
public static Set getHashByFence(List points, int length)
具体算法步骤如下:
① 输入围栏点坐标集合List points和指定的geohash长度length
② 计算围栏的外包矩形的左上角和右下角坐标lat_min、lat_max、lng_min、lng_max
③ 根据lat_min、lat_max、lng_min、lng_max,计算外包矩形对角定点的距离d
④1 获取圆的外包矩形左上角和右下角定点坐标经纬度,存储到double[] locs
⑤ 剔除sets中geohash编码对应矩形的中心点不在points围栏范围内的geohash,得到最终的geohash结果集
不太清楚啊,楼主还是自己去后盾人那里看看吧,那里很多教学视频
目前是的.
时空伴随需要综合时间维度和空间维度,依靠运营商的移动电话基站信号数据,可以比较全面且精确的定位对象的运动模式.基于基站数据的伴随一般有两种思路,一种是基于经纬度的伴随,是在明确知道每个基站精确经纬度的前提下,使用 GEOHASH算法的方式处理,但是在实际的使用情况下,基站的经纬度数据经常存在不全或者误报,所以呢对伴随精准度造成较大的影响.