`

geohash算法原理及实现方式

 
阅读更多

geohash算法原理及实现方式

1、geohash特点

2、geohash原理

3、geohash的php 、python、java、C#实现代码

4、观点讨论

 w微博:http://weibo.com/dxl0321

geohash有以下几个特点：

首先，geohash用一个字符串表示经度和纬度两个坐标。某些情况下无法在两列上同时应用索引 （例如MySQL 4之前的版本，Google App Engine的数据层等），利用geohash，只需在一列上应用索引即可。

其次，geohash表示的并不是一个点，而是一个矩形区域。比如编码wx4g0ec19，它表示的是一个矩形区域。 使用者可以发布地址编码，既能表明自己位于北海公园附近，又不至于暴露自己的精确坐标，有助于隐私保护。

第三，编码的前缀可以表示更大的区域。例如wx4g0ec1，它的前缀wx4g0e表示包含编码wx4g0ec1在内的更大范围。 这个特性可以用于附近地点搜索。首先根据用户当前坐标计算geohash（例如wx4g0ec1）然后取其前缀进行查询 （SELECT * FROM place WHERE geohash LIKE 'wx4g0e%'），即可查询附近的所有地点。

Geohash比直接用经纬度的高效很多。

 

Geohash的原理

Geohash的最简单的解释就是：将一个经纬度信息，转换成一个可以排序，可以比较的字符串编码


        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，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

划分区间0

划分区间1

39.92324所属区间

(-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)

(39.7265, 39.9023)

(39.9023, 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116.3906的编码为1101 0010 1100 0100 0100。

经度范围

划分区间0

划分区间1

116.3906所属区间

(-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，这里不再赘述。

实现代码：

php版本的实现方式：http://blog.dixo.net/downloads/geohash-php-class/  我下载了一个上传的

 php：

geohash.class.php

View Code

 

python：

python版本的geohash：python-geohash

java：

java版本的geohash,实现：http://code.google.com/p/geospatialweb/source/browse/#svn/trunk/geohash/src

View Code

C#：

复制代码
 C#版本的geohash代
复制代码
  1 using System;
  2 
  3 namespace sharonjl.utils
  4 {
  5     public static class Geohash
  6     {
  7         #region Direction enum
  8 
  9         public enum Direction
 10         {
 11             Top = 0,
 12             Right = 1,
 13             Bottom = 2,
 14             Left = 3 
 15         }
 16 
 17         #endregion
 18 
 19         private const string Base32 = "0123456789bcdefghjkmnpqrstuvwxyz";
 20         private static readonly int[] Bits = new[] {16, 8, 4, 2, 1};
 21 
 22         private static readonly string[][] Neighbors = {
 23                                                            new[]
 24                                                                {
 25                                                                    "p0r21436x8zb9dcf5h7kjnmqesgutwvy", // Top
 26                                                                    "bc01fg45238967deuvhjyznpkmstqrwx", // Right
 27                                                                    "14365h7k9dcfesgujnmqp0r2twvyx8zb", // Bottom
 28                                                                    "238967debc01fg45kmstqrwxuvhjyznp", // Left
 29                                                                }, new[]
 30                                                                       {
 31                                                                           "bc01fg45238967deuvhjyznpkmstqrwx", // Top
 32                                                                           "p0r21436x8zb9dcf5h7kjnmqesgutwvy", // Right
 33                                                                           "238967debc01fg45kmstqrwxuvhjyznp", // Bottom
 34                                                                           "14365h7k9dcfesgujnmqp0r2twvyx8zb", // Left
 35                                                                       }
 36                                                        };
 37 
 38         private static readonly string[][] Borders = {
 39                                                          new[] {"prxz", "bcfguvyz", "028b", "0145hjnp"},
 40                                                          new[] {"bcfguvyz", "prxz", "0145hjnp", "028b"}
 41                                                      };
 42 
 43         public static String CalculateAdjacent(String hash, Direction direction)
 44         {
 45             hash = hash.ToLower();
 46 
 47             char lastChr = hash[hash.Length - 1];
 48             int type = hash.Length%2;
 49             var dir = (int) direction;
 50             string nHash = hash.Substring(0, hash.Length - 1);
 51 
 52             if (Borders[type][dir].IndexOf(lastChr) != -1)
 53             {
 54                 nHash = CalculateAdjacent(nHash, (Direction) dir);
 55             }
 56             return nHash + Base32[Neighbors[type][dir].IndexOf(lastChr)];
 57         }
 58 
 59         public static void RefineInterval(ref double[] interval, int cd, int mask)
 60         {
 61             if ((cd & mask) != 0)
 62             {
 63                 interval[0] = (interval[0] + interval[1])/2;
 64             }
 65             else
 66             {
 67                 interval[1] = (interval[0] + interval[1])/2;
 68             }
 69         }
 70 
 71         public static double[] Decode(String geohash)
 72         {
 73             bool even = true;
 74             double[] lat = {-90.0, 90.0};
 75             double[] lon = {-180.0, 180.0};
 76 
 77             foreach (char c in geohash)
 78             {
 79                 int cd = Base32.IndexOf(c);
 80                 for (int j = 0; j < 5; j++)
 81                 {
 82                     int mask = Bits[j];
 83                     if (even)
 84                     {
 85                         RefineInterval(ref lon, cd, mask);
 86                     }
 87                     else
 88                     {
 89                         RefineInterval(ref lat, cd, mask);
 90                     }
 91                     even = !even;
 92                 }
 93             }
 94 
 95             return new[] {(lat[0] + lat[1])/2, (lon[0] + lon[1])/2};
 96         }
 97 
 98         public static String Encode(double latitude, double longitude, int precision = 12)
 99         {
100             bool even = true;
101             int bit = 0;
102             int ch = 0;
103             string geohash = "";
104 
105             double[] lat = {-90.0, 90.0};
106             double[] lon = {-180.0, 180.0};
107 
108             if (precision < 1 || precision > 20) precision = 12;
109 
110             while (geohash.Length < precision)
111             {
112                 double mid;
113 
114                 if (even)
115                 {
116                     mid = (lon[0] + lon[1])/2;
117                     if (longitude > mid)
118                     {
119                         ch |= Bits[bit];
120                         lon[0] = mid;
121                     }
122                     else
123                         lon[1] = mid;
124                 }
125                 else
126                 {
127                     mid = (lat[0] + lat[1])/2;
128                     if (latitude > mid)
129                     {
130                         ch |= Bits[bit];
131                         lat[0] = mid;
132                     }
133                     else
134                         lat[1] = mid;
135                 }
136 
137                 even = !even;
138                 if (bit < 4)
139                     bit++;
140                 else
141                 {
142                     geohash += Base32[ch];
143                     bit = 0;
144                     ch = 0;
145                 }
146             }
147             return geohash;
148         }
149     }
150 }
复制代码

C#代码来自：https://github.com/sharonjl/geohash-net

复制代码

geohash演示：http://openlocation.org/geohash/geohash-js/

 

各种版本下载：打包下载

观点讨论

引用阿里云以为技术专家的博客上的讨论：

1.两个离的越近，geohash的结果相同的位数越多，对么？
这一点是有些用户对geohash的误解，虽然geo确实尽可能的将位置相近的点hash到了一起，可是这并不是严格意义上的(实际上也并不可能，因为毕竟多一维坐标)，
例如在方格4的左下部分的点和大方格1的右下部分的点离的很近，可是它们的geohash值一定是相差的相当远，因为头一次的分块就相差太大了，很多时候我们对geohash的值进行简单的排序比较，结果貌似真的能够找出相近的点，并且似乎还是按照距离的远近排列的，可是实际上会有一些点被漏掉了。
上述这个问题，可以通过搜索一个格子，周围八个格子的数据，统一获取后再进行过滤。这样就在编码层次解决了这个问题。
2.既然不能做到将相近的点hash值也相近，那么geohash的意义何在呢？
我觉得geohash还是相当有用的一个算法，毕竟这个算法通过无穷的细分，能确保将每一个小块的geohash值确保在一定的范围之内，这样就为灵活的周边查找和范围查找提供了可能。

 

常见的一些应用场景

A、如果想查询附近的点？如何操作

查出改点的gehash值，然后到数据库里面进行前缀匹配就可以了。

 

B、如果想查询附近点，特定范围内，例如一个点周围500米的点，如何搞？

可以查询结果，在结果中进行赛选，将geohash进行解码为经纬度，然后进行比较

 

 *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。

 

参考资料：

http://iamzhongyong.iteye.com/blog/1399333

http://tech.idv2.com/2011/06/17/location-search/

http://blog.sina.com.cn/s/blog_62ba0fdd0100tul4.html

分享到：
| 附近地点搜索初探
评论
发表评论

您还没有登录,请您登录后再发表评论

相关推荐

    Java实现GeoHash算法

    Java实现GeoHash算法是一种在IT领域中用于地理位置数据存储和检索的技术。GeoHash将经纬度坐标转换为字符串，使得地理位置可以被高效地索引和查询。这种算法利用了空间分割和编码策略，使得相邻的位置在编码后具有...

    geohash算法实现Java代码

    通过分析这些代码，我们可以深入理解GeoHash算法的工作原理，并且学习如何在实际项目中应用它。 GeoHash算法的使用场景广泛，例如在地图应用中，可以用来快速找到附近的服务设施；在社交网络中，可以帮助用户发现...

    GeoHash C#实现 找出周围8个区域的GeoHash编码

    相信找到这里的 ，geohash算法原理及实现方式应该也有所了解了。原代码了出自 邓星林博客 http://www.cnblogs.com/dengxinglin/archive/2012/12/14/2817761.html 自已找来，加上8个区的实现，加些注释和例子，测试...

    如何找到周围8个区域的GeoHash编码

    在Java中实现找到周围8个区域的GeoHash编码涉及到地理空间索引和定位算法的应用。以下是对这个主题的详细解释： GeoHash的工作原理： GeoHash的基本思想是通过将地球表面划分为网格，并对每个网格分配一个唯一的...

    geohash：一个解决计算附近距离的php类库.zip

    首先，让我们了解一下Geohash的工作原理。Geohash将地球表面分成多个小格子，每个格子都有一个唯一的字符串表示。这个字符串由一系列的二进制位组成，这些二进制位分别代表了经度和纬度的递归分割。通过不断地将空间...

    C/OC_geohash

    Geohash算法主要基于Base32编码，它将地球表面划分为一系列的网格，然后对每个网格进行编码。通过递归地将每个网格分成相等的四部分（北、南、东、西），直到得到的网格足够小，可以接受一个Base32字符来表示。这样...

    Geohash：GeoHash是当前比较主流实现位置服务的技术，用最简洁的Java实现GeoHash算法

    Geohash GeoHash是目前比较主流的实现位置服务的技术，Geohash算法将通过纬度二维数据编码为一个字符串，本质上是一个降维的过程，一个栗子地点经纬度Geohash鸟巢116.402843,39.999375 wx4g8c9v水立方116.3967,39....

    geohash-cpp:GeoHash 库

    GeoHash 是一种将地理位置数据（经纬度）编码为字符串的技术，这种编码方法可以方便地进行空间索引和距离估算。...通过深入理解 GeoHash 的原理和实现，可以提升你在地理信息系统（GIS）领域的开发能力。

    iOS Geohash.zip

    7. **集成第三方库**：虽然可以手动实现Geohash算法，但也有许多现成的第三方库可供使用，如开源的`GeohashKit`或`SDGeoHash`，它们已经封装了Geohash的处理逻辑，使开发者能更快地集成到项目中。 通过以上知识点，...

    geohash-源码.rar

    在本篇文章中，我们将深入探讨Geohash的原理，并通过分析提供的"geohash-源码.zip"文件来理解其实现细节。 1. Geohash原理： Geohash的基本思想是将地球视为一个三维空间，然后将这个空间不断分割成小块，每一块都...

    geohash:用 Java、Lua 和 PHP 编写的用于解码和编码的 Geohash 库

    通过查看和分析这些源代码，开发者可以了解Geohash算法的内部工作原理，也可以根据自身需求进行定制和优化。 总结起来，Geohash是一种有效的地理位置编码技术，可以简化地理数据的处理和存储。Java、Lua和PHP中的...

    Geohash的原理、算法和具体应用探究

    **Geohash 知识详解** Geohash是一种地理编码技术，它将地球表面上的经纬度坐标转换为一串可比较的字符...理解和掌握Geohash的原理和应用，有助于我们在开发涉及地理位置功能的软件和服务时，实现更优化的设计和性能。

    Python-Proximity中的Geohash使用Georaptor进行压缩的选项

    Georaptor可能是对原始Geohash算法的一种扩展或增强，旨在减少存储需求，同时保持足够的定位精度。在处理大量地理位置信息时，这种压缩技术尤为重要，因为它可以降低数据库大小，提升查询速度，节省服务器资源。 ...

    PHP进阶学习之Geo的地图定位算法详解

    在PHP的进阶学习中，Geo地图定位算法是开发者必须掌握的重要技能之一。Geo定位算法主要涉及经纬度坐标系统和GeoHash技术，...学习和理解GeoHash的原理和实现方法，对于提升PHP开发者在地图应用开发中的能力至关重要。

    共享单车案例

    【共享单车案例】是一个结合了大数据处理和地理位置服务的实战项目，主要涉及了需求分析、GeoHash算法的应用以及数据的获取和存储。以下是该案例中的关键知识点： 1. **需求分析与流程**： - 首先，我们需要理解...

    Redis 实现“附近的人”功能

    本文将从源码角度对其算法原理进行解析，并推算查询时间复杂度。 操作命令 自Redis 3.2开始，Redis基于geohash和有序集合提供了地理位置相关功能。 Redis Geo模块包含了以下6个命令： GEOADD: 将给定的位置对象...

    滴滴LBS系统架构实践

    - **编码机制**：介绍Geohash算法的基本原理和应用场景。 - **索引结构**：使用R-tree等数据结构来加速位置信息的查询效率。 - **服务性能**：支持每秒超过3万次查询请求，平均响应时间控制在10毫秒以内。 ##### 五...

    Redis 笔记.pdf

    Redis的Geo功能包括GeoHash算法，它将地球编码为哈希值，并可以在Redis中使用。Scan命令允许遍历数据库中的键，有多种用法和原理。 Redis作为一个单线程的数据库，却可以处理高并发，其奥秘在于其使用了非阻塞IO，...

Magicbox
Global site tag (gtag.js) - Google Analytics