LBS附近地点搜索算法资料集合

最新推荐文章于 2025-04-25 15:59:40 发布

幸福男孩

最新推荐文章于 2025-04-25 15:59:40 发布

阅读量1.8k

点赞数

分类专栏： php 文章标签：算法 lbs 维基百科 php

php 专栏收录该内容

91 篇文章

订阅专栏

本文介绍了两种高效的附近地点搜索方法：一种基于球面距离的Haversine公式，适用于小型应用；另一种利用Geohash算法，适合大数据量场景。通过具体实例展示了如何计算地理坐标间的距离。

方法一：基于球面距离搜索附近地点

附近地点搜索初探

点评：需要使用2个字段进行查询，查询效率差，适用于数据量较少的小型应用。

Haversine formula - Wikipedia

维基百科推荐使用 Haversine 公式计算球面距离

Great-circle distance - Wikipedia

方法二：基于Geohash算法搜索附近地点

geohash：用字符串实现附近地点搜索

点评：精度可控，使用单字段字符串前缀查询，查询效率较高，适用于大数据的应用。

其它方法：

MySQL中的空间扩展

//
// 使用 Haversine 公式计算两个地理坐标点之间的球面距离。
//
// 参数说明:
// $lat1        点1的纬度值，单位：degree
// $lng1        点1的经度值，单位：degree
// $lat2        点2的纬度值，单位：degree
// $lng2        点2的经度值，单位：degree
//
// 返回值：两点之间的球面距离，单位: km
//
function haversine_distance($lat1, $lng1, $lat2, $lng2) {
  $EARTH_RADIUS = 6371.00;   // 地球平均半径，6371km
  
  // 角度转换成弧度
  $rlat1 = deg2rad($lat1);
  $rlng1 = deg2rad($lng1);
  $rlat2 = deg2rad($lat2);
  $rlng2 = deg2rad($lng2);
  
  $rlat_diff = abs($rlat1 - $rlat2);
  $rlng_diff = abs($rlng1 - $rlng2);
  
  $h = pow(sin($rlat_diff/2), 2) + cos($rlat1) * cos($rlat2) * pow(sin($rlng_diff/2), 2);
  return 2 * $EARTH_RADIUS * asin(sqrt($h));
}

//
// 根据到中心点的距离计算东西两侧的经度边界范围，采用 Haversine 公式计算。
//
// 参数说明：
// $lat         中心点的纬度，单位：degree
// $lng         中心点的经度，单位：degree
// $distance    到中心点的距离，单位：km
// 
// 返回值: array($lat_diff, $lng_diff)
// $lat_diff    到中心点的纬度边界范围，单位: degree
// $lng_diff    到中心点的纬度边界范围，单位: degree
//
function lbs_haversine_diff($lat, $lng, $distance) {
  $EARTH_RADIUS = 6371.00;   // 地球平均半径，6371km
  
  // 纬度边界
  $rlat_diff = $distance / $EARTH_RADIUS;
  $dlat_diff = rad2deg($rlat_diff);
  
  // 经度边界
  $rlat = deg2rad($lat);
  $rlng_diff = 2 * asin( sin($distance / (2 * $EARTH_RADIUS)) / cos($rlat) );
  $dlng_diff = rad2deg($rlng_diff);
  
  return array($dlat_diff, $dlng_diff);
}