1. 引言
????????GeoHash本質(zhì)上是空間索引的一種方式届惋,其基本原理是將地球理解為一個(gè)二維平面髓帽,將平面遞歸分解成更小的子塊,每個(gè)子塊在一定經(jīng)緯度范圍內(nèi)擁有相同的編碼脑豹。以GeoHash方式建立空間索引郑藏,可以提高對(duì)空間poi數(shù)據(jù)進(jìn)行經(jīng)緯度檢索的效率。
2.認(rèn)識(shí)GeoHash
????????GeoHash將二維的經(jīng)緯度轉(zhuǎn)換成字符串瘩欺,比如下圖展示了北京9個(gè)區(qū)域的GeoHash字符串必盖,分別是WX4ER,WX4G2俱饿、WX4G3等等歌粥,每一個(gè)字符串代表了某一矩形區(qū)域。也就是說拍埠,這個(gè)矩形區(qū)域內(nèi)所有的點(diǎn)(經(jīng)緯度坐標(biāo))都共享相同的GeoHash字符串失驶,這樣既可以保護(hù)隱私(只表示大概區(qū)域位置而不是具體的點(diǎn)),又比較容易做緩存械拍。
????????Geohash編碼中突勇,字符串相似的表示距離相近(特殊情況后文闡述),這樣可以利用字符串的前綴匹配來查詢附近的POI信息坷虑。如下兩個(gè)圖所示甲馋,一個(gè)在城區(qū),一個(gè)在郊區(qū)迄损,城區(qū)的GeoHash字符串之間比較相似定躏,郊區(qū)的字符串之間也比較相似,而城區(qū)和郊區(qū)的GeoHash字符串相似程度要低些芹敌。此外痊远,不同的編碼長(zhǎng)度,表示不同的范圍區(qū)間氏捞,字符串越長(zhǎng)碧聪,表示的范圍越精確。
3.?GeoHash算法
????????以經(jīng)緯度值:(116.389550液茎, 39.928167)進(jìn)行算法說明逞姿,對(duì)緯度39.928167進(jìn)行逼近編碼 (地球緯度區(qū)間是[-90,90]
????a. 區(qū)間[-90,90]進(jìn)行二分為[-90,0),[0,90],稱為左右區(qū)間捆等,可以確定39.928167屬于右區(qū)間[0,90]滞造,給標(biāo)記為1
????b. 接著將區(qū)間[0,90]進(jìn)行二分為 [0,45),[45,90],可以確定39.928167屬于左區(qū)間 [0,45)栋烤,給標(biāo)記為0
????c. 遞歸上述過程39.928167總是屬于某個(gè)區(qū)間[a,b]谒养。隨著每次迭代區(qū)間[a,b]總在縮小,并越來越逼近39.928167
? ? d. 如果給定的緯度x(39.928167)屬于左區(qū)間明郭,則記錄0买窟,如果屬于右區(qū)間則記錄1丰泊,序列的長(zhǎng)度跟給定的區(qū)間劃分次數(shù)有關(guān),如下圖
????????e. 同理始绍,地球經(jīng)度區(qū)間是[-180,180]趁耗,可以對(duì)經(jīng)度116.389550進(jìn)行編碼。通過上述計(jì)算疆虚, 緯度產(chǎn)生的編碼為1 1 0 1 0 0 1 0 1 1 0 0 0 1 0苛败,經(jīng)度產(chǎn)生的編碼為1 0 1 1 1 0 0 0 1 1 0 0 0 ?1 1
????????f. 合并:偶數(shù)位放經(jīng)度,奇數(shù)位放緯度径簿,把2串編碼組合生成新串如下圖
????????g. 首先將11100 11101 00100 01111 0000 ?01101轉(zhuǎn)成十進(jìn)制罢屈,對(duì)應(yīng)著28、29篇亭、4缠捌、15,0译蒂,13 十進(jìn)制對(duì)應(yīng)的base32編碼就是wx4g0e,如下圖.
? ? ? ? ?h. 同理曼月,將編碼轉(zhuǎn)換成經(jīng)緯度的解碼算法與之相反
4.?GeoHash原理
????????Geohash其實(shí)就是將整個(gè)地圖或者某個(gè)分割所得的區(qū)域進(jìn)行一次劃分,由于采用的是base32編碼方式,即Geohash中的每一個(gè)字母或者數(shù)字(如wx4g0e中的w)都是由5bits組成(2^5 = 32,base32)执虹,這5bits可以有32中不同的組合(0~31),這樣我們可以將整個(gè)地圖區(qū)域分為32個(gè)區(qū)域聪姿,通過00000 ~ 11111來標(biāo)識(shí)這32個(gè)區(qū)域。第一次對(duì)地圖劃分后的情況如下圖所示(每個(gè)區(qū)域中的編號(hào)對(duì)應(yīng)于該區(qū)域所對(duì)應(yīng)的編碼)乙嘀。
????????Geohash的0末购、1串序列是經(jīng)度0、1序列和緯度0虎谢、1序列中的數(shù)字交替進(jìn)行排列的盟榴,偶數(shù)位對(duì)應(yīng)的序列為經(jīng)度序列,奇數(shù)位對(duì)應(yīng)的序列為緯度序列婴噩,在進(jìn)行第一次劃分時(shí)擎场,Geohash0、1序列中的前5個(gè)bits(11100)讳推,那么這5bits中有3bits是表示經(jīng)度顶籽,2bits表示緯度玩般,所以第一次劃分時(shí)银觅,是將經(jīng)度劃分成8個(gè)區(qū)段(2^3 = 8),將緯度劃分為4個(gè)區(qū)段(2^2 = 4)坏为,這樣就形成了32個(gè)區(qū)域究驴。如下圖
????????同理镊绪,可以按照第一次劃分所采用的方式對(duì)第一次劃分所得的32個(gè)區(qū)域各自再次劃分。
5.??GeoHash缺陷
????????上文講了GeoHash的計(jì)算步驟洒忧,僅僅說明是什么而沒有說明為什么蝴韭?為什么分別給經(jīng)度和維度編碼?為什么需要將經(jīng)緯度兩串編碼交叉組合成一串編碼熙侍?本節(jié)試圖回答這一問題榄鉴。
????????如圖所示,我們將二進(jìn)制編碼的結(jié)果填寫到空間中蛉抓,當(dāng)將空間劃分為四塊時(shí)候庆尘,編碼的順序分別是左下角00,左上角01巷送,右下腳10驶忌,右上角11,也就是類似于Z的曲線笑跛,當(dāng)我們遞歸的將各個(gè)塊分解成更小的子塊時(shí)付魔,編碼的順序是自相似的(分形),每一個(gè)子快也形成Z曲線飞蹂,這種類型的曲線被稱為Peano空間填充曲線几苍。
????????這種類型的空間填充曲線的優(yōu)點(diǎn)是將二維空間轉(zhuǎn)換成一維曲線(事實(shí)上是分形維),對(duì)大部分而言陈哑,編碼相似的距離也相近擦剑,但Peano空間填充曲線最大的缺點(diǎn)就是突變性,有些編碼相鄰但距離卻相差很遠(yuǎn)芥颈,比如0111與1000惠勒,編碼是相鄰的,但距離相差很大爬坑。
????????除Peano空間填充曲線外纠屋,還有很多空間填充曲線,如圖所示盾计,其中效果公認(rèn)較好是Hilbert空間填充曲線售担,相較于Peano曲線而言,Hilbert曲線沒有較大的突變署辉。但是由于Peano曲線實(shí)現(xiàn)更加簡(jiǎn)單族铆,在使用的時(shí)候配合一定的解決手段,可以很好的滿足大部分需求哭尝,因此TD內(nèi)部Geohash算法采用的是Peano空間填充曲線哥攘。
6.?使用注意點(diǎn)
? ? a.?由于GeoHash是將區(qū)域劃分為一個(gè)個(gè)規(guī)則矩形,并對(duì)每個(gè)矩形進(jìn)行編碼,這樣在查詢附近POI信息時(shí)會(huì)導(dǎo)致以下問題逝淹,比如紅色的點(diǎn)是我們的位置耕姊,綠色的兩個(gè)點(diǎn)分別是附近的兩個(gè)餐館,但是在查詢的時(shí)候會(huì)發(fā)現(xiàn)距離較遠(yuǎn)餐館的GeoHash編碼與我們一樣(因?yàn)樵谕粋€(gè)GeoHash區(qū)域塊上)栅葡,而較近餐館的GeoHash編碼與我們不一致茉兰。這個(gè)問題往往產(chǎn)生在邊界處。
????????解決的思路很簡(jiǎn)單欣簇,我們查詢時(shí)规脸,除了使用定位點(diǎn)的GeoHash編碼進(jìn)行匹配外,還使用周圍8個(gè)區(qū)域的GeoHash編碼熊咽,這樣可以避免這個(gè)問題燃辖。
????b.?我們已經(jīng)知道現(xiàn)有的GeoHash算法使用的是Peano空間填充曲線,這種曲線會(huì)產(chǎn)生突變网棍,造成了編碼雖然相似但距離可能相差很大的問題黔龟,因此在查詢附近餐館時(shí)候,首先篩選GeoHash編碼相似的POI點(diǎn)滥玷,然后進(jìn)行實(shí)際距離計(jì)算氏身。
? ? c.?GeoHash Base32編碼長(zhǎng)度與精度』蟪耄可以看出蛋欣,當(dāng)geohash base32編碼長(zhǎng)度為8時(shí),精度在19米左右如贷,而當(dāng)編碼長(zhǎng)度為9時(shí)陷虎,精度在2米左右,編碼長(zhǎng)度需要根據(jù)數(shù)據(jù)情況進(jìn)行選擇杠袱。
7.?計(jì)算圍欄內(nèi)所有Geohash
????????理解了geohash算法的基本原理之后尚猿,本節(jié)將介紹一個(gè)實(shí)際應(yīng)用中常見的場(chǎng)景:計(jì)算圍欄范圍內(nèi)所有的Geohash編碼。該場(chǎng)景封裝為函數(shù)可以表示如下:輸入組成圍欄的點(diǎn)經(jīng)緯度坐標(biāo)集合和指定的geohash長(zhǎng)度楣富,輸出一組geohash編碼凿掂。
????????public static Set getHashByFence(List points, int length)
????????具體算法步驟如下:
1. 輸入圍欄點(diǎn)坐標(biāo)集合List points和指定的geohash長(zhǎng)度length
2. 計(jì)算圍欄的外包矩形的左上角和右下角坐標(biāo)lat_min、lat_max纹蝴、lng_min庄萎、lng_max
3. 根據(jù)lat_min、lat_max塘安、lng_min糠涛、lng_max,計(jì)算外包矩形對(duì)角定點(diǎn)的距離d
4. 以外包矩形中心點(diǎn)為圓心兼犯,以d/2為半徑做一個(gè)圓忍捡,計(jì)算圓覆蓋范圍內(nèi)的geohash
????4.1 獲取圓的外包矩形左上角和右下角定點(diǎn)坐標(biāo)經(jīng)緯度集漾,存儲(chǔ)到double[] locs
????4.2 根據(jù)geohash字符長(zhǎng)度計(jì)算該長(zhǎng)度geohash編碼對(duì)應(yīng)的經(jīng)緯度間隔(latA,lngA)
????4.3 根據(jù)latA和lngA,計(jì)算出locs組成的矩形的左上角和右下角定點(diǎn)的經(jīng)緯度锉罐,在geohash劃分的網(wǎng)格的索引(也就是第幾個(gè)),分別記為lat_min,lat_max绕娘,lng_min脓规,lng_max
????4.4 計(jì)算lat_min,lat_max险领,lng_min侨舆,lng_max對(duì)應(yīng)范圍內(nèi)左右geohash的二進(jìn)制編碼,然后將經(jīng)緯度二進(jìn)制編碼uncode為geohash字符編碼绢陌,保存為Set sets
5. 剔除sets中g(shù)eohash編碼對(duì)應(yīng)矩形的中心點(diǎn)不在points圍欄范圍內(nèi)的geohash挨下,得到最終的geohash結(jié)果集