Cpp五条

这个屌丝很懒，什么也没留下！

热门标签

geohash算法原理及实现方式 1、geohash特点_geohash6位7位区别

作者：Cpp五条 | 2024-02-25 04:23:59

踩

geohash6位7位区别

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#：

 
     
   
  C#版本的geohash代 
    
      
    
using System;

namespace sharonjl.utils
{
   public static class Geohash
   {
       #region Direction enum

       public enum Direction
       {
           Top = 0,
           Right = 1,
           Bottom = 2,
           Left = 3 
       }

       #endregion

       private const string Base32 = "0123456789bcdefghjkmnpqrstuvwxyz";
       private static readonly int[] Bits = new[] {16, 8, 4, 2, 1};

       private static readonly string[][] Neighbors = {
                                                          new[]
                                                              {
                                                                  "p0r21436x8zb9dcf5h7kjnmqesgutwvy", // Top
                                                                  "bc01fg45238967deuvhjyznpkmstqrwx", // Right
                                                                  "14365h7k9dcfesgujnmqp0r2twvyx8zb", // Bottom
                                                                  "238967debc01fg45kmstqrwxuvhjyznp", // Left
                                                              }, new[]
                                                                     {
                                                                         "bc01fg45238967deuvhjyznpkmstqrwx", // Top
                                                                         "p0r21436x8zb9dcf5h7kjnmqesgutwvy", // Right
                                                                         "238967debc01fg45kmstqrwxuvhjyznp", // Bottom
                                                                         "14365h7k9dcfesgujnmqp0r2twvyx8zb", // Left
                                                                     }
                                                      };

       private static readonly string[][] Borders = {
                                                        new[] {"prxz", "bcfguvyz", "028b", "0145hjnp"},
                                                        new[] {"bcfguvyz", "prxz", "0145hjnp", "028b"}
                                                    };

       public static String CalculateAdjacent(String hash, Direction direction)
       {
           hash = hash.ToLower();

           char lastChr = hash[hash.Length - 1];
           int type = hash.Length%2;
           var dir = (int) direction;
           string nHash = hash.Substring(0, hash.Length - 1);

           if (Borders[type][dir].IndexOf(lastChr) != -1)
           {
               nHash = CalculateAdjacent(nHash, (Direction) dir);
           }
           return nHash + Base32[Neighbors[type][dir].IndexOf(lastChr)];
       }

       public static void RefineInterval(ref double[] interval, int cd, int mask)
       {
           if ((cd & mask) != 0)
           {
               interval[0] = (interval[0] + interval[1])/2;
           }
           else
           {
               interval[1] = (interval[0] + interval[1])/2;
           }
       }

       public static double[] Decode(String geohash)
       {
           bool even = true;
           double[] lat = {-90.0, 90.0};
           double[] lon = {-180.0, 180.0};

           foreach (char c in geohash)
           {
               int cd = Base32.IndexOf(c);
               for (int j = 0; j < 5; j++)
               {
                   int mask = Bits[j];
                   if (even)
                   {
                       RefineInterval(ref lon, cd, mask);
                   }
                   else
                   {
                       RefineInterval(ref lat, cd, mask);
                   }
                   even = !even;
               }
           }

           return new[] {(lat[0] + lat[1])/2, (lon[0] + lon[1])/2};
       }

       public static String Encode(double latitude, double longitude, int precision = 12)
       {
           bool even = true;
           int bit = 0;
           int ch = 0;
           string geohash = "";

           double[] lat = {-90.0, 90.0};
           double[] lon = {-180.0, 180.0};

           if (precision < 1 || precision > 20) precision = 12;

           while (geohash.Length < precision)
           {
               double mid;

               if (even)
               {
                   mid = (lon[0] + lon[1])/2;
                   if (longitude > mid)
                   {
                       ch |= Bits[bit];
                       lon[0] = mid;
                   }
                   else
                       lon[1] = mid;
               }
               else
               {
                   mid = (lat[0] + lat[1])/2;
                   if (latitude > mid)
                   {
                       ch |= Bits[bit];
                       lat[0] = mid;
                   }
                   else
                       lat[1] = mid;
               }

               even = !even;
               if (bit < 4)
                   bit++;
               else
               {
                   geohash += Base32[ch];
                   bit = 0;
                   ch = 0;
               }
           }
           return geohash;
       }
   }
} 
      
    
C#代码来自：https://github.com/sharonjl/geohash-net
 
     
   

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。

Geohash，如果geohash的位数是6位数的时候，大概为附近1千米…

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

作者：划风

邮箱：emaisi@hotmail.com

微博： http://weibo.com/dxl0321

博客： http://www.cnblogs.com/dengxinglin/

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利.

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Cpp五条/article/detail/138605