php根据地址的经纬度查询周围的城市例子

WBOY

Freigeben： 2016-05-26 08:19:50

Original

1792 Leute haben es durchsucht

目前的工作是需要对用户的一些数据进行分析,每个用户都有若干条记录,每条记录中有用户的一个位置,是用经度和纬度表示的.

还有一个给定的数据库,存储的是一些已知地点以及他们的经纬度,内有43W多条的数据,现在需要拿用户的经纬度和已知地点进行距离匹配,如果它们之间的距离小于一定的数据,比如说500米,就认为用户是在这个地点.

MYSQL本身是支持空间索引的,但是在5.x的版本中,取消了对Distance()和Related()的支持,无法使用空间的距离函数去直接去查询距离在一定范围内的点,所以,我首先想到的是,对每条记录,去进行遍历，跟数据库中的每一个点进行距离计算,当距离小于500米时,认为匹配,这样做确实能够得到结果,但是效率极其低下,因为每条记录都要去循环匹配40W条数据,其消耗的时间可想而知,经过记录,发现每条记录处理的时间消耗达到1700ms,针对每天上亿的数据量,这样一个处理速度,让人情何以堪啊.

我自己也有个想法,就是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,使用MBR去得出点在这个矩形内的已知记录,然后进行匹配,可惜,自己没想出能计算到四个点经纬度的方法.

意外的查询到了一个关于这个计算附近地点搜索初探,里面使用python实现了这个想法.

所以参考了一下原文中的算法,使用PHP进行了实现,实现原理也是很相似的,先算出该点周围的矩形的四个点,然后使用经纬度去直接匹配数据库中的记录.

红色部分为要求的搜索范围,绿色部分我们能间接得到的结果范围

参考wiki百科上的一些球面计算公式：

Great-circle distance

Haversine formula

假设已知点的经纬度分别为$lng, $lat

先实现经度范围的查询，在haversin公式中令φ1 = φ2,可得,用PHP进行计算，就是,代码如下:

//$lat 已知点的纬度

$dlng = 2 * asin(sin($distance / (2 * EARTH_RADIUS)) / cos(deg2rad($lat)));

$dlng = rad2deg($dlng);//转换弧度

然后是纬度范围的查询,在haversin公式中令 Δλ = 0，可得,在PHP中进行计算,就是代码如下:

$dlat = $distance/EARTH_RADIUS;//EARTH_RADIUS地球半径

$dlat = rad2deg($dlat);//转换弧度

最后,就可以得出四个点的坐标:

left-top : (lat + dlat, lng – dlng) 
right-top : (lat + dlat, lng + dlng) 
left-bottom : (lat – dlat, lng – dlng) 
right-bottom: (lat – dlat, lng + dlng)

Nach dem Login kopieren

我把以上方法写成了一个函数,综合起来就是:

define(EARTH_RADIUS, 6371);//地球半径，平均半径为6371km 
 /** 
 *计算某个经纬度的周围某段距离的正方形的四个点 
 * 
 *@param lng float 经度 
 *@param lat float 纬度 
 *@param distance float 该点所在圆的半径，该圆与此正方形内切，默认值为0.5千米 
 *@return array 正方形的四个点的经纬度坐标 
 */ 
 function returnSquarePoint($lng, $lat,$distance = 0.5){ 
    $dlng =  2 * asin(sin($distance / (2 * EARTH_RADIUS)) / cos(deg2rad($lat))); 
    $dlng = rad2deg($dlng); 
    $dlat = $distance/EARTH_RADIUS; 
    $dlat = rad2deg($dlat); 
    return array( 
&#39;left-top&#39;=>array(&#39;lat&#39;=>$lat + $dlat,&#39;lng&#39;=>$lng-$dlng), 
&#39;right-top&#39;=>array(&#39;lat&#39;=>$lat + $dlat, &#39;lng&#39;=>$lng + $dlng), 
&#39;left-bottom&#39;=>array(&#39;lat&#39;=>$lat - $dlat, &#39;lng&#39;=>$lng - $dlng), 
&#39;right-bottom&#39;=>array(&#39;lat&#39;=>$lat - $dlat, &#39;lng&#39;=>$lng + $dlng) 
);
 } 
//使用此函数计算得到结果后，带入sql查询。 
$squares = returnSquarePoint($lng, $lat); 
$info_sql = "select id,locateinfo,lat,lng from `lbs_info` where lat<>0 and lat>{$squares[&#39;right-bottom&#39;][&#39;lat&#39;]} and lat<{$squares[&#39;left-top&#39;][&#39;lat&#39;]} and lng>{$squares[&#39;left-top&#39;][&#39;lng&#39;]} and lng<{$squares[&#39;right-bottom&#39;][&#39;lng&#39;]} ";

Nach dem Login kopieren

在lat和lng上建立一个联合索引后,使用此项查询,每条记录的查询消耗平均为0.8毫秒,相比以前的1700ms,真的是天壤之别啊,效率真真的是以前的2125倍~~

总结:这应该也不是效率最好的办法,但是效率比以前确实有明显的提升,请记住,总有办法更好的.

文章网址:

随意转载^^但请附上教程地址。