LBS 调研整理

一颗白菜
1,906 阅读3分钟

应用服务

地理逆编码

参考：
如何设计实现一个地址反解析服务？
延伸思考：

  1. 如果导入开源OSM矢量数据，如何对比出错误的矢量数据？
  2. 采用 Geohash地理编码（即栅格方案），运用文中有效栅格的思想，由于一个栅格里面可能处于行政边界之上（即跨行政区），那么一个栅格的细粒度如何规划？

地理围栏

参考：
地理围栏算法解析
射线法判断点是否在多边形上
延伸思考:

  1. 采用R树索引。

    1.1. 先对地理围栏做R树索引，缩小遍历范围；
    1.2. 遍历围栏，判断点在多边形上。
    1.3. 对围栏边界做R树索引，最后对R树粗筛后的边进行精确求交判断。

  2. java R树实现？

索引

hash索引

快速便利索引定位，时间复杂度为O(1)
等值判断查询
不提供范围查询
索引数量不宜多

  • Geohash：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。

    • 特点：

    Geohash表示的是一个矩形区域。长度越长，精度越高。

    • 缺陷：

    方块边界点处的位置点虽然距离很近，但是却属于两个不同的Geohash编码。可以通过去搜索环绕当前方块周围的8个方块来解决该问题，会增大查询量。

树索引

  • R树：从叶子结点开始用最小矩形将空间框起来，结点越往上，框住的空间就越大，以此对空间进行分割。
    • 特点：

    可以避免 Geohash 的全量便利索引，缩小遍历范围

工具

Redis GEO

API

  • geoadd：增加某个地理位置的坐标。
  • geopos：获取某个地理位置的坐标
  • geohash：获取某个地理位置的geohash值。

计算距离：

  • geodist：获取两个地理位置的距离。

范围搜索：

  • georadius：根据给定地理位置坐标获取指定范围内的地理位置集合。

  • georadiusbymember：根据给定地理位置获取指定范围内的地理位置集合。

    可选参数：

    1. WITHCOORD：传入WITHCOORD参数，则返回结果会带上匹配位置的经纬度。
    2. WITHDIST：传入WITHDIST参数，则返回结果会带上匹配位置与给定地理位置的距离。
    3. ASC|DESC：默认结果是未排序的，传入ASC为从近到远排序，传入DESC为从远到近排序。
    4. WITHHASH：传入WITHHASH参数，则返回结果会带上匹配位置的hash值。
    5. COUNT count：传入COUNT参数，可以返回指定数量的结果。

    ex：找附近的人

    def pin(user, longitude, latitude):
    """
    记录用户的地理位置。
    """
    GEOADD('user-location-set', longitude, latitude, user)

def find_nearby(user, n):
    """
    返回指定用户附近 n 公里的所有其他用户。
    """
    return GEORADIUSBYMEMBER('user-location-set', user, n, unit='km')

空间数据库

选型： PostgreSQL，TSDB，MySQL，Elasticsearch

  • 轨迹跟踪
  • 范围搜索
  • 空间对象关系判断

开源地图服务OpenStreetMap

关于领土和国界线的数据不是很准。 解析元数据步骤很复杂。

参考

avatar
文章
阅读
粉丝