本文介绍AQL如何支持地理空间数据的查询，由纬度和经度组成的地理空间坐标可以存储为两个单独的属性，也可以存储为单个属性，该属性是两个值的数组。 ArangoDB 可以索引这些坐标以快速查询地理空间。

准备位置数据

为了简单，我们仍然使用之前已建立的 school 数据库（也可以单独建立新的数据库），在其中建立新的集合，用以存储《权利的游戏》拍摄地点数据.

from pyArango.connection import *

conn = Connection(username="root", password="")
db = conn['school'] # 仍然使用school数据库

# 建立名为 Locations 的普通文档集合
db.createCollection(name="Locations")

insert_query = """
LET places = [
    { "name": "Dragonstone", "coordinate": [ 55.167801, -6.815096 ] },
    { "name": "King's Landing", "coordinate": [ 42.639752, 18.110189 ] },
    { "name": "The Red Keep", "coordinate": [ 35.896447, 14.446442 ] },
    { "name": "Yunkai", "coordinate": [ 31.046642, -7.129532 ] },
    { "name": "Astapor", "coordinate": [ 31.50974, -9.774249 ] },
    { "name": "Winterfell", "coordinate": [ 54.368321, -5.581312 ] },
    { "name": "Vaes Dothrak", "coordinate": [ 54.16776, -6.096125 ] },
    { "name": "Beyond the wall", "coordinate": [ 64.265473, -21.094093 ] }
]


FOR place IN places
    INSERT place INTO Locations
"""

db.AQLQuery(insert_query)

随后验证插入的数据，共插入8条位置数据：

all_locations_names = """
FOR p IN Locations
    RETURN p.name
"""

query_result = db.AQLQuery(all_locations_names, rawResults=True)
for doc in  query_result:
    print(doc)

地理空间索引

为了能基于坐标查询，需先建立geo索引, 指定哪个字段存着经纬度数据：

db["Locations"].ensureGeoIndex(["coordinate"])

寻找附近位置

原点（参考点）是爱尔兰都柏林市中心某处的坐标, 寻找离它最近的3处拍摄地：

# 本示例中的 NEAR函数，官方已不再推荐
near_locations_names = """
FOR loc IN NEAR(Locations, 53.35, -6.26, 3, "distance")
    RETURN {
        name: loc.name,
        latitude: loc.coordinate[0],
        longitude: loc.coordinate[1],
        distance: loc.distance
    }
"""

query_result = db.AQLQuery(near_locations_names, rawResults=True)
for doc in  query_result:
    print(doc)
    
# 输出：距离以m为单位，由近到远的顺序输出
{'name': 'Vaes Dothrak', 'latitude': 54.16776, 'longitude': -6.096125, 'distance': 91566.58640314484}

{'name': 'Winterfell', 'latitude': 54.368321, 'longitude': -5.581312, 'distance': 121663.99816395003}

{'name': 'Dragonstone', 'latitude': 55.167801, 'longitude': -6.815096, 'distance': 205318.79386198273}

官网最新说明显示，NEAR（）函数在3.4版本后不再推荐，官方建议使用DISTANCE（），见下图：

查找指定半径内的位置

使用WITHIN()，可以搜索以参考点为中心，指定半径内的位置，区别在于第4个参数是用户指定的半径，单位是米，示例中以200KM为例（即200,000m)

within_locations_names = """
FOR loc IN WITHIN(Locations, 53.35, -6.26, 200*1000, "distance")
    RETURN {
        name: loc.name,
        latitude: loc.coordinate[0],
        longitude: loc.coordinate[1],
        distance: loc.distance
    }
"""

query_result = db.AQLQuery(within_locations_names, rawResults=True)
for doc in  query_result:
    print(doc)


# 输出
{'name': 'Vaes Dothrak', 'latitude': 54.16776, 'longitude': -6.096125, 'distance': 91566.58640314484}
{'name': 'Winterfell', 'latitude': 54.368321, 'longitude': -5.581312, 'distance': 121663.99816395003}

同样的，官网在3.4版本之后，也不再推荐使用WITHIN()函数：

计算距离

最后介绍官方目前推荐使用的DISTANCE（）函数，它使用基于球形地球模型的半正弦公式（haversine formula）计算两个任意坐标之间以米为单位的距离，该函数计算速度很快，能精确到 0.3% 左右，这对于大多数场景（例如位置感知服务）来说已经足够了。

若使用DISTANCE()实现刚才WITHIN()的功能，则AQL可以这么写：

within_locations_names = """
FOR doc IN Locations
    LET d = DISTANCE(doc.coordinate[0], doc.coordinate[1], 53.35, -6.26)
    FILTER d / 1000 <= 200
    SORT d ASC
    RETURN {
        name: doc.name,
        latitude: doc.coordinate[0],
        longitude: doc.coordinate[1],
        distance: d / 1000
    }
"""

query_result = db.AQLQuery(within_locations_names, rawResults=True)
for doc in  query_result:
    print(doc)


# 输出，本次以KM为单位
{'name': 'Vaes Dothrak', 'latitude': 54.16776, 'longitude': -6.096125, 'distance': 91.56658640314484}
{'name': 'Winterfell', 'latitude': 54.368321, 'longitude': -5.581312, 'distance': 121.66399816395003}

同理，使用DISTANCE()实现刚才NEAR()的功能，代码如下：

near_locations = """
FOR doc IN Locations
    LET d = DISTANCE(doc.coordinate[0], doc.coordinate[1], 53.35, -6.26)
    SORT d ASC
    LIMIT 3
    RETURN {
        name: doc.name,
        latitude: doc.coordinate[0],
        longitude: doc.coordinate[1],
        distance: d / 1000
    }
"""

query_result = db.AQLQuery(near_locations, rawResults=True)
for doc in  query_result:
    print(doc)