本文實例講述了PHP進階學習之Geo的地圖定位算法。分享給大家供大家參考，具體如下：

前言

日常開發中我們經常需要查找某個物體的定位,或者查找附近的范圍等，我們自然而然會想到的方法就是利用各種提供服務的地圖網站的API，基于API，用經緯度去實現定位和查找附近范圍等等。然而，由于原理沒有做一個了解和一定的認識，在對比距離遠近關系或者控制精確程度方面，我們并不了解怎么利用這些經緯度數值去實現距離轉化和對比。本章節我們就來探討一下基于geo的位置算法原理。

概念

1. 緯線：緯線是與地軸垂直的線，著東西方向環繞地球一周，所有的緯度都是平行的。其中，赤道是最長的緯線，緯度為0度，緯線數值是角度數值，從赤道開始分為北緯和南緯，都是0-90°；
2. 經線：地球儀上的豎線，是連接南北兩極并且與緯線垂直相交的半圓，子午線為0°，分為西經和東經，都是0-180°，經線也是角度數值；
3. 經緯線和米的換算：經度或者緯度0.00001度，約等于1米，這個在GPS測算距離的時候可以體會到，GPS只要精確到小數點后五位，就是10米范圍內的精度；
4. 為了便于理解，將地球看成一個基于經緯度線的坐標系。經度范圍為-180~180°，緯度范圍為-90~90°，地球上任意一點都可以用經緯度這樣兩個維度去唯一確定。

在實際應用中，如果要用兩個維度去確定一個點，則計算量會很大，因為一個二維確定一個平面，如果我們把二維平面上的所有點都用一個數字表示，即經緯度換算成一個字符串，則可以轉為一維坐標來表示，大大減少計算量。這就是現在應用廣泛的geoHash。

geoHash：Geohash是公共領域地理編碼系統，它將地理位置編碼為一串字母和數字。Geohash提供了像任意精度這樣的屬性，以及逐漸從代碼末尾刪除字符以減小其大小（并逐漸失去精度）的可能性。由于逐步精度下降的結果，附近的地方往往（但不總是）呈現類似的前綴。共享前綴越長，兩個地方越接近。

原理

能將一個地球上的點表示成一串字母，并且相近的地點字母的共同前綴越多。這能讓位置搜索在開發中變得很容易。它的原理就是依據上述說的geoHash值。下面就來詳細說明geoHash值是怎么算出來的：

1. 根據經緯度計算GeoHash二進制編碼（以經緯度值：(116.389550,39.928167)進行算法說明）
2. 先計算緯度二進制：
   2.1 區間[-90,90]進行二分為[-90,0),[0,90]，稱為左右區間，可以確定39.928167屬于右區間[0,90]，給標記為1；
   2.2 接著將區間[0,90]進行二分為 [0,45),[45,90]，可以確定39.928167屬于左區間 [0,45)，給標記為0；
   2.3 遞歸上述過程39.928167總是屬于某個區間[a,b]。隨著每次迭代區間[a,b]總在縮小，并越來越逼近39.928167；
   2.4 這樣隨著算法的進行會產生一個序列1011100011的緯度二進制編碼；

3. 同理，計算出地球經度二進制，區間是[-180,180]，可以對經度116.389550進行編碼。算出結果1101001011；

4. 組碼：通過上述計算，緯度產生的編碼為10111 00011，經度產生的編碼為11010 01011。偶數位放經度，奇數位放緯度，把2串編碼組合生成新串：11100 11101 00100 01111。
5. 使用用0-9、b-z（去掉a, i, l, o）這32個字母進行base32編碼，首先將11100 11101 00100 01111轉成十進制，對應著28、29、4、15，十進制對應的編碼就是wx4g。

Geohash其實就是將整個地圖或者某個分割所得的區域進行一次劃分，由于采用的是base32編碼方式，即Geohash中的每一個字母或者數字（如wx4g0e中的w）都是由5bits組成（2^5 = 32，base32），這5bits可以有32中不同的組合（0~31），這樣我們可以將整個地圖區域分為32個區域，通過00000 ~ 11111來標識這32個區域。第一次對地圖劃分后的情況如下圖所示（每個區域中的編號對應于該區域所對應的編碼）：
進行多次分解后，我們就可以得到更精確的位置劃分，如上述計算的wx4g已經可以精確到一個城市城區了：
從上圖中可以看出，相鄰城區的geoHash值的共同前綴越多，由此我們就可以應用共同前綴來判斷附近相鄰的位置了。當然精確范圍也是根據經緯度和hash值的范圍來確定的，如下表，geo精確到8位的共同前綴，可以表示附近約20米內的范圍了：

在PHP中的實現與應用

在了解了geo的位置算法原理后，PHP開發過程中我們便可以使用這一定位功能，目前解決位置定位和搜索功能的方案有很多種，基于PHP的，從本人自身實踐中推薦一下幾種：

1. 利用現成的地圖API實現geo定位、搜索范圍、計算距離等功能，如國內的百度、高德等，很多免費API可以使用；如需更大更精確的范圍，可以使用google的geo api，缺點就是每日請求次數有限制，如果是企業級別的應用，付費增加請求次數的允許權限是必不可少的。可查閱鏈接：https://developers.google.com/maps/documentation/geocoding/start
2. 通過NoSQL存儲組件實現定位運算和存儲：由于我們經常在計算了定位數據之后要把數據落地，所以目前行業內已經有了很多存儲組件提供了直接計算和存儲的方案，如MongoDB，適合在國內云平臺直接使用。如果是AWS平臺，也提供了dynamodb這種NoSQL存儲組件。這些存儲組件均可以直接傳入經緯度，自動換算為geoHash落地存儲，也提供了直接計算距離，搜索范圍數據返回的功能。
3. 本地部署服務器可用Redis：在Redis3.2版本之后，已經提供了GEO的運算、搜索和落地功能，可以結合新版本的php-redis擴展實現geo的方法。參考鏈接：http://www.redis.cn/commands.html，在PHP中實現對redis的geo操作，可以參考GitHub上面已經提供了的方法說明：https://github.com/phpredis/phpredis。redis其實是封裝了方法計算經緯度參數，換算成geohash值作為Zset的Score存入Zset中，所以也可以將其當做一個普通的Zset進行操作。
   實際應用中我們常常以商品、人物作為value值，以geohash值作為score，這樣就可以搜索一定范圍內score內的人或事物了。如搜索一定半徑內的value：

$redis->geoRadius($key, $longitude, $latitude, $radius, $unit [, Array $options]);

4. 利用PHP進行原生geoHash計算：這種方式計算較為復雜，即是根據geoHash原理，用PHP語言實現了這一算法，也通過PHP計算距離，搜索半徑等。相當于重新造了個輪子，當然如果業務復雜度較高，也有必要進行PHP對GeoHash算法的支持，或者自行封裝Geo類。在此推薦GitHub上面一個比較完善的PHP-GEO支持：https://github.com/geocoder-php/Geocoder
   或者如果只需要計算GeoHash值，可以使用網上廣泛轉發的一個計算Hash值的PHP方法：

private $coding = '0123456789bcdefghjkmnpqrstuvwxyz';
/**
* calculate geoHash by longitude and latitude
* @param $lat
* @param $long
* @return string
*/
public function calcGeoHash($lat,$long)
{
$plat=$this->precision($lat);
$latbits=1;
$err=45;
while($err>$plat)
{
$latbits++;
$err/=2;
}
$plong=$this->precision($long);
$longbits=1;
$err=90;
while($err>$plong)
{
$longbits++;
$err/=2;
}
$bits=max($latbits,$longbits);
$longbits=$bits;
$latbits=$bits;
$addlong=1;
while (($longbits+$latbits)%5 != 0)
{
$longbits+=$addlong;
$latbits+=!$addlong;
$addlong=!$addlong;
}
$blat=$this->binEncode($lat,-90,90, $latbits);
$blong=$this->binEncode($long,-180,180,$longbits);
$binary='';
$uselong=1;
while (strlen($blat)+strlen($blong))
{
if ($uselong)
{
$binary=$binary.substr($blong,0,1);
$blong=substr($blong,1);
}
else
{
$binary=$binary.substr($blat,0,1);
$blat=substr($blat,1);
}
$uselong=!$uselong;
}
$hash='';
for ($i=0; $istrlen($binary); $i+=5)
{
$n=bindec(substr($binary,$i,5));
$hash=$hash.$this->coding[$n];
}
return $hash;
}
/**
* @param $number
* @return float|int
*/
private function precision($number)
{
$precision=0;
$pt=strpos($number,'.');
if ($pt!==false)
{
$precision=-(strlen($number)-$pt-1);
}
return pow(10,$precision)/2;
}
/**
* @param $number
* @param $min
* @param $max
* @param $bitcount
* @return string
*/
private function binEncode($number, $min, $max, $bitcount)
{
if ($bitcount==0)
return '';
$mid=($min+$max)/2;
if ($number>$mid)
return '1'.$this->binEncode($number, $mid, $max,$bitcount-1);
else
return '0'.$this->binEncode($number, $min, $mid,$bitcount-1);
}

總結

GeoHash算法是一種將二維坐標換算成一位字符串的算法，可以通過不同字符串的共同前綴來判斷相距遠近。在日常業務中也常常需要用到，本文也介紹了不同的實現方法，具體實現方案還需以實際業務需要為準。如果屬于精確度要求很高或者企業級的大規模應用，可以首先考慮MongoDB或者其他提供Geo功能的存儲組件，如果較為輕量級，可以借助第三方地區API、或者利用redis做geo的簡單應用。如果業務需求復雜度不高，在這里并不推薦直接使用PHP寫，畢竟效率會比較低，而且這也不是業務關注的重點，所以沒必要重新造輪子。

更多關于PHP相關內容感興趣的讀者可查看本站專題：《php面向對象程序設計入門教程》、《PHP數組(Array)操作技巧大全》、《PHP基本語法入門教程》、《PHP運算與運算符用法總結》、《php字符串(string)用法總結》、《php+mysql數據庫操作入門教程》及《php常見數據庫操作技巧匯總》

希望本文所述對大家PHP程序設計有所幫助。