1. 共享单车GeoHash定位案例
单词:longitude(经度),latitude(维度)
数据:
1:单车信息数据,
触发事件
访问的url
时间
用户的id
经度
维度
省份
城市
区(县)
2:北京市的poi位置信息.
经度
维度
Addr
Province
District
单车数据:+位置信息
需求需求和流程分析
根据单车信息数据(经纬度信息),确定单车位置
使用GeoHash算法将poi中的数据转换成对应的geoHash值对应地理位置,
获取所有的单车数据的经纬度对应的地理位置,先从本地的地理仓库位置中获取数据,找到匹配的数据返回,如果没有数据,去官网地图获取数据,将数据存储在本地的地理位置库中
知识点:
json数据解析,HttpClient基本使用,GeoHash原理和简单使用 字符串切割 子串 数据转换
String url = "http://gc.ditu.aliyun.com/regeocoding?l=" + latitude + "," + longitude + "&type=010";
GeoHash算法基本原理
GeoHash算法的步骤
下面以北海公园为例介绍GeoHash算法的计算步骤
2.1. 根据经纬度计算GeoHash二进制编码(逼近思想)
地球纬度区间是[-90,90], 北海公园的纬度是39.928167,可以通过下面算法对纬度39.928167进行逼近编码:
1)区间[-90,90]进行二分为[-90,0),[0,90],称为左右区间,可以确定39.928167属于右区间[0,90],给标记为1;
2)接着将区间[0,90]进行二分为 [0,45),[45,90],可以确定39.928167属于左区间 [0,45),给标记为0;
3)递归上述过程39.928167总是属于某个区间[a,b]。随着每次迭代区间[a,b]总在缩小,并越来越逼近39.928167;
4)如果给定的纬度x(39.928167)属于左区间,则记录0,如果属于右区间则记录1,这样随着算法的进行会产生一个序列1011100,序列的长度跟给定的区间划分次数有关。
根据纬度算编码
bit |
min |
mid |
max |
1 |
-90.000 |
0.000 |
90.000 |
0 |
0.000 |
45.000 |
90.000 |
1 |
0.000 |
22.500 |
45.000 |
1 |
22.500 |
33.750 |
45.000 |
1 |
33.7500 |
39.375 |
45.000 |
0 |
39.375 |
42.188 |
45.000 |
0 |
39.375 |
40.7815 |
42.188 |
0 |
39.375 |
40.07825 |
40.7815 |
1 |
39.375 |
39.726625 |
40.07825 |
1 |
39.726625 |
39.9024375 |
40.07825 |
同理,地球经度区间是[-180,180],可以对经度116.389550进行编码。
根据经度算编码
bit |
min |
mid |
max |
1 |
-180 |
0.000 |
180 |
1 |
0.000 |
90 |
180 |
0 |
90 |
135 |
180 |
1 |
90 |
112.5 |
135 |
0 |
112.5 |
123.75 |
135 |
0 |
112.5 |
118.125 |
123.75 |
1 |
112.5 |
115.3125 |
118.125 |
0 |
115.3125 |
116.71875 |
118.125 |
1 |
115.3125 |
116.015625 |
116.71875 |
1 |
116.015625 |
116.3671875 |
116.71875 |
2.2. 组码
通过上述计算,纬度产生的编码为10111 00011,经度产生的编码为11010 01011。偶数位放经度,奇数位放纬度,把2串编码组合生成新串:11100 11101 00100 01111。
最后使用用0-9、b-z(去掉a, i, l, o)这32个字母进行base32编码,首先将11100 11101 00100 01111转成十进制,对应着28、29、4、15,十进制对应的编码就是wx4g。同理,将编码转换成经纬度的解码算法与之相反,具体不再赘述。
三、GeoHash Base32编码长度与精度 字符串
xw9843shd xw984nlj
可以看出,当geohash base32编码长度为8时,精度在19米左右,而当编码长度为9时,精度在2米左右,编码长度需要根据数据情况进行选择。
二维转一维
如图所示,我们将二进制编码的结果填写到空间中,当将空间划分为四块时候,编码的顺序分别是左下角00,左上角01,右下脚10,右上角11,也就是类似于Z的曲线,当我们递归的将各个块分解成更小的子块时,编码的顺序是自相似的(分形),每一个子快也形成Z曲线,这种类型的曲线被称为Peano空间填充曲线。
这种类型的空间填充曲线的优点是将二维空间转换成一维曲线(事实上是分形维),对大部分而言,编码相似的距离也相近, 但Peano空间填充曲线最大的缺点就是突变性,有些编码相邻但距离却相差很远,比如0111与1000,编码是相邻的,但距离相差很大。
除Peano空间填充曲线外,还有很多空间填充曲线,如图所示,其中效果公认较好是Hilbert空间填充曲线,相较于Peano曲线而言,Hilbert曲线没有较大的突变。为什么GeoHash不选择Hilbert空间填充曲线呢?可能是Peano曲线思路以及计算上比较简单吧,事实上,Peano曲线就是一种四叉树线性编码方式。
单车数据+规则
{"event_type":0,"page":"/pages/index/index","time":"2018-03-14 12:35:14","uid":"oDK8U0c_VZqQTMVsab9oM219vZpw","longitude":126.67032,"latitude":45.767525,"province":"黑龙江省","city":"哈尔滨市","district":"南岗区"}
{"event_type":0,"page":"/pages/recharge/recharge","money":"100","channel":"wx","time":"2018-03-14
AddList.java
public class AddrList { private String name; private String admName; @Override public String toString() { return "AddrList [name=" + name + ", admName=" + admName + "]"; } public String getName() { return name; } public void setName(String name) { this.name = name; } public String getAdmName() { return admName; } public void setAdmName(String admName) { this.admName = admName; } }
BikeBean.java
/** * 封装bikes.log数据 * @author Administrator * */ public class BikesBean { //{"event_type":0,"page":"/pages/index/index","time":"2018-03-14 12:35:14","uid":"oDK8U0c_VZqQTMVsab9oM219vZpw", //"longitude":126.67032,"latitude":45.767525,"province":"黑龙江省","city":"哈尔滨市","district":"南岗区"} private String event_type; private String page; private String time; private String uid; private double longitude; private double latitude; private String province; private String city; private String district; public String getEvent_type() { return event_type; } public void setEvent_type(String event_type) { this.event_type = event_type; } public String getPage() { return page; } public void setPage(String page) { this.page = page; } public String getTime() { return time; } public void setTime(String time) { this.time = time; } public String getUid() { return uid; } public void setUid(String uid) { this.uid = uid; } public String getProvince() { return province; } public void setProvince(String province) { this.province = province; } public String getCity() { return city; } public void setCity(String city) { this.city = city; } public String getDistrict() { return district; } public void setDistrict(String district) { this.district = district; } public double getLongitude() { return longitude; } public void setLongitude(double longitude) { this.longitude = longitude; } public double getLatitude() { return latitude; } public void setLatitude(double latitude) { this.latitude = latitude; } @Override public String toString() { return "BikesBean [event_type=" + event_type + ", page=" + page + ", time=" + time + ", uid=" + uid + ", longitude=" + longitude + ", latitude=" + latitude + ", province=" + province + ", city=" + city + ", district=" + district + "]"; } }
BilesUtil
import java.io.IOException; import org.apache.commons.httpclient.HttpClient; import org.apache.commons.httpclient.methods.GetMethod; import ch.hsr.geohash.GeoHash; public class BikesUtile { /** * 通过经纬度信息获取geohash值 * @param lng * @param lat * @return */ public static String getGeoHash(double lng, double lat) { String base32 = GeoHash.withCharacterPrecision(lat, lng, 8).toBase32(); return base32; } /** * 通过网络请求获取json数据 * @param url * @return */ public static String getJsonByUrl(String url) { HttpClient client = new HttpClient(); GetMethod method = new GetMethod(url); try { client.executeMethod(method); return method.getResponseBodyAsString(); } catch (IOException e) { e.printStackTrace(); } return null; } }
Repotery.java
import java.io.BufferedReader; import java.io.BufferedWriter; import java.io.FileInputStream; import java.io.FileWriter; import java.io.InputStreamReader; /** * 把bj_poi.csv数据转换为所需要的数据 * csv数据格式: * 每一行都是一条数据,数据数据之间使用逗号隔开 * * @author Administrator * */ public class Repotery { public static void main(String[] args) throws Exception { try { //new FileReader("E:\\data\\bj-poi-1.csv") //乱码的解决 BufferedWriter bw = new BufferedWriter(new FileWriter("D:\\a.txt")); BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream("../案例练习4/src/ch07/bikes.log"), "gbk")); String line = null; //孔化营东区19号楼,地名地址信息;门牌信息;楼栋号,116.154243,40.510423,北京市延庆区孔化营东区3号楼,北京市,10,延庆区,城皇庙胡同,110119,190403,延庆区,116.1479392,40.50896791,116.1606171,40.51675233 //跳过行 br.readLine(); while((line = br.readLine())!=null){ //错误数据跳过 try { //System.out.println(line); String[] split = line.split(","); String lngStr = split[2]; String latStr = split[3]; String addr = split[4]; String city = split[5]; String district = split[7]; //System.out.println(addr); double lng = Double.parseDouble(lngStr); double lat = Double.parseDouble(latStr); String geoHash = BikesUtile.getGeoHash(lng,lat); String key = geoHash+"\t"+"北京市"+"\t"+city+"\t"+district+"\t"+addr; bw.write(key); bw.newLine(); bw.flush(); //System.out.println(key); } catch (Exception e) { continue; } } System.out.println("写入完毕!!!"); bw.close(); br.close(); } catch (Exception e) { // TODO: handle exception } } }
ResultBean.java
import java.util.Arrays; public class ResultBean { private double[] queryLocation; private AddrList[] addrList; public double[] getQueryLocation() { return queryLocation; } public void setQueryLocation(double[] queryLocation) { this.queryLocation = queryLocation; } public AddrList[] getAddrList() { return addrList; } public void setAddrList(AddrList[] addrList) { this.addrList = addrList; } @Override public String toString() { return "ResultBean [queryLocation=" + Arrays.toString(queryLocation) + ", addrList=" + Arrays.toString(addrList) + "]"; } }
TestGeoHash.java
import ch.hsr.geohash.GeoHash; public class TestGeoHash { public static void main(String[] args) { String base32 = GeoHash.withCharacterPrecision(41.083778, 113.983896, 8).toBase32(); System.out.println(base32); } }TestHttpClient.java
import org.apache.commons.httpclient.HttpClient; import org.apache.commons.httpclient.HttpMethod; import org.apache.commons.httpclient.methods.GetMethod; public class TestHttpClient { public static void main(String[] args) throws Exception { HttpClient client = new HttpClient(); String uri = "http://gc.ditu.aliyun.com/regeocoding?l=41.083778,113.983896&type=010"; HttpMethod method = new GetMethod(uri); client.executeMethod(method); String bodyAsString = method.getResponseBodyAsString(); System.out.println(bodyAsString); } }
TestMain.java
//通过经纬度查找位置信息新 String addr = findAddr(longitude,latitude); System.out.println(sum+addr); //缺少数据保存 } } catch (Exception e) { e.printStackTrace(); } } /** * 查找地理位置 * 1:先从本地查找 * 2:从网络上查找 * @param longitude * @param latitude * @return */ private static String findAddr(double longitude, double latitude) { //从本地中查找 String ret = findAddrByLocal(longitude,latitude); if(ret==null){ //从网络中查找 ret = findAddrByNet(longitude,latitude); //System.err.println(ret); } return ret; } /** * 通过网络获取地址数据 * @param longitude * @param latitude * @return */ private static String findAddrByNet(double longitude, double latitude) { String url = "http://gc.ditu.aliyun.com/regeocoding?l=" + latitude + "," + longitude+"&type=010"; String json = BikesUtile.getJsonByUrl(url); ResultBean resultBean = JSON.parseObject(json, ResultBean.class); AddrList[] addrList = resultBean.getAddrList(); AddrList addrList2 = addrList[0]; //得到的是省市区 String admName = addrList2.getAdmName();//河北省,张家口市,尚义县 String address = addrList2.getName();//华艺幼儿园 String key = null; if(admName!=null&&!"".equals(admName)){ String[] split = admName.split(","); if(split.length>2){ key = split[0]+"\t"+split[1]+"\t"+split[2]+"\t"+address; } } String geoHash = BikesUtile.getGeoHash(longitude, latitude); //把数据写到文件中,并把添加的数据put到map中 if(key!=null){ try { BikesBean b = new BikesBean(); BufferedWriter bw = new BufferedWriter(new FileWriter("D:\\a1.txt",true)); bw.write(geoHash+"\t"+key); bw.newLine(); bw.flush(); bw.close(); map.put(geoHash, geoHash+"\t"+key); } catch (IOException e) { e.printStackTrace(); } } return geoHash+"\t"+key; } /** * 从本地中查找 * @param longitude * @param latitude * @return */ private static String findAddrByLocal(double longitude, double latitude) { //Map<String, String> map = loadData(); String geoHash = BikesUtile.getGeoHash(longitude, latitude); //map是加载的本地数据 String ret = map.get(geoHash); return ret; } /** * 加载数据生成map数据 * @return */ public static Map<String, String> loadData(){ //key--->geoHashCode value--->整条数据 Map<String, String> map = new HashMap<>(); try (BufferedReader br = new BufferedReader(new FileReader("D:\\a1.txt"));){ String line = null; while((line = br.readLine())!=null){ String[] split = line.split("\t"); String hashCode = split[0]; map.put(hashCode, line); } } catch (Exception e) { // TODO Auto-generated catch block e.printStackTrace(); } return map; } }
模拟数据
{"event_type":0,"page":"/pages/index/index","time":"2018-03-14 12:35:14","uid":"oDK8U0c_VZqQTMVsab9oM219vZpw","longitude":126.67032,"latitude":45.767525,"province":"黑龙江省","city":"哈尔滨市","district":"南岗区"}