【LBS】基于地理位置的搜索之微信 附近的人 简单实现

缘由

本周技术群有一个同学说我们该怎么实现 由近到远的基于地理位置的搜索，我创业做电商的系统做过类似这样的服务，我把我们以前的操作给大家分享下

什么是LBS

LBS 全称是 Location  Based Service ,基于位置的服务。我们可以使用到这种服务，真是由于我国移动设备的大量增加，让我们加速进入了 移动互联网的时代。

由近到远的基于地理位置的搜索  其实就是 通过当前使用用户的经纬度，然后从我们自己的数据库中查出指定范围内（例如5km）的数据，按照由近到远的顺序 进行展示。

这句话中有四个条件

• 用户的经纬度，我们定义 用户维度为：$lat 、经度：$lng

• 指定范围，定义范围：distince

• 数据库中商家的经纬度字段，定义 维度为：lat，经度：lng

• 计算 用户经纬度 与 数据库中商家的经纬度 距离，由远及近进行排序

接下来，我们一起来用两种方案实现

实现方案一：

这种方案会比较挫，

理想模型计算阀值点

计算某个经纬度的周围某段距离的正方形的四个点

为什么这么计算，我给大家举个例子，如果我们把我们的地球仪中国区域直接摁平，是不是地球仪就灭有弧度了 ，我们理想方式就是在一定距离上这么计算的。计算代码如下

/**
 * php代码
 *计算某个经纬度的周围某段距离的正方形的四个点
 *@param float $lng  经度
 *@param float $lat  纬度
 *@param float $distance  该点所在圆的半径，该圆与此正方形内切，默认值为5千米
 *@return array 正方形的四个点的经纬度坐标
 */
 
function squarePoint($lat, $lng,$distance = 5.0){
   $earth_radius = 6371;//地球半径
   $dlng =  2 * asin(sin($distance / (2 * $earth_radius)) / cos(deg2rad($lat)));
   $dlng = rad2deg($dlng);
   $dlat = $distance/$earth_radius;
   $dlat = rad2deg($dlat);
   return [
      'left-top'    =>['lat'=>$lat + $dlat, 'lng'=>$lng - $dlng],
      'right-top'   =>['lat'=>$lat + $dlat, 'lng'=>$lng + $dlng],
      'left-bottom' =>['lat'=>$lat - $dlat, 'lng'=>$lng - $dlng],
      'right-bottom'=>['lat'=>$lat - $dlat, 'lng'=>$lng + $dlng],
   ];
}

取出用户指定距离的数据

根据上面的方法，我们计算出来了4个点，接下来我们直接从数据库取出符合条件的数据

$geo_data = squarePoint($lat,$lng,$distance);
$left_bottom =  $geo_data['left-bottom'];
$right_top = $geo_data['right-top'];
$lat_min = $left_bottom['lat'];
$lat_max = $right_top['lat'];
$lng_min = $left_bottom['lng'];
$lng_max = $right_top['lng'];

$sql = "SELECT * FROM table_name 
WHERE lat > {$lat_min} lat < {$lat_max} and lng > {$lng_min} and lng < {$lng_max} ";

按照距离远近排序

这个将 上面的符合条件的结果集取出来，在代码中排序，计算 两个经纬度之间距离的方法如下

/**
 *
 * 根据经纬度计算距离 单位(公里)
 * @param  $lng1　float 经度1
 * @param  $lat1　float 纬度2
 * @param  $lng2　float 经度1
 * @param  $lat2　float 纬度2
 * @return float
 */
function getdistance($lng1,$lat1,$lng2,$lat2)
{
   $dx = $lng1 - $lng2; // 经度差值
   $dy = $lat1 - $lat2; // 纬度差值
   $b = ($lat1 + $lat2) / 2.0; // 平均纬度
   $Lx = deg2rad($dx) * cos(deg2rad($b)); // 东西距离
   $Ly = deg2rad($dy); // 南北距离
   return round(6371*sqrt($Lx * $Lx + $Ly * $Ly),4);  // 用平面的矩形对角距离公式计算总距离
}

按照方法一计算出来，基本问题不大，但是在数据量大（第二步结果集）到一定程度了是有很严重的效率问题的。这里给出一个衍生版本,直接计算距离

SELECT *,SQRT( POWER( $lat - lat, 2) + POWER($lng  - lng, 2) ) AS d 
FROM table_name 
WHERE (lat BETWEEN $lat_min AND $lat_max ) AND (lng BETWEEN $lng_min AND $lng_max ) AND d < $distance 
ORDER BY d ASC LIMIT 10;

实现方案二

这个方法很快，直接可以SQL实现，由于数据库本身也支持很多函数的，我们直接在数据库本身计算就可以了。具体计算代码如下：

/**
 * $lat：用户维度
 * $lng：用户精度
 * $as_name：查询出来的SQL字段名称
 */
get_distance_sql($lat,$lng,$as_name='distance')
{
   return sprintf('round(6371*sqrt( pow((PI()*(abs(`lat`-%f))/180) * cos(PI()*(`lat`+%f)/360),2) 
   + pow((PI()*abs(`lng`-%f)/180),2)),4) as %s',$lat,$lat,$lng,$as_name);
}

具体SQL如下：

/**
* shop_id 商家id
*/
$sql = "SELECT shop_id,lat,lng,".get_distance_sql( $lat,$lng)." FROM table_name 
WHERE distance< = ".$distance." ORDER BY distance ASC" ;

这样就可以直接查出结果并排序了

结论

以上两种方案中，第二个是我我们当时使用的，我们当时数据库几十万，效率还可以。上百万乃至更高的需要大家去实现了

原文地址：标签：            

智能推荐