【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：【LBS】基于地理位置的搜索之微信附近的人简单实现
标签：lbs 附近的人由远及近大众点评

智能推荐