获取经纬度
百度地图提供了web开发、Android开发、IOS开发和服务端接口方面的对接方案，在此讲述服务端接口中的Web服务API。
Web服务API为开发者提供http/https接口，即开发者通过http/https形式发起检索请求，获取返回json或xml格式的检索数据。可以基于JavaScript、C#、C++、Java等语言的地图应用开发。
获取密钥
传送门：百度地图开放平台
- 登录百度地图开放平台在左侧导航栏中，点击”获取密钥”
- 登录并获得激活邮件后，点击邮件中的跳转链接，来到如下界面，点击
"申请密钥"
- 来到”创建应用”界面，如下所述做配置后，按”提交”
点击复制密钥，供程序代码使用
注：百度地图api个人认证AK（免费），日配额限制6000个。使用达到上限需要第二天再用，或者更换AK（即密钥）。
示例代码一：地址获取
用户可通过将结构化地址（省/市/区/街道/门牌号）解析为对应的位置坐标。地址结构越完整，地址内容越准确，解析的坐标精度越高。如：北京市海淀区上地十街十号。
传送门：接口参数文档、错误码对照表
- 调用链接，新用户使用3.0版本接口
package cn.goitman.utils;
import com.alibaba.fastjson.JSON;
import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.net.URLConnection;
import java.nio.charset.StandardCharsets;
import java.text.DecimalFormat;
import java.util.HashMap;
import java.util.Map;
import java.util.Set;
public class Geolocation {
static final String AK = "";
static final String URL = "https://api.map.baidu.com/geocoding/v3/?output=json&";
static Map<String, Object> map = new HashMap<String, Object>();
static Map<String, String> hashMap = new HashMap<>();
public static void main(String[] args) {
String address = "广州天河城";
Map<String, String> msgMap = getCoordinate(address);
System.out.println("msgMap 数据：" + msgMap);
System.out.println("'" + address + "'的经纬度为：" + msgMap.get("lng") + "，" + msgMap.get("lat"));
}
public static Map<String, String> getCoordinate(String address) {
Map<String, String> fieldMap = new HashMap<>();
if (address != null && !"".equals(address)) {
address = address.replaceAll("\\s*", "").replace("#", "栋");
String param = "address=" + address + "&ak=" + AK;
String json = loadJSON(URL + param);
if (json != null && !"".equals(json)) {
map = JSON.parseObject(json, Map.class);
fieldMap = analyticalField(map);
}
}
return fieldMap;
}
private static Map<String, String> analyticalField(Map<String, Object> map) {
Set<Map.Entry<String, Object>> entrySet = map.entrySet();
for (Map.Entry<String, Object> entry : entrySet) {
if ("result".equals(entry.getKey()) || "location".equals(entry.getKey())) {
analyticalField(JSON.parseObject(entry.getValue().toString(), Map.class));
} else {
if ("lng".equals(entry.getKey()) || "lat".equals(entry.getKey())) {
DecimalFormat df = new DecimalFormat("#.######");
hashMap.put(entry.getKey(), df.format(entry.getValue()));
} else {
hashMap.put(entry.getKey(), entry.getValue().toString());
}
}
}
return hashMap;
}
public static String loadJSON(String urlStr) {
StringBuilder builder = new StringBuilder();
BufferedReader in = null;
String inputLine = null;
try {
URL url = new URL(urlStr);
URLConnection urlConnection = url.openConnection();
in = new BufferedReader(new InputStreamReader(urlConnection.getInputStream(), StandardCharsets.UTF_8));
while ((inputLine = in.readLine()) != null) {
builder.append(inputLine);
}
} catch (IOException e) {
e.printStackTrace();
} finally {
if (in != null) {
try {
in.close();
} catch (Exception e) {
e.printStackTrace();
}
}
}
return builder.toString();
}
}
|
运行结果：
msgMap 数据：{lng=113.330431, level=商圈, confidence=50, precise=0, comprehension=100, lat=23.138092, status=0}
'广州天河城'的经纬度为：113.330431，23.138092
|
在广州的一定知道，天河区、越秀区、番禺区都有”天河城”，那这个经纬度是哪个区的呢？
'广州天河城'的经纬度为： 113.330431，23.138092
'广州天河天河城'的经纬度为：113.330431，23.138092
'广州越秀天河城'的经纬度为：113.27646，23.125892
'广州番禺天河城'的经纬度为：113.354771，23.00962
|
据上述结果可知不指定区域的话，定位到的经纬度是天河区的天河城，两种可能性：
- 用权重值来判断，毕竟天河区的天河城是最繁华的地段嘛！
- 关键字分词解析求交集，与elasticsearch搜索引擎同理
(倾向于此点）
示例代码二：IP获取
利用IP获取大致位置，调用API接口，返回请求参数中指定上网IP的大致位置信息（一般为城市级别），位置信息包括：经纬度、省、市等地址信息。
目前该服务同时支持IPv4和IPv6来获取位置信息。普通IP定位服务目前不支持海外场景。
如果请求参数中未指定上网IP，则默认返回当前服务请求来源的IP所对应的大致位置信息。
注意：该服务所返回的经纬度信息只是一个大概的位置，一般为城市中心点。
传送门：接口参数文档
拿示例代码一修改下URL调用地址和analyticalField方法
static final String URL = "http://api.map.baidu.com/location/ip?&coor=bd09ll&";
|
private static Map<String, String> analyticalField(Map<String, Object> map) {
Set<Map.Entry<String, Object>> entrySet = map.entrySet();
for (Map.Entry<String, Object> entry : entrySet) {
if ("content".equals(entry.getKey()) || "address_detail".equals(entry.getKey())
|| "point".equals(entry.getKey())) {
analyticalField(JSON.parseObject(entry.getValue().toString(), Map.class));
} else {
hashMap.put(entry.getKey(), entry.getValue().toString());
}
}
return hashMap;
}
|
测试结果：
public static void main(String[] args) {
String addr = "203.168.30.174";
Map<String, String> msgMap = getCoordinate(addr);
System.out.println("msgMap 数据：" + msgMap);
System.out.println(String.format("IP地址区域为：%s；经纬度为：%s", StringUtils.isEmpty(msgMap.get("city"))?msgMap.get("address"):msgMap.get("city"),msgMap.get("x")+"，"+msgMap.get("y")));
}
|
msgMap 数据：{address=广东省, province=广东省, adcode=440000, city=, street=, district=, street_number=, x=113.27143134, city_code=, y=23.13533631, status=0}
IP地址区域为：广东省；经纬度为：113.27143134，23.13533631
|
注意：返回结果中有两个address键值对，因用HashMap封装数据可知，后者键值覆盖了前者键值
后述
在实际项目开发应用中，可批量处理多个地址信息获取到对应的经纬度，从而保存到数据库中。如果项目需要批量获取经纬度，下面代码需修改
loadJSON()方法每次都会新建URL对象，并开启一个openConnection()到远程目标的连接，数据量大的话肯定会造成内存溢出。
解决方案：改用线程池，使用同一URL对象，每个线程预建一个openConnection()；线程启动都使用openConnection()得到同一URLConnection对象。
Geohash算法
基本原理
Geohashes是一种将经纬度坐标编码成一个字符串的方式
经度范围是东经180到西经180，纬度范围是南纬90到北纬90，设定西经与南纬为负，所以地球上的经度范围就是[-180，180]，纬度范围就是[-90，90]。
如果以本初子午线(0经线)、赤道为界，纬度范围(-90,0)用二进制0代表，（0,90)用二进制1代表，经度范围(-180,0)用二进制0代表，（0,180)用二进制1代表，那么地球可以分成如下4个部分
继续将(-90,0)分成(-90,-45)、(-45,0)；(0,90)分成(0,45)、(45,90)；(-180,0)分成(-180,-90)、(-90,0)；(0,180)分成(0,90)、(90,180)依次小块范围内递归对半划分
Geohash算法通过将经纬度编码，地理位置分区，划分的次数越多，区域越多，区域面积越小了，精确度越高。
延伸问题
如图，如红点位置，区域内还有一个黄点。相邻区域内的绿点明显离红点更近。但因为黄点的编码和红点一样，最终找到的将是黄点。
问题来了，编码相近的两个点，真实距离并不一定很近，这需要实际计算出两个点的距离。要解决这个问题，首先要查找出红点周边8个区域，再根据Geohash筛选出附近点的经纬度，相互计算得出哪个点离红点更近(示例代码三)即可。
算法步骤
将经纬度变成二进制
如（116.390705，39.923201）纬度的范围是（-90，90），其中间值为0。对于纬度39.923201，在区间（0，90）中，因此得到一个1；（0，90）区间的中间值为45度，纬度39.923201小于45，因此得到一个0，依次递归拆分20次计算，得到纬度的二进制表示，如下表：
得到纬度的二进制为：
同理得到经度116.390705的二进制为：
将经纬度合并
经度占偶数位，纬度占奇数位，0也是偶数位。
11100 11101 00100 01111 00000 01101 01011 00001
|
Base32进行编码
Geohashes把整个世界分为32个单元的格子(4行8列)，每一个格子都用一个字母或者数字标识。
Base32编码用上述32个格子值(0-9、b-z（去掉a,i,l,o）)进行编码。先将上一步合并后得到的二进制转换为十进制数据，然后对应生成Base32码。
将5个二进制位转换成一个base32码。上例最终得到的值为
示例代码三
package cn.goitman.utils;
import java.util.ArrayList;
import java.util.List;
public class GeoHashUtil {
public final double Max_Lng = 180;
public final double Min_Lng = -180;
public final double Max_Lat = 90;
public final double Min_Lat = -90;
private final int length = 20;
private final double lngUnit = (Max_Lng - Min_Lng) / (1 << 20);
private final double latUnit = (Max_Lat - Min_Lat) / (1 << 20);
private final String[] base32Lookup =
{"0", "1", "2", "3", "4", "5", "6", "7", "8", "9",
"b", "c", "d", "e", "f", "g", "h",
"j", "k", "m", "n", "p", "q", "r",
"s", "t", "u", "v", "w", "x", "y", "z"};
private void convert(double min, double max, double value, List<Character> list) {
if (list.size() > (length - 1)) {
return;
}
double mid = (max + min) / 2;
if (value < mid) {
list.add('0');
convert(min, mid, value, list);
} else {
list.add('1');
convert(mid, max, value, list);
}
}
private String base32Encode(final String str) {
String unit = "";
StringBuilder sb = new StringBuilder();
for (int start = 0; start < str.length(); start = start + 5) {
unit = str.substring(start, start + 5);
sb.append(base32Lookup[convertToIndex(unit)]);
}
return sb.toString();
}
private int convertToIndex(String str) {
int length = str.length();
int result = 0;
for (int index = 0; index < length; index++) {
result += str.charAt(index) == '0' ? 0 : 1 << (length - 1 - index);
}
return result;
}
public String encode(double lng, double lat) {
List<Character> lngList = new ArrayList<Character>();
List<Character> latList = new ArrayList<Character>();
convert(Min_Lng, Max_Lng, lng, lngList);
convert(Min_Lat, Max_Lat, lat, latList);
StringBuilder sb = new StringBuilder();
for (int index = 0; index < latList.size(); index++) {
sb.append(lngList.get(index)).append(latList.get(index));
}
return base32Encode(sb.toString());
}
public List<String> around(double lng, double lat) {
List<String> list = new ArrayList<String>();
list.add(encode(lng, lat + latUnit));
list.add(encode(lng, lat - latUnit));
list.add(encode(lng + lngUnit, lat));
list.add(encode(lng - lngUnit, lat));
list.add(encode(lng, lat));
list.add(encode(lng + lngUnit, lat + latUnit));
list.add(encode(lng - lngUnit, lat + latUnit));
list.add(encode(lng + lngUnit, lat - latUnit));
list.add(encode(lng - lngUnit, lat - latUnit));
return list;
}
public static void main(String[] args) {
System.out.println(new GeoHashUtil().encode(116.3967, 44.9999));
System.out.println(new GeoHashUtil().around(116.3967, 44.9999));
}
}
|
运行结果：
wxfzbxvr
[y84b08j2, wxfzbxvq, wxfzbxvx, wxfzbxvp, wxfzbxvr, y84b08j8, y84b08j0, wxfzbxvw, wxfzbxvn]
|
可到 Geohash转换器 校验代码生成的geohash编码是否有错
精确范围
Geohash比直接用经纬度的高效很多，而且使用者可以发布地址编码，既能表明自己的位置，又不至于暴露自己的精确坐标，有助于隐私保护和如下特点：
- GeoHash用一个字符串表示经度和纬度两个坐标。在
数据库中可以实现在一列上应用索引（某些情况下无法在两列上同时应用索引）
- GeoHash表示的并
不是一个点，而是一个矩形区域
- GeoHash编码的
前缀可以表示更大的区域。如wx4g0ec1，它的前缀wx4g0e表示包含编码wx4g0ec1在内的更大范围。这个特性可以用于附近地点搜索
编码越长，表示的范围越小，位置也越精确。因此我们就可以通过比较GeoHash匹配的位数来判断两个点之间的大概距离。
看上图可知编码长度长度为8时，精度在19米左右，而当编码长度为12时，精度在0.0186米左右；
例：需要获取和(116.390705，39.923201)相距2km内的地址，只需要查找地址坐标对应的GeoHash编码前五位(如：wx4g0)即可，可根据数据情况进行选择
两点距离算法
现在还多APP都有一个距离排序功能，表明该家店距离当前的位置，这个距离是怎么计算出呢？这完全是一个数学问题
算法步骤
假设地球球心为三维直角坐标系的原点，球心与赤道上0经度点的连线为X轴，球心与赤道上东经90度点的连线为Y轴，球心与北极点的连线为Z轴，则地面上点的直角坐标与其经纬度的关系为：α为纬度，β为经度
X = cos α × cos β
Y = cos α × sin β
Z = sinα
|
如果两点的直角坐标分别为(x1,y1,z1)和(x2,y2,z2)，则它们之间的直线距离为：L为直线距离
弧长与弦长的关系为：上式中角的单位为度，1度＝π/180弧度，S为弧长， R为地球半径约6378.137KM
S = R × π × 2 × arcsin(0.5 × L) / 180
|
示例代码四
package cn.goitman.utils;
public class DistanceUtil {
private final static double Earth_Radius = 6378.137d;
public static double distance(double lat1, double lng1, double lat2, double lng2) {
double x1 = Math.cos(lat1) * Math.cos(lng1);
double y1 = Math.cos(lat1) * Math.sin(lng1);
double z1 = Math.sin(lat1);
double x2 = Math.cos(lat2) * Math.cos(lng2);
double y2 = Math.cos(lat2) * Math.sin(lng2);
double z2 = Math.sin(lat2);
double chordLength = Math.sqrt(Math.pow((x1 - x2), 2) + Math.pow((y1 - y2), 2) + Math.pow((z1 - z2), 2));
double arcLength = Earth_Radius * Math.PI * 2 * Math.asin(0.5 * chordLength) / 180;
return arcLength;
}
public static void main(String[] args) {
String str = null;
double distance = DistanceUtil.distance(44.9999, 116.3967, 45.0001, 116.3967);
str = String.format("两点距离为 %f KM", distance);
System.out.println(str);
str = String.format("两点距离为 %s M", Math.round(distance * 1000));
System.out.println(str);
}
}
|
运行结果：
两点距离为 0.022264 KM
两点距离为 22 M
|
用到的数学函数如下：
Math.pow(x,y)
Math.sin
Math.cos
Math.sqrt
Math.asin
Math.round
|
源码地址：https://github.com/wangdaicong/spring-boot-project/tree/master/latitudeAndLongitude-demo
