php根據地址的經緯度查詢周圍的城市例子

目前的工作是需要對用戶的一些數據進行分析，每個用戶都有若干條記錄，每條記錄中有用戶的一個位置，是用經度和緯度表示的。
還有一個給定的數據庫，存儲的是一些已知地點以及他們的經緯度，內有43W多條的數據。
現在需要拿用戶的經緯度和已知地點進行距離匹配，如果它們之間的距離小於一定的數據，比如說500米，就認為用戶是在這個地點。
MYSQL本身是支持空間索引的，但是在5.x的版本中，取消了對Distance()和Related()的支持，無法使用空間的距離函數去直接去查詢距離在一定范圍內的點。所以，我首先想到的是，對每條記錄，去進行遍歷，跟數據庫中的每一個點進行距離計算，當距離小於500米時，認為匹配。這樣做確實能夠得到結果，但是效率極其低下，因為每條記錄都要去循環匹配40W條數據，其消耗的時間可想而知。經過記錄，發現每條記錄處理的時間消耗達到1700ms，針對每天上億的數據量，這樣一個處理速度，讓人情何以堪啊。。。
我自己也有個想法，就是找到每條記錄所在點的經緯度周圍的一個大概范圍，比方說正方形的四個點，然后使用mysql的空間計算，使用MBR去得出點在這個矩形內的已知記錄，然后進行匹配。可惜，自己沒想出能計算到四個點經緯度的方法。

意外的，查詢到了一個關於這個計算附近地點搜索初探，里面使用python實現了這個想法。
所以參考了一下原文中的算法，使用PHP進行了實現。
實現原理也是很相似的，先算出該點周圍的矩形的四個點，然后使用經緯度去直接匹配數據庫中的記錄。

紅色部分為要求的搜索范圍，綠色部分我們能間接得到的結果范圍

參考wiki百科上的一些球面計算公式：

Great-circle distance
Haversine formula

假設已知點的經緯度分別為$lng, $lat
先實現經度范圍的查詢，
在haversin公式中令φ1 = φ2，可得:

用PHP進行計算，就是：

Example

代碼如下	復制代碼
//$lat 已知點的緯度 $dlng =  2 * asin(sin($distance / (2 * EARTH_RADIUS)) / cos(deg2rad($lat))); $dlng = rad2deg($dlng);//轉換弧度

然后是緯度范圍的查詢，

在haversin公式中令 Δλ = 0，可得

在PHP中進行計算，就是：

Example

代碼如下	復制代碼
$dlat = $distance/EARTH_RADIUS;//EARTH_RADIUS地球半徑 $dlat = rad2deg($dlat);//轉換弧度

最后，就可以得出四個點的坐標：

left-top : (lat + dlat, lng – dlng)
right-top : (lat + dlat, lng + dlng)
left-bottom : (lat – dlat, lng – dlng)
right-bottom: (lat – dlat, lng + dlng)

我把以上方法寫成了一個函數，綜合起來就是：

Example

代碼如下

復制代碼

define(EARTH_RADIUS,6378.137);//地球半徑，平均半徑為6378.137km  /**  *計算某個經緯度的周圍某段距離的正方形的四個點  *  *@param lng float 經度  *@param lat float 緯度  *@param distance float 該點所在圓的半徑，該圓與此正方形內切，默認值為0.5千米  *@return array 正方形的四個點的經緯度坐標  */  function returnSquarePoint($lng, $lat,$distance = 0.5){       $dlng =  2 * asin(sin($distance / (2 * EARTH_RADIUS)) / cos(deg2rad($lat)));     $dlng = rad2deg($dlng);           $dlat = $distance/EARTH_RADIUS;     $dlat = rad2deg($dlat);           return array(                 'left-top'=>array('lat'=>$lat + $dlat,'lng'=>$lng-$dlng),                 'right-top'=>array('lat'=>$lat + $dlat, 'lng'=>$lng + $dlng),                 'left-bottom'=>array('lat'=>$lat - $dlat, 'lng'=>$lng - $dlng),                 'right-bottom'=>array('lat'=>$lat - $dlat, 'lng'=>$lng + $dlng)                 );  } //使用此函數計算得到結果后，帶入sql查詢。 $squares = returnSquarePoint($lng, $lat); $info_sql = "select id,locateinfo,lat,lng from `lbs_info` where lat<>0 and lat>{$squares['right-bottom']['lat']} and lat<{$squares['left-top']['lat']} and lng>{$squares['left-top']['lng']} and lng<{$squares['right-bottom']['lng']} ";

//計算兩個坐標的直線距離
    
   public function getDistance($lat1, $lng1, $lat2, $lng2){      
          $earthRadius =6378.137; //近似地球半徑米 // 轉換為弧度 $lat1 = ($lat1 * pi()) / 180; $lng1 = ($lng1 * pi()) / 180; $lat2 = ($lat2 * pi()) / 180; $lng2 = ($lng2 * pi()) / 180; // 使用半正矢公式 用尺規來計算 $calcLongitude = $lng2 - $lng1; $calcLatitude = $lat2 - $lat1; $stepOne = pow(sin($calcLatitude / 2), 2) + cos($lat1) * cos($lat2) * pow(sin($calcLongitude / 2), 2); $stepTwo = 2 * asin(min(1, sqrt($stepOne))); $calculatedDistance = $earthRadius * $stepTwo; return round($calculatedDistance); }

在lat和lng上建立一個聯合索引后，使用此項查詢，每條記錄的查詢消耗平均為0.8毫秒，相比以前的1700ms，真的是天壤之別啊。效率真真的是以前的2125倍~~

總結：這應該也不是效率最好的辦法，但是效率比以前確實有明顯的提升。請記住，總有辦法更好的。