geohash,地图地址解析算法原理
geohash,地图地址解析算法原理详细介绍
本文目录一览： Geohash原理
????????GeoHash本质上是空间索引的一种方式，其基本原理是将地球理解为一个二维平面，将平面递归分解成更小的子块，每个子块在一定经纬度范围内拥有相同的编码。以GeoHash方式建立空间索引，可以提高对空间poi数据进行经纬度检索的效率。
????????GeoHash将二维的经纬度转换成字符串，比如下图展示了北京9个区域的GeoHash字符串，分别是WX4ER，WX4G2、WX4G3等等，每一个字符串代表了某一矩形区域。也就是说，这个矩形区域内所有的点（经纬度坐标）都共享相同的GeoHash字符串，这样既可以保护隐私（只表示大概区域位置而不是具体的点），又比较容易做缓存。
????????Geohash编码中，字符串相似的表示距离相近（特殊情况后文阐述），这样可以利用字符串的前缀匹配来查询附近的POI信息。如下两个图所示，一个在城区，一个在郊区，城区的GeoHash字符串之间比较相似，郊区的字符串之间也比较相似，而城区和郊区的GeoHash字符串相似程度要低些。此外，不同的编码长度，表示不同的范围区间，字符串越长，表示的范围越精确。
????????以经纬度值：（116.389550， 39.928167）进行算法说明，对纬度39.928167进行逼近编码 (地球纬度区间是[-90,90]
????a. 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
????b. 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
????c. 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
? ? d. 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，序列的长度跟给定的区间划分次数有关，如下图
????????e. 同理，地球经度区间是[-180,180]，可以对经度116.389550进行编码。通过上述计算， 纬度产生的编码为1 1 0 1 0 0 1 0 1 1 0 0 0 1 0，经度产生的编码为1 0 1 1 1 0 0 0 1 1 0 0 0 ?1 1
????????f. 合并：偶数位放经度，奇数位放纬度，把2串编码组合生成新串如下图
????????g. 首先将11100 11101 00100 01111 0000 ?01101转成十进制，对应着28、29、4、15，0，13 十进制对应的base32编码就是wx4g0e,如下图.
? ? ? ? ?h. 同理，将编码转换成经纬度的解码算法与之相反
????????Geohash其实就是将整个地图或者某个分割所得的区域进行一次划分，由于采用的是base32编码方式，即Geohash中的每一个字母或者数字（如wx4g0e中的w）都是由5bits组成（2^5 = 32，base32），这5bits可以有32中不同的组合（0~31），这样我们可以将整个地图区域分为32个区域，通过00000 ~ 11111来标识这32个区域。第一次对地图划分后的情况如下图所示（每个区域中的编号对应于该区域所对应的编码）。
????????Geohash的0、1串序列是经度0、1序列和纬度0、1序列中的数字交替进行排列的，偶数位对应的序列为经度序列，奇数位对应的序列为纬度序列，在进行第一次划分时，Geohash0、1序列中的前5个bits（11100），那么这5bits中有3bits是表示经度，2bits表示纬度，所以第一次划分时，是将经度划分成8个区段（2^3 = 8），将纬度划分为4个区段（2^2 = 4），这样就形成了32个区域。如下图
????????同理，可以按照第一次划分所采用的方式对第一次划分所得的32个区域各自再次划分。
????????上文讲了GeoHash的计算步骤，仅仅说明是什么而没有说明为什么？为什么分别给经度和维度编码？为什么需要将经纬度两串编码交叉组合成一串编码？本节试图回答这一问题。
????????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。但是由于Peano曲线实现更加简单，在使用的时候配合一定的解决手段，可以很好的满足大部分需求，因此TD内部Geohash算法采用的是Peano空间填充曲线。
? ? a.?由于GeoHash是将区域划分为一个个规则矩形，并对每个矩形进行编码，这样在查询附近POI信息时会导致以下问题，比如红色的点是我们的位置，绿色的两个点分别是附近的两个餐馆，但是在查询的时候会发现距离较远餐馆的GeoHash编码与我们一样（因为在同一个GeoHash区域块上），而较近餐馆的GeoHash编码与我们不一致。这个问题往往产生在边界处。
????????解决的思路很简单，我们查询时，除了使用定位点的GeoHash编码进行匹配外，还使用周围8个区域的GeoHash编码，这样可以避免这个问题。
????b.?我们已经知道现有的GeoHash算法使用的是Peano空间填充曲线，这种曲线会产生突变，造成了编码虽然相似但距离可能相差很大的问题，因此在查询附近餐馆时候，首先筛选GeoHash编码相似的POI点，然后进行实际距离计算。
? ? c.?GeoHash Base32编码长度与精度。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。
????????理解了geohash算法的基本原理之后，本节将介绍一个实际应用中常见的场景：计算围栏范围内所有的Geohash编码。该场景封装为函数可以表示如下：输入组成围栏的点经纬度坐标集合和指定的geohash长度，输出一组geohash编码。
????????public static Set getHashByFence(List points, int length)
????????具体算法步骤如下:
1. 输入围栏点坐标集合List points和指定的geohash长度length
2. 计算围栏的外包矩形的左上角和右下角坐标lat_min、lat_max、lng_min、lng_max
3. 根据lat_min、lat_max、lng_min、lng_max，计算外包矩形对角定点的距离d
4. 以外包矩形中心点为圆心，以d/2为半径做一个圆，计算圆覆盖范围内的geohash
????4.1 获取圆的外包矩形左上角和右下角定点坐标经纬度，存储到double[] locs
????4.2 根据geohash字符长度计算该长度geohash编码对应的经纬度间隔（latA,lngA）
????4.3 根据latA和lngA，计算出locs组成的矩形的左上角和右下角定点的经纬度，在geohash划分的网格的索引(也就是第几个),分别记为lat_min，lat_max，lng_min，lng_max
????4.4 计算lat_min，lat_max，lng_min，lng_max对应范围内左右geohash的二进制编码，然后将经纬度二进制编码uncode为geohash字符编码，保存为Set sets
5. 剔除sets中geohash编码对应矩形的中心点不在points围栏范围内的geohash，得到最终的geohash结果集
geohash6位7位区别
GeoHash值如果取6位，误差为61米左右，值取7位长度，误差大概在76米左右。经纬度对应距离的换算关系整理如下。1、纬度相同，经度不同在纬度相同的情况下：经度每隔0.00001度，距离相差约1米。每隔0.0001度，距离相差约10米。每隔0.001度，距离相差约100米。每隔0.01度，距离相差约1000米。每隔0.1度，距离相差约10000米。2、经度相同，纬度不同。纬度每隔0.00001度，距离相差约1.1米。每隔0.0001度，距离相差约11米。每隔0.001度，距离相差约111米。每隔0.01度，距离相差约1113米。每隔0.1度，距离相差约11132米。
Geohash是一种将经度和纬度编码为字符串的算法。Geohash的长度通常以数字表示，长度越长，编码的精度也就越高。
Geohash的6位和7位主要的区别在于编码的精度不同。相比于6位Geohash，7位Geohash在经度和纬度的精度上要高得多。具体来说，根据算法的规则，7位Geohash在经度和纬度上各增加了9倍的精度。这意味着，7位Geohash可以更准确地表示地点的位置信息，更细致地反映出位置的差异。
例如，在纬度每隔0.00001度的变化上，6位Geohash大约只能表示1米左右的距离变化，而7位Geohash则能更精确地表示这个变化，大约能达到0.1米左右的距离变化。
总的来说，7位Geohash相比6位Geohash具有更高的精度，可以更准确地表示地理位置信息。
皮亚诺曲线图片 geohash
皮亚诺曲线是一种数学图形，由意大利数学家皮亚诺在19世纪末首次提出。它是一种无限细节的自相似曲线，具有高度的几何美感和复杂性。
而geohash是一种用于地理位置编码的算法，它将地球表面划分成一个网格，每个格子都有一个唯一的编码。这种编码方式可以方便地用来在数据库中存储和检索地理位置信息。
在geohash算法中，每个格子的编码由一系列二进制位组成，每个二进制位可以表示格子在经度或纬度方向上的划分方向。这样，格子的编码就可以表示为一串二进制数字，非常紧凑和高效。
将皮亚诺曲线和geohash算法结合起来，就可以得到一种非常有趣和实用的技术。利用皮亚诺曲线的自相似性质，可以将地球表面划分成一系列相似的小区域，每个小区域用一个geohash编码来表示。这种编码方式非常紧凑和高效，可以用于搜索和定位地理位置信息。
同时，利用皮亚诺曲线的复杂性质，可以将geohash编码转换成一条连续的曲线，从而方便地进行可视化和分析。这种曲线被称为geohash曲线，它可以用来显示地球表面上的地理位置分布和密度，非常适用于地图数据可视化等应用。
总之，皮亚诺曲线和geohash算法的结合，为地理位置编码和可视化提供了一种新的方法和工具，具有广泛的应用前景。
在java中，geohash怎么计算周围8点的字符串？如何获得周围8点的经纬度坐标？
Geohash的最简单的解释就是：将一个经纬度信息，转换成一个可以排序，可以比较的字符串编码
import java.io.File;
import java.io.FileInputStream;
import java.util.BitSet;
import java.util.HashMap;
public class Geohash {
private static int numbits = 6 * 5;
final static char[] digits = { '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' };
final static HashMap
lookup = new HashMap
();
static {
int i = 0;
for (char c : digits)
lookup.put(c, i++);
}
public static void main(String[] args) throws Exception{
System.out.println(new Geohash().encode(45, 125));
}
public double[] decode(String geohash) {
StringBuilder buffer = new StringBuilder();
for (char c : geohash.toCharArray()) {
int i = lookup.get(c) + 32;
buffer.append( Integer.toString(i, 2).substring(1) );
}
BitSet lonset = new BitSet();
BitSet latset = new BitSet();
//even bits
int j =0;
for (int i=0; i< numbits*2;i+=2) {
boolean isSet = false;
if ( i < buffer.length() )
isSet = buffer.charAt(i) == '1';
lonset.set(j++, isSet);
}
//odd bits
j=0;
for (int i=1; i< numbits*2;i+=2) {
boolean isSet = false;
if ( i < buffer.length() )
isSet = buffer.charAt(i) == '1';
latset.set(j++, isSet);
}
double lon = decode(lonset, -180, 180);
double lat = decode(latset, -90, 90);
return new double[] {lat, lon};
}
private double decode(BitSet bs, double floor, double ceiling) {
double mid = 0;
for (int i=0; i
<bs.length(); i++) {
mid = (floor + ceiling) / 2;
if (bs.get(i))
floor = mid;
else
ceiling = mid;
}
return mid;
}
public String encode(double lat, double lon) {
BitSet latbits = getBits(lat, -90, 90);
BitSet lonbits = getBits(lon, -180, 180);
StringBuilder buffer = new StringBuilder();
for (int i = 0; i < numbits; i++) {
buffer.append( (lonbits.get(i))?'1':'0');
buffer.append( (latbits.get(i))?'1':'0');
}
return base32(Long.parseLong(buffer.toString(), 2));
}
private BitSet getBits(double lat, double floor, double ceiling) {
BitSet buffer = new BitSet(numbits);
for (int i = 0; i < numbits; i++) {
double mid = (floor + ceiling) / 2;
if (lat >= mid) {
buffer.set(i);
floor = mid;
} else {
ceiling = mid;
}
}
return buffer;
}
public static String base32(long i) {
char[] buf = new char[65];
int charPos = 64;
boolean negative = (i < 0);
if (!negative)
i = -i;
while (i <= -32) {
buf[charPos--] = digits[(int) (-(i % 32))];
i /= 32;
}
buf[charPos] = digits[(int) (-i)];
if (negative)
buf[--charPos] = '-';
return new String(buf, charPos, (65 - charPos));
}
}
import java.io.File;
import java.io.FileInputStream;
import java.util.BitSet;
import java.util.HashMap;
public class Geohash {
private static int numbits = 6 * 5;
final static char[] digits = { '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' };
final static HashMap
lookup = new HashMap
();
static {
int i = 0;
for (char c : digits)
lookup.put(c, i++);
}
public static void main(String[] args) throws Exception{
System.out.println(new Geohash().encode(45, 125));
}
public double[] decode(String geohash) {
StringBuilder buffer = new StringBuilder();
for (char c : geohash.toCharArray()) {
int i = lookup.get(c) + 32;
buffer.append( Integer.toString(i, 2).substring(1) );
}
BitSet lonset = new BitSet();
BitSet latset = new BitSet();
//even bits
int j =0;
for (int i=0; i< numbits*2;i+=2) {
boolean isSet = false;
if ( i < buffer.length() )
isSet = buffer.charAt(i) == '1';
lonset.set(j++, isSet);
}
//odd bits
j=0;
for (int i=1; i< numbits*2;i+=2) {
boolean isSet = false;
if ( i < buffer.length() )
isSet = buffer.charAt(i) == '1';
latset.set(j++, isSet);
}
double lon = decode(lonset, -180, 180);
double lat = decode(latset, -90, 90);
return new double[] {lat, lon};
}
private double decode(BitSet bs, double floor, double ceiling) {
double mid = 0;
for (int i=0; i
<bs.length(); i++) {
mid = (floor + ceiling) / 2;
if (bs.get(i))
floor = mid;
else
ceiling = mid;
}
return mid;
}
public String encode(double lat, double lon) {
BitSet latbits = getBits(lat, -90, 90);
BitSet lonbits = getBits(lon, -180, 180);
StringBuilder buffer = new StringBuilder();
for (int i = 0; i < numbits; i++) {
buffer.append( (lonbits.get(i))?'1':'0');
buffer.append( (latbits.get(i))?'1':'0');
}
return base32(Long.parseLong(buffer.toString(), 2));
}
private BitSet getBits(double lat, double floor, double ceiling) {
BitSet buffer = new BitSet(numbits);
for (int i = 0; i < numbits; i++) {
double mid = (floor + ceiling) / 2;
if (lat >= mid) {
buffer.set(i);
floor = mid;
} else {
ceiling = mid;
}
}
return buffer;
}
public static String base32(long i) {
char[] buf = new char[65];
int charPos = 64;
boolean negative = (i < 0);
if (!negative)
i = -i;
while (i <= -32) {
buf[charPos--] = digits[(int) (-(i % 32))];
i /= 32;
}
buf[charPos] = digits[(int) (-i)];
if (negative)
buf[--charPos] = '-';
return new String(buf, charPos, (65 - charPos));
}
}
在Spark SQL作业中使用地理空间函数
地理空间数据又称为几何数据，可用来表示物体的位置、形态、大小分布等各方面的信息，是对现实世界中存在的具有定位意义的事物和现象的定量描述。通常，地理空间数据以点、线、面、体的形式表示。通过对地理空间数据的查询，可以获得被查询对象的面积、长度、空间关系等。
Point（点），LineString（线），Polygon（面），MultiPoint（多点），MultiLineString（多线）， MultiPolygon（多面）
地理空间查询用于统计某空间范围内兴趣点的个数，检查两个区域是否重叠、两个地点之间的距离等。
返回与Geohash字符串geohash（base-32编码）对应的边界框的Geometry，其精度
为prec位。 有关GeoHashes的更多信息，请参阅Geohash。
Format: ST_GeomFromGeoHash(geohash: string, precision: int)
查询命令：
select ST_AsText(ST_GeomFromGeoHash('ssf17',25))
从给定的已知文本标记语言的二进制表示（WKB）创建Geometry。
Format: ST_GeomFromWKT (Wkt:string)
select
ST_AsText((ST_GeomFromWKT(ST_AsEWKB(ST_GeomFromText('MULTIPOLYGON (((30 20,
45 40, 10 40, 30 20)), ((15 5, 40 10, 10 20, 5 10, 15 5)))')))))
根据给定的已知文本标记语言（WKT）创建Geometry。
ST_GeomFromText是ST_GeomFromWKT的别称
Format: ST_GeomFromWKT (Wkt:string)
select ST_AsText((ST_GeomFromText('POLYGON ((30 10, 40 40,
20 40, 10 20, 30 10))')))
返回具有给定坐标值的point。
Format: ST_Point (X:decimal, Y:decimal) Format: ST_Point (X:decimal, Y:decimal, Z:decimal)
如果a和b在2D中空间相交（即共享空间的任何部分），则返回true。 相当于NOT
st_disjoint（a，b）。
Format: ST_Intersects (A:geometry, B:geometry)
从MinX，MinY，MaxX，MaxY构建一个矩形。
Format: ST_PolygonFromEnvelope (MinX:decimal, MinY:decimal, MaxX:decimal, MaxY:decimal)
返回一个几何图形/地理位置，它表示与该几何图形/地理位置的距离小于或等于距离的所有点。
Format: ST_Buffer (A:geometry, buffer: Double)
经纬度需要转换成Decimal格式
图上需求是：根据中心点获取半径范围内的所有基站
图上需求是：根据矩形四个点获取矩形内的所有基站
图上需求是：根据自定义边框的多个点获取区域内的所有基站
ST_Centroid
SQL示例：
如何根据查询范围大小获取geohash层级
Geohash的最简单的解释就是：将一个经纬度信息，转换成一个可以排序，可以比较的字符串编码
import java.io.File;
import java.io.FileInputStream;
import java.util.BitSet;
import java.util.HashMap;
地图地址解析算法原理
GeoHash二进制编码。
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:
区间[-90,90]进行二分[-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；接着将区间[0,90]进行二分为 [0,45),[45,90]，递归上述过程39.928167总是属于某个区间[a,b]。
Arcgis—经纬度距离换算误差
1度是多少米？约等于 111KM
1米是多少度？ 约等于 0.00001
30min= 0.5°，约等于55.5km
15min=0.25°，约等于27.75Km
一、经纬度距离换算
a）在纬度相等的情况下：
经度每隔0.00001度，距离相差约1米；
每隔0.0001度，距离相差约10米；
每隔0.001度，距离相差约100米；
每隔0.01度，距离相差约1000米；
每隔0.1度，距离相差约10000米。
b）在经度相等的情况下：
纬度每隔0.00001度，距离相差约1.1米；
每隔0.0001度，距离相差约11米；
每隔0.001度，距离相差约111米；
每隔0.01度，距离相差约1113米；
每隔0.1度，距离相差约11132米。
二、Geohash距离换算（使用base32编码）
如果geohash的位数是9位数的时候，大概为附近2米
下表摘自维基百科：http://en.wikipedia.org/wiki/Geohash
订餐geohash不能为空
是因为送餐地址没有定位，定位好了就不会出现这个了。
我也遇到这种情况，看不懂～
是因为你的位置定位失败，我刚才在饿了么点餐就出现了这样的情况，重新定位一下位置就好了。
MySQL的GIS、GEO入门笔记
探索和学习MySQL中GIS相关功能和特性
这里记录了学习和了解MySQL中GIS特性相关内容的过程。
MySQL官方论坛中GIS的举例
测试数据已经导入成功，下面开始对GIS相关函数和GEOHASH进行了解和体验；
mysql中geometry类型的简单使用 MySQL空间数据类型
经纬度信息存储在geometry格式的字段中，该字段必须非空。
MySQL8.0前按照longitude-latitude的顺序存储位置 MySQL8.0前按照longitude-latitude的顺序存储位置 MySQL8.0前按照longitude-latitude的顺序存储位置
插入数据时候可使用如下语句：
MySQL存储geometry信息的方式采用了25bytes，相比WKB的21bytes，多了4bytes的坐标系表示，组成部分如下：
WTF字符串格式说明 select ST_GeomFromText(WTF格式字符串); WKT(Well-known text)是一种文本标记语言,用于表示矢量几何对象、空间参照系统及空间参照系统之间的转换。通过WTF字符串生成geometry的方法：
点： POINT(x y) 线： LINESTRING(x1 y1, x2 y2, x3 y3...) 多边形： POLYGON((0 0, 10 0, 10 10,0 10,0 0),(5 5,7 5,7 7,5 7,5 5)) 多点集： MULTIPOINT(0 0, 20 20, 60 60) 或 MULTIPOINT((0 0),(5 5),(5 0)) 多线集： MULTILINESTRING((10 10, 20 20), (15 15, 30 15)) 多多边形集： MULTIPOLYGON(((0 0,10 0,10 10,0 10,0 0)),((5 5,7 5,7 7,5 7, 5 5))) 例如两点一线组成的几何集： GEOMETRYCOLLECTION(POINT(10 10), POINT(30 30), LINESTRING(15 15, 20 20))
A geometry is syntactically well-formed if it satisfies conditions such as those in this (nonexhaustive) list:
Collections are not empty (except GeometryCollection)
更多内容参见 ST_PointFromText('POINT(X Y)'); ST_LineStringFromText('LINESTRING(0 0,1 1,2 2)'); ST_PolygonFromText('POLYGON((0 0,10 0,10 10,0 10,0 0),(5 5,7 5,7 7,5 7,5 5))'); ST_GeomCollFromText();
更多内容参见
参见 Point(x,y) LineString((x1,y1),(x2,y2)...) Polygon(LineString(),LineString()....)
参见 ST_AsText() ST_AsBinary() ST_AsWKT()
参见 ST_Dimension(geom) ：返回geom的维度（-1，0，1，2） ST_Envelope(geom) ：返回geom的最小外接矩形（MBR） ST_GeometryType(geom) ：返回geom的类型 ST_IsEmpty(geom) ：该函数并不能真实的判空，当geom为任何有效的几何值时返回0，无效的几何值返回1； ST_IsSimple(geom) ：当geom无任何异常几何点返回1（如自相交和自切线等），否则返回0 ST_SRID(geom) ：返回geom的坐标系ID
参见 ST_X(Point) ：获取Point的X值 ST_Y(Point) ：获取Point的Y值
参见 ST_StartPoint(linestrng) ： 线的起点 ST_EndPoint(linestring) ：返回线的最后一个点 ST_IsClosed(linestring或multilinestring) ：线是否闭合（若为线，则判断起点与终点是否一致；若为线组，则判断组内每个元素是否符合闭合线） ST_Length(linestring) ：返回线的长度，若入参为线集，则返回集合内所有长度的和 ST_NumPoiints(linestring) ：返回点的数量； ST_PointN(linestring,N) ：返回第N个点（从1开始）
参见 具体不在一一列举，主要有计算多边形面积、中心点、最小外接圆，最大内接圆等函数，列举几个可能会用到的： ST_Area(Poly|mPoly) ：返回双精度的面积或面积的和 'ST_Centroid(Poly|mPoly)'：返回数学上的中心点 ST_ExteriorRing(Poly) ：返回外接圆
参见 ST_Buffer说明 不再列举，主要有：ST_Buffer（不懂干啥用），ST_ConvexHull(geom)凸包，ST_Dfference(g1,g2)比较差异，ST_Intersecton(g1,g2)交叉点，ST_SymDifference(g1,g2)对称差分，ST_Union(g1,g2)连接、合并等。
检查geometry Objects之间的空间关系的方法。
参见 计算两个Object之间的空间关系的函数，有两个间距离、相交、不相交，包含、相等、相切、重叠、接触、在内等等空间关系。下面列举几个可能会常用的方法： ST_Contains(g1,g2) ：g1是否完全包含g2 ST_Within(g1,g2) ：g1是否包含于g2中 ST_Distance(g1,g2) ：返回g1和g2之间的距离，已坐标单位计算的 ST_Equals(g1,g2) ：返回g1和g2是否相等
参见 MBRContains(g1,g2) ：g1的mbr是否包含g2的mbr MBRWithin(g1,g2) ：g1的mbr是否在g2的mbr内 MBRCoveredBy(g1,g2) ：g1的mbr是否被g2的mbr覆盖 MBRCovers(g1,g2) ：g1的mbr是否覆盖g2的mbr MBRDisjoint(g1,g2) ：g1的mbr,g2的mbr是否不相交 MBRIntersects(g1,g2) ：g1mbr，g2mbr是否相交 MBREqual(g1,g2) ：g1的mbr,g2的mbr的外接是否相等 MBREquals(g1,g2) ：g1的mbr,g2的mbr的外接是否相等 MBROverlaps(g1,g2) ：g1mbr、g2mbr 其他函数请参看原文
GeoHash介绍 GeoHash Wiki百科
MySQL中自带函数 st_geohash(longtude,latitude,max_length) 或 st_geohash(point, max_length) 即可生成某一点的geohash值。
返回一个geohash字符串中的latitude或longitude
返回一个geohash解析出的point数据
官方文档
通过geometry生成一个GeoJSON Object， select st_asgeojson(geometry,max_length,options);
通过GeoJSON生成GeoMetry对象。 ST_GeomFromGeoJSON(jsonstring, [options [, srid]]) 具体使用方法参见官方文档
官方文档 MySQL中提供的方便空间运算的函数们
select ST_Distance_Spher(geomPoint1,geomPoint2 [, radius]); 此方法用于计算两点或多个点之间的地球上的距离（是地球球面距离而不是直线距离），返回单位为米，
select ST_IsValid(ST_GeomFromText('LINESTRING(0 0,1 1)')) 判断入参是否是符合地理位置描述的格式。返回1（符合）或者0（不符）；
例如： 返回0： select st_isvalid(st_geomfromtext('linestring(0 0, -0.00 0, 0.0 0)') 返回1： select st_isvalid(st_geomfromtext('linestring(0 0,1 1)')
select st_astext(st_makeenvelope(pt1, pt2)); 返回两点构成的包络。（此计算是基于笛卡尔坐标系而非球面）
例如： SELECT ST_AsText ( st_makeenvelope ( st_geomfromtext ( 'point(0 0)' ), st_geomfromtext ( 'point(1 1)' ) ) ); 返回结果： POLYGON((0 0,1 0,1 1,0 1,0 0))
效果说明 JS抽稀算法 select st_simplify(geometry, max_distance); 用道格拉斯-普克算法（抽稀函数）简化geometry，并返回与原格式相同格式的结果。
例如，以下点集拟合为直线，步长0.5： SELECT st_simplify ( st_geomfromtext ( 'LINESTRING(0 0,0 1,1 1,1 2,2 2,2 3,3 3)' ), 0.5 ) 返回结果： LINESTRING(0 0, 0 1, 1 1, 2 3, 3 3) 再如，步长1.0： SELECT st_simplify ( st_geomfromtext ( 'LINESTRING(0 0,0 1,1 1,1 2,2 2,2 3,3 3)' ), 1.0 ) 返回结果： LINESTRING(0 0, 3 3)
SELECT ST_Validate(geometry); 验证geometry是符合正确的地理位置信息格式。例如 Point(0 0) 是合格的； Linestring(0 0) 是非法的； Linestring(0 0, 1 1) 是合格的
了解了上述MySQL中关于集合对象的功能，下面来实践一下
由上面geohash长度-精度对应表可知，前6位表示±610米左右的误差，这里先查询前六位范围之后再用上述方法精确筛选一次即可：
可将上述查询方法封装为MySQL函数方便和简化程序调用.
该方法是运用了内置的几何关系运算函数 ST_Contains 和 ST_MakeEnvelop 来实现的，0.5对应大概500米左右的范围，具体如下；
链接: https://pan.baidu.com/s/1cW-kv6DIgtYMw5I3bNFzKA
提取码: jagn