S2算法应用
需求:计算不同区域范围,X公里半径内实体店或场站覆盖率。
实现思路:
- 为了便于理解,将地球看成一个基于经纬度线的坐标系。将经度和纬度看成二维坐标系中的两个纬度,横轴表示经度[-180o, 0o),(0o, 180o],纵轴表示纬度[-90o, 0o),(0o, 90o]。
- 以最小纬度和经度对应坐标为第一个六角形中心点,在经度方向循环计算六角形各顶点(顶点开始,顺时针,命名:Point1,Point2,Point3,Point4,Point5,Point6)及中心点(Point0)坐标,直至六角形中心点经度大于等于最大经度。 存储六角形标记为(0,0),(0,1),(0,2) ......., 表示六边形位于第0行第N列
- 第一行计算完成后,开始计算第2行,如下图,第2行(奇数行), 除第1个和最后一个点作特殊处理外,其它点的 Point3、Point4、Point5是重叠的,注意坐标的处理,否则会出现偏差
- 在维度方向上按上一步循环。完成整个区域范围内六角边分割,注意:为了快速定位,还需计算出每个六角形中心点对应的Geohash,根据半径不一致,可选择不同的Geohash级别
- 根据场站经纬度计算出30级 Cell ID 值 及 Geohash 码
- 根据 Geohash 码找出附近的六角形,通过六顶点坐标 构造 IRegion, 判断场站是否包含在六边形内,如果不包含,再次计算出当前Geohash码周边8个Geohash框,再次计算
- 至此完成此区域内场站命中的六角形。
关键代码
- 根据中心点坐标、边长、偏差角度(中心点至顶点开始)计算下一个点坐标
- public const double Ea = ; // 赤道半径(米)
- public const double Eb = ; // 极半径 (米)
- /// <summary>
- ///
- /// </summary>
- /// <param name="lat"></param>
- /// <param name="lng"></param>
- /// <param name="distance"></param>
- /// <param name="angle"></param>
- /// <returns></returns>
- public static Point GetPoint(double lat, double lng, double distance, double angle)
- {
- double dx = distance * * Math.Sin(angle * Math.PI / 180.0);
- double dy = distance * * Math.Cos(angle * Math.PI / 180.0);
- double ec = Eb + (Ea - Eb) * (90.0 - lat) / 90.0;
- double ed = ec * Math.Cos(lat * Math.PI / 180.0);
- double newLon = (dx / ed + lng * Math.PI / 180.0) * 180.0 / Math.PI;
- double newLat = (dy / ec + lat * Math.PI / 180.0) * 180.0 / Math.PI;
- return new Point(newLat, newLon);
- }
- public const double Ea = ; // 赤道半径(米)
- 计算场站所属六边形
- /// <summary>
- ///
- /// </summary>
- /// <param name="destRows"></param>
- /// <param name="cell"></param>
- /// <param name="level"></param>
- /// <param name="staid"></param>
- /// <param name="hashMap"></param>
- /// <param name="geohashValue"></param>
- /// <returns></returns>
- private string GetPgID(DataTable dest, S2Cell cell,string geohashValue)
- {
- //先找当前geohash4的值
- string pgID = this.GetPGIDByHash(dest, cell, geohashValue);
- if (string.IsNullOrEmpty(pgID) == false)
- return pgID;
- //当前hash未命中时,找相邻8格
- List<string> hashLst = GeoHashService.Default.GetGeoHashExpand(geohashValue);
- foreach (string ghValue in hashLst)
- {
- pgID = this.GetPGIDByHash(dest, cell, ghValue);
- if (string.IsNullOrEmpty(pgID) == false)
- return pgID;
- }
- return string.Empty;
- }
- /// <summary>
- ///
- /// </summary>
- /// <param name="dest"></param>
- /// <param name="cell"></param>
- /// <param name="geohashValue"></param>
- /// <returns></returns>
- private string GetPGIDByHash(DataTable dest, S2Cell cell, string geohashValue)
- {
- DataRow[] destRows = dest.Select(string.Format("{0} = '{1}'", M_GEOHASH, geohashValue)); //城市均分的网格
- foreach (DataRow dRow in destRows)
- {
- string pgID = Convert.ToString(dRow["ID"]);
- IS2Region cells = this.BuildPolygon(dRow);
- if (cells.Contains(cell) == true)
- {
- return pgID;
- }
- }
- return string.Empty;
- }
- /// <summary>
- /// 构造容器
- /// </summary>
- /// <param name="row"></param>
- /// <returns></returns>
- private IS2Region BuildPolygon(DataRow row)
- {
- List<S2Point> lst = new List<S2Point>();
- lst.Add(this.GetPoint(Convert.ToDouble(row["lat1"]), Convert.ToDouble(row["lng1"])));
- lst.Add(this.GetPoint(Convert.ToDouble(row["lat2"]), Convert.ToDouble(row["lng2"])));
- lst.Add(this.GetPoint(Convert.ToDouble(row["lat3"]), Convert.ToDouble(row["lng3"])));
- lst.Add(this.GetPoint(Convert.ToDouble(row["lat4"]), Convert.ToDouble(row["lng4"])));
- lst.Add(this.GetPoint(Convert.ToDouble(row["lat5"]), Convert.ToDouble(row["lng5"])));
- lst.Add(this.GetPoint(Convert.ToDouble(row["lat6"]), Convert.ToDouble(row["lng6"])));
- S2Loop loop = new S2Loop(lst);
- loop.Normalize();
- return loop;
- }
- /// <summary>
示例效果
参考资料
S2算法应用的更多相关文章
- C#实现Google S2算法
S2其实是来自几何数学中的一个数学符号 S²,它表示的是单位球.S2 这个库其实是被设计用来解决球面上各种几何问题的.值得提的一点是,除去 golang 官方 repo 里面的 geo/s2 完成度目 ...
- 高效的多维空间点索引算法 — Geohash 和 Google S2
原文地址:https://www.jianshu.com/p/7332dcb978b2 引子 每天我们晚上加班回家,可能都会用到滴滴或者共享单车.打开 app 会看到如下的界面: app ...
- 空间数据库系列二:空间索引S2与Z3分析对比
S2与Z3对比分析 1. S2 2. Geohash 3. Geomesa Z3 4. S2对比geohash 4.1. geohash存在的问题 4.2. S2优势 4.3. 实际对比例子 5. 测 ...
- [luoguP1578] 奶牛浴场(DP)
传送门 O(s2)算法 详见论文 王知昆--浅谈用极大化思想解决最大子矩形问题 我就复制你能把我怎么样QAQ #include <cstdio> #include <iostream ...
- 深入解密来自未来的缓存-Caffeine
1.前言 读这篇文章之前希望你能好好的阅读: 你应该知道的缓存进化史 和 如何优雅的设计和使用缓存? .这两篇文章主要从一些实战上面去介绍如何去使用缓存.在这两篇文章中我都比较推荐Caffeine这款 ...
- 基于 Google-S2 的地理相册服务实现及应用
马蜂窝技术原创内容,更多干货请关注公众号:mfwtech 随着智能手机存储容量的增大,以及相册备份技术的普及,我们可以随时随地用手机影像记录生活,在手机中存储几千张甚至上万张照片已经是很常见的事情.但 ...
- 分布式一致性算法--Paxos
Paxos算法是莱斯利·兰伯特(Leslie Lamport)1990年提出的一种基于消息传递的一致性算法.Paxos算法解决的问题是一个分布式系统如何就某个值(决议)达成一致.在工程实践意义上来说, ...
- C#实现Levenshtein distance最小编辑距离算法
Levenshtein distance,中文名为最小编辑距离,其目的是找出两个字符串之间需要改动多少个字符后变成一致.该算法使用了动态规划的算法策略,该问题具备最优子结构,最小编辑距离包含子最小编辑 ...
- Hihocoder 太阁最新面经算法竞赛18
Hihocoder 太阁最新面经算法竞赛18 source: https://hihocoder.com/contest/hihointerview27/problems 题目1 : Big Plus ...
随机推荐
- 解决 canvas 将图片转为base64报错
var canvas=document.getElementById("canvas"),//获取canvas ctx = canvas.getContext("2d&q ...
- HDU 1796 How many integers can you find(容斥原理)
题目传送:http://acm.hdu.edu.cn/diy/contest_showproblem.php?cid=20918&pid=1002 Problem Description ...
- HslCommunication组件库使用说明
一个由个人开发的组件库,携带了一些众多的功能,包含了数据网络通信,文件上传下载,日志组件,PLC访问类,还有一些其他的基础类库. nuget地址:https://www.nuget.org/packa ...
- django配置Ueditor富文本编辑器
1.https://github.com/twz915/DjangoUeditor3下载包,进入包文件夹,找到DjangoUeditor包拷贝到项目下,和xadmin同级目录 2.找到项目的setti ...
- Redis分布式锁实现
redis分布式锁的一个简单直接的实现方法就是用 SET NX 命令设置一个设定了存活周期 TTL 的 Key 来获取锁,通过删除 Key 来释放锁,通过存活周期来避免死锁.不过这个方法存在单点故障风 ...
- WPA2 Key Reinstallation 漏洞
漏洞形成: 必要条件1:WPA2 协议存在一个消息重放漏洞,导致多组相同数据被使用了相同的密钥加密. ciphertext = plaintext xor AES(key, IV||counter) ...
- logminer实战之生产环境写入数据字典,dg环境查询拷贝日志,测试环境进行挖掘,输出结果
应客户需要,对某一天的日志进行挖掘,分析日均归档日志切换数量20增长至40的原因,是什么表的dml操作导致的日志量剧增,最终定位某个应用(需要客户自己进行甄别) 操作说明及介绍: 1.客户10.2.0 ...
- shell脚本-预定义常量
$0 这个程式的执行名字$n 这个程式的第n个参数值,n=1..9$* 这个程式的所有参数,此选项参数可超过9个.$# 这个程式的参数个数$$ 这个程式的PID(脚本运行的当前进程ID号)$! 执行上 ...
- HDU - 5201 :The Monkey King (组合数 & 容斥)
As everyone known, The Monkey King is Son Goku. He and his offspring live in Mountain of Flowers and ...
- 软件安装配置笔记(二)——SQL Server安装
客户端安装: 服务器端安装: