产品功能解读：「附近的人」是按什么规则计算的(2)

GeoHash算法将二维的经纬度(x，y)转换成一维信息(字符串)，同时解决了隐私问题。

以下图为例，把某个区域划分为 9 个格子， 9 个给格子分别命名为WX4ER，WX4G2、WX4G3 等这样的字符串，每一个字符串是某个格子的代号，用这个代号来代表被划分的子区域。

也就是说，每个格子(子区域)内所有的点(经纬度坐标)都共享相同的GeoHash字符串，大家表示自己的所在位置时，只需要说出该字符代号(比如我们在做自我介绍时说我是广州天河人，“天河”就是广州被划分的其中一个格子)，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)，一维的信息也比较容易计算和做缓存，只要格子划分地越小，距离就越精确。

那GeoHash字符串如何表示自己的精确等级呢?

GeoHash字符串越长，表示的范围越精确。如图所示， 5 位的编码能表示 10 平方千米范围的矩形区域，而 6 位编码能表示更精细的区域(约0. 34 平方千米)

GeoHash字符串相似的表示距离相近，比如上图中的：

• WX4G0 9 和
• WX4G0 8 较近，和
• WX4FBX较远

这样可以利用字符串的前缀匹配来查询附近的POI信息(POI信息表示一栋房子、一个商铺、一个邮筒、一个公交站等)，在地图程序中找附近的医院、加油站等都有应用。

同样地，我们可以用此方法来圈到同一区域(格子)或者附近区域的人群，再计算大概的距离，而不用把与所有人的距离计算出来，再做排序。

再来回顾一下两种计算方法：

(1)只保存了每个人的坐标，要找出某个用户附近的人

• 把所有人的坐标与当前用户的坐标计算一次，算出距离
• 按找算出的距离升序排列，返回附近的人

(2)保存了用户的坐标+GeoHash字符串，要找出附近的人

• 按区域字符串相似度划出该区域的人群，区域划分越小，距离越近。

很明显， 2 方法要快一些。

GeoHash字符串在位置接近矩形边界时不太准确。

比如红色的点是A用户，绿色的两个点从上到下分别是B用户和C用户，但在圈定人群时会发现距离A较远的C用户的GeoHash编码与A一样(因为在同一个GeoHash区域块上)，而较近的B用户的GeoHash编码与A不一样，算起来好像C与A较近。

• A：WX4G0
• B：WX4G2
• C：WX4G0

（编辑：ASP站长网）