php地图经纬度相关算法

1.高德地图点聚合算法(网格法)

根据地图上的范围(取左上角与右下角的经纬度 )
getmain 根据范围和数量平均取值生成网格
getzxd 取出网格点的经纬度的平均值
getzxdnum 获取范围内数据的点

/*
 * 返回所有的站点信息
 */

public function getmain() {
    $data = I('get.');
    if ($data['lat_r'] && $data['lat_l']) {

        $lat1 = $data['lat_r'];
        $lat2 = $data['lat_l'];
        $lng1 = $data['lng_l'];
        $lng2 = $data['lng_r'];
        $num = 200;
        $lat_dr = ($lat2 - $lat1) / $num;
        $lng_dr = ($lng2 - $lng1) / $num;
        for ($i = $lat1; $i < $lat2; $i+=$lat_dr) {
            $aa_yd = $i + $lat_dr;
            for ($n = $lng1; $n < $lng2; $n+=$lng_dr) {
                $bb_yd = $n + $lng_dr;
                //$re = $this->getzxd($i, $aa_yd, $n, $bb_yd);
                $kkk = $this->getzxdnum($i, $aa_yd, $n, $bb_yd);
                $re = $this->getzxd($kkk);
                $re['num'] = count($kkk);
                if ($re['num'] > 0) {
                    $conect[] = $re;
                }
            }
        };
        unset($i);
        unset($n);
        unset($bb_yd);
        unset($aa_yd);
    }
    $cc = $this->savejh($conect);
    //$conect = array_values($conect);
    echo json_encode($cc);
}

//获取中心点
private function getzxd($date) {
    $lat = '';
    $lng = '';
    $num = count($date);
    foreach ($date as $key => $value) {
        $lng += $value['longitude'];
        $lat += $value['latitude'];
    }
    $kk['lat_cc'] = $lat / $num;
    $kk['lng_cc'] = $lng / $num;
    return $kk;
}
//获取数量
private function getzxdnum($lat1, $lat2, $lng1, $lng2) {
    $list = M('Charging')->field('id,latitude,longitude')->where("latitude>{$lat1} and latitude<{$lat2} and longitude>{$lng1} and longitude<{$lng2}")->select();
    return $list;
}

2.根据地图上两点的经纬度算出距离

/**
 * @desc 根据两点间的经纬度计算距离
 * @param float $lat 纬度值
 * @param float $lng 经度值
 */
public function getDistance($lat1, $lng1, $lat2, $lng2) {
    $earthRadius = 6378.137; //approximate radius of earth in meters

    $lat1 = ($lat1 * pi() ) / 180;
    $lng1 = ($lng1 * pi() ) / 180;

    $lat2 = ($lat2 * pi() ) / 180;
    $lng2 = ($lng2 * pi() ) / 180;

    $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, 2);
}

3.本地数据聚合算法

查询范围内聚合数据的平均值

SELECT `id`,count(*) as cnt, substr( longitude,0,4) as pjing, substr(latitude,0,3) as pwei, avg(longitude) as pjing2, avg(latitude) as pwei2 FROM pile  GROUP BY pjing2,pwei2
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,723评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,080评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,604评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,440评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,431评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,499评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,893评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,541评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,751评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,547评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,619评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,320评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,890评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,896评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,137评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,796评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,335评论 2 342

推荐阅读更多精彩内容