经纬度在大数据方面的应用（虚拟车站一）

一.如果有一批数据，知道某个主键比如ip地址、人的身份证、车牌、订单以及经纬度信息

那可以做出哪些事情？

1.某个ip对应的经纬度在哪个地区？

1.某个人出现的经纬度，根据人与经纬度关系，形成出行轨迹

3.某车牌或者车架对应的经纬度信息，车辆轨迹，借助地图做出，可以做交通数据应用

4.某个地区的订单信息

5.根据经纬度，一些十字路口或者地铁口附件乘车人比较多，来做出一些虚拟车站，就像打车软件上面绿色

二 什么是小绿点(虚拟车站)
这里所说的拨云见日的“小绿点”，其实是滴滴为打车乘客的推荐的智能上车地点，是一个“虚拟车站”和生活中的公交车站不同，单作用是相同的，为了在固定的区域位置提示用户方便乘车。因为在滴滴产品页面呈现是一个个绿色的小点，所以被亲切的称呼为“小绿点”。滴滴出行发现，乘客上车前类似“到在云彩下面来接我”的电话沟通，会浪费了司机与乘客大量的时间。为了根治此症，彻底消除可怕的云山雾罩般的找寻，“小绿点”便应运而生了。
如下图:叫车前，滴滴App界面会出现推荐的智能上车点

二、虚拟车站的业务难点

1.找出人们出行打车的所有小区域

2.筛选出打车人数、订单数比较多的区域，不能说历史数据中某个区域内只有一个订单就作为虚拟车站，约定一个阈值

3.根据这些区域内订单的经纬度的精度，那个精度最小选择哪个经纬度作为虚拟车站

三、使用uber-h3实现地图上小区域划分

uber h3算法介绍

H3,是一个六边形分层索引网格系统，也是最近几年实现数据聚合的主要趋势，在h3出现之前大部分情况采用的是geohash算法，墨卡托投影，还有一些其他投影技术，比如google s2.地理索引

六边形网格与周围网格的距离有且仅有一个，而四边形存在两类距离，三角形有三类距离3.1 h3的特点

1.将数据划分为六边形网格

 H3有一个简单的API，可将坐标索引到六角形的全局网格中。

2.分层网格系统

 容易按位截断粗略的近似单元，以及区域压缩/解压缩算法。

3.全面全球化

 连同十二个五边形，整个世界都可以在H3中寻址，分辨率可达平方米

3.2 分辨率

精度说明：0-15个精度级别，六边形区域要为9m 那就是选择精度12-----》对应的格子边长为0.00941km=9.4m

4.六边形区域的定义

1.南京市六边形样例：

2、定义每个六边形为10米左右，如果两个经纬度的距离在10米之内，就在这个区域，他们的进行h3算法返回的索引值就是想等的

三、测试两个经纬度是否在想要的区域内

测试 19.714932,110.563756与19.714986,110.563684 两个点是否在同一个区域测试 19.715584,110.563654与19.715617,110.563743两个点是否在同一个区域

 

测试结果：第一组不在精度为12（六边形边长为9.4米）的区域内，第二组在精度为12的区域内。

来源：https://www.cnblogs.com/hejunhong/p/12169257.html