基于GeoHash算法的LBS应用相关知识整理

﹏ヽ暗。殇╰゛Y 2023-07-02 13:28 15阅读 0赞

目前移动终端相当普及，一部手机就是一个移动位置源，很多应用都基于LBS功能，附近的某某（餐馆、银行、KTV等等）。一般地，基础信息数据中都会维护了标记位置的经纬度，利用用户提供的经纬度，进行对比，从而获得是否在附近。Geohash可以很好解决距离和范围的问题。

**Geohash在线工具：[http://geohash.co/][http_geohash.co]**

**目录**

GeoHash应用场景

认识GeoHash

GeoHash算法

GeoHash原理

GeoHash缺陷

使用注意点

计算围栏内所有Geohash

Redis Geohash测试

Geohash编码例子

GeoHash原理

转码处理过程

边界问题

距离问题

Geohash 工具类

参考文章

--------------------

### GeoHash应用场景 ###

*  半径范围内热点位置数据列表（附近人、商店、美食等等）
 *  范围内点位置数据GIS地图聚合（地图海量点数据聚合展示）
 *  大规模经纬度轨迹范围查询（轨迹的范围分析）

⽐较通⽤的地理位置距离排序算法是 GeoHash 算法，Redis 也使⽤ GeoHash 算法。GeoHash 算法将⼆维的经纬度数据映射到⼀维的整数，这样所有的元素都将在挂载到⼀条线上，距离靠近的⼆维坐标映射到⼀维后的点之间距离也会很接近。当我们想要计算「附近的⼈时」，⾸先将⽬标位置映射到这条线上，然后在这个⼀维的线上获取附近的点就⾏了。那这个映射算法具体是怎样的呢？它将整个地球看成⼀个⼆维平⾯，然后划分成了⼀系列正⽅形的⽅格，就好⽐围棋棋盘。所有的地图元素坐标都将放置于唯⼀的⽅格中。⽅格越⼩，坐标越精确。然后对这些⽅格进⾏整数编码，越是靠近的⽅格编码越是接近。那如何编码呢？⼀个最简单的⽅案就是切蛋糕法。设想⼀个正⽅形的蛋糕摆在你⾯前，⼆⼑下去均分分成四块⼩正⽅形，这四个⼩正⽅形可以分别标记为 00,01,10,11 四个⼆进制整数。然后对每⼀个⼩正⽅形继续⽤⼆⼑法切割⼀下，这时每个⼩⼩正⽅形就可以使⽤ 4bit 的⼆进制整数予以表示。然后继续切下去，正⽅形就会越来越⼩，⼆进制整数也会越来越⻓，精确度就会越来越⾼。

GeoHash是目前比较主流实现位置服务的技术，Geohash算法将经纬度二维数据编码为一个字符串，本质是一个降维的过程。

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。

### 认识GeoHash ###

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。

![format_png][]

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。

![format_png 1][]

### GeoHash算法 ###

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

![format_png 2][]

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

![format_png 3][]

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.

![format_png 4][]

h. 同理，将编码转换成经纬度的解码算法与之相反

### GeoHash原理 ###

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）。

![format_png 5][]

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

![format_png 6][]

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。

###  GeoHash缺陷 ###

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。

![format_png 7][]

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。

![format_png 8][]

### 使用注意点 ###

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。

![format_png 9][]

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。

![format_png 10][]

![20200130162625926.png][]

### 计算围栏内所有Geohash ###

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

### Redis Geohash测试 ###

127.0.0.1:6379> geoadd company 116.48105 39.996794 juejin
    (integer) 1
    127.0.0.1:6379> geoadd company 116.514203
    (error) ERR wrong number of arguments for 'geoadd' command
    127.0.0.1:6379> geoadd company 116.514203 39.905409 ireader
    (integer) 1
    127.0.0.1:6379> geoadd company 116.489033 40.007669 meituan
    (integer) 1
    127.0.0.1:6379> geoadd company 116.562108 39.787602 jd 116.334255 40.027400 xiaomi
    (integer) 2

注意 ：为什么 Redis 没有提供 geo 删除指令？前⾯我们提到 geo 存储结构上使⽤的是 zset，意味着我们可以使⽤ zset 相关的 指令来操作 geo 数据，所以删除指令可以直接使⽤ zrem 指令即 可。

[以下内容参考：https://github.com/GongDexing/Geohash][https_github.com_GongDexing_Geohash]

### Geohash编码例子 ###

<table> 
 <thead> 
  <tr> 
   <th>地点</th> 
   <th>经纬度</th> 
   <th>Geohash</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>鸟巢</td> 
   <td>116.402843,39.999375</td> 
   <td>wx4g8c9v</td> 
  </tr> 
  <tr> 
   <td>水立方</td> 
   <td>116.3967,39.99932</td> 
   <td>wx4g89tk</td> 
  </tr> 
  <tr> 
   <td>故宫</td> 
   <td>116.40382,39.918118</td> 
   <td>wx4g0ffe</td> 
  </tr> 
 </tbody> 
</table>

水立方就在鸟巢在附近，距离600米左右，而故宫到鸟巢直线距离9公里左右，体现在Geohash上，鸟巢和水立方的前五位是一样的，而鸟巢和故宫只有前4位是一样的，也就是说Geohash前面相同的越多，两个位置越近，但是反过来说，却不一定正确，这个在后面会详细介绍。

### GeoHash原理 ###

将经纬度转换为Geohash大体可以分为三步曲：

*  将纬度(-90, 90)平均分成两个区间(-90, 0)、(0, 90)，如果坐标位置的纬度值在第一区间，则编码是0，否则编码为1。我们用 39.918118 举例，由于39.918118 属于 (0, 90)，所以编码为1，然后我们继续将(0, 90)分成(0, 45)、(45, 90)两个区间，而39.918118 位于(0, 45)，所以编码是0，依次类推，我们进行20次拆分，最后计算39.918118 的编码是 10111000110001011011；经度的处理也是类似，只是经度的范围是(-180, 180)，116.40382的编码是**11010010110001101010**
 *  经纬度的编码合并，从0开始，奇数为是纬度，偶数为是经度，得到的编码是**1110011101001000111100000011100111001101**
 *  对经纬度合并后的编码，进行base32编码，最终得到**wx4g0ffe**

## ##

### 转码处理过程 ###

**1.将经纬度转换为二进制编码：**

private void convert(double min, double max, double value, List<Character> list) {
            if (list.size() > (length - 1)) {
                return;
            }
            double mid = (max + min) / 2;
            if (value < mid) {
                list.add('0');
                convert(min, mid, value, list);
            } else {
                list.add('1');
                convert(mid, max, value, list);
            }
        }

**2.合并经纬度的二进制编码**

List<Character> latList = new ArrayList<Character>();
            List<Character> lngList = new ArrayList<Character>();
            convert(Min_Lat, Max_Lat, lat, latList);
            convert(Min_Lng, Max_Lng, lng, lngList);
            StringBuilder sb = new StringBuilder();
            for (int index = 0; index < latList.size(); index++) {
                sb.append(lngList.get(index)).append(latList.get(index));
            }

**3.base32编码**

private final String[] base32Lookup =
                {"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"};
        private String base32Encode(final String str) {
            String unit = "";
            StringBuilder sb = new StringBuilder();
            for (int start = 0; start < str.length(); start = start + 5) {
                unit = str.substring(start, start + 5);
                sb.append(base32Lookup[convertToIndex(unit.split(""))]);
            }
            return sb.toString();
        }
        private int convertToIndex(String str) {
            int length = str.length();
            int result = 0;
            for (int index = 0; index < length; index++) {
                result += str.charAt(index) == '0' ? 0 : 1 << (length - 1 - index);
            }
            return result;
        }

### 边界问题 ###

两个位置距离得越近是否意味着Geohash前面相同的越多呢？答案是否定的，两个很近的地点\[116.3967,44.9999\]和\[116.3967,45.0009\]的Geohash分别是wxfzbxvr和y84b08j2，这就是Geohash存在的边界问题，这两个地点虽然很近，但是刚好在分界点45两侧，导致Geohash完全不同，单纯依靠Geohash匹配前缀的方式并不能解决这种问题。

在一维空间解决不了这个问题，回到二维空间中，将当前Geohash这块区域周围的八块区域的Geohash计算出来 \[116.3967,44.9999\] 周围8块区域的Geohash

> **y84b08j2**, wxfzbxvq, wxfzbxvx, wxfzbxvp, y84b08j8, y84b08j0, wxfzbxvw, wxfzbxvn

\[116.3967,45.0009\] 周围8块区域的Geohash

> y84b08j3, **wxfzbxvr**, y84b08j8, y84b08j0, y84b08j9, y84b08j1, wxfzbxvx, wxfzbxvp

\[116.3967,44.9999\]和\[116.3967,45.0009\]分别出现在各自附近的区域中，周围8个区域的Geohash怎么计算得到呢？很简单，当Geohash长度是8时，对应的每个最小单元

double latUnit = (Max_Lat - Min_Lat) / (1 << 20);
        double lngUnit = (Max_Lng - Min_Lng) / (1 << 20);

这样可以计算出8个分别分布在周围8个区域的地点，根据地点便可以计算出周围8个区域的Geohash

[lat + latUnit, lng]
    [lat - latUnit, lng]
    [lat, lng + lngUnit]
    [lat, lng - lngUnit]
    [lat + latUnit, lng + lngUnit]
    [lat + latUnit, lng - lngUnit]
    [lat - latUnit, lng + lngUnit]
    [lat - latUnit, lng - lngUnit]

### 距离问题 ###

打开饿了么这样的应用，除了可以看到附近的商家外，还能清晰看到离每个商家的距离，这个距离的怎么计算出呢？这完全是一个数学问题，把地球看着一个球体，先根据经纬度算出空间坐标，进而算出两点直线距离，最后算出弧长，便是两个位置的距离

public static double distance(double lat1, double lng1, double lat2, double lng2) {
            double x1 = Math.cos(lat1) * Math.cos(lng1);
            double y1 = Math.cos(lat1) * Math.sin(lng1);
            double z1 = Math.sin(lat1);
            double x2 = Math.cos(lat2) * Math.cos(lng2);
            double y2 = Math.cos(lat2) * Math.sin(lng2);
            double z2 = Math.sin(lat2);
            double lineDistance =
                    Math.sqrt((x1 - x2) * (x1 - x2) + (y1 - y2) * (y1 - y2) + (z1 - z2) * (z1 - z2));
            double realDistance = EARTH_RADIUS * Math.PI * 2 * Math.asin(0.5 * lineDistance) / 180;
            return realDistance;
        }

在实际应用中，先根据Geohash筛选出附近的地点，然后再算出距离附近地点的距离。

### Geohash 工具类 ###

*Location.java*

package org.geohash.util;
    
    /**
     * 位置类
     */
    public class Location {
        public static final double MINLAT = -90;
        public static final double MAXLAT = 90;
        public static final double MINLNG = -180;
        public static final double MAXLNG = 180;
        private double lat;//纬度[-90,90]
        private double lng;//经度[-180,180]
    
        public Location(double lat, double lng) {
            this.lat = lat;
            this.lng = lng;
        }
        public double getLat() {
            return lat;
        }
        public void setLat(double lat) {
            this.lat = lat;
        }
        public double getLng() {
            return lng;
        }
        public void setLng(double lng) {
            this.lng = lng;
        }
    
    }

*GeoHash.java*

package org.geohash.util;
    
    import java.util.ArrayList;
    import java.util.Arrays;
    import java.util.List;
    
    /**
     * GeoHash算法
     */
    public class GeoHash {
    
        private Location location;
        /**
         * 1 2500km;2 630km;3 78km;4 30km
         * 5 2.4km; 6 610m; 7 76m; 8 19m
         */
        private int hashLength = 8; //经纬度转化为geohash长度
        private int latLength = 20; //纬度转化为二进制长度
        private int lngLength = 20; //经度转化为二进制长度
    
        private double minLat;//每格纬度的单位大小
        private double minLng;//每个经度的倒下
        private static final char[] CHARS = {'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'};
    
        public GeoHash(double lat, double lng) {
            location = new Location(lat, lng);
            setMinLatLng();
        }
    
        public int gethashLength() {
            return hashLength;
        }
    
        /**
         * @Description: 设置经纬度的最小单位
         */
        private void setMinLatLng() {
            minLat = Location.MAXLAT - Location.MINLAT;
            for (int i = 0; i < latLength; i++) {
                minLat /= 2.0;
            }
            minLng = Location.MAXLNG - Location.MINLNG;
            for (int i = 0; i < lngLength; i++) {
                minLng /= 2.0;
            }
        }
    
        /**
         * @return
         * @Description: 求所在坐标点及周围点组成的九个
         */
        public List<String> getGeoHashBase32For9() {
            double leftLat = location.getLat() - minLat;
            double rightLat = location.getLat() + minLat;
            double upLng = location.getLng() - minLng;
            double downLng = location.getLng() + minLng;
            List<String> base32For9 = new ArrayList<String>();
            //左侧从上到下 3个
            String leftUp = getGeoHashBase32(leftLat, upLng);
            if (!(leftUp == null || "".equals(leftUp))) {
                base32For9.add(leftUp);
            }
            String leftMid = getGeoHashBase32(leftLat, location.getLng());
            if (!(leftMid == null || "".equals(leftMid))) {
                base32For9.add(leftMid);
            }
            String leftDown = getGeoHashBase32(leftLat, downLng);
            if (!(leftDown == null || "".equals(leftDown))) {
                base32For9.add(leftDown);
            }
            //中间从上到下 3个
            String midUp = getGeoHashBase32(location.getLat(), upLng);
            if (!(midUp == null || "".equals(midUp))) {
                base32For9.add(midUp);
            }
            String midMid = getGeoHashBase32(location.getLat(), location.getLng());
            if (!(midMid == null || "".equals(midMid))) {
                base32For9.add(midMid);
            }
            String midDown = getGeoHashBase32(location.getLat(), downLng);
            if (!(midDown == null || "".equals(midDown))) {
                base32For9.add(midDown);
            }
            //右侧从上到下 3个
            String rightUp = getGeoHashBase32(rightLat, upLng);
            if (!(rightUp == null || "".equals(rightUp))) {
                base32For9.add(rightUp);
            }
            String rightMid = getGeoHashBase32(rightLat, location.getLng());
            if (!(rightMid == null || "".equals(rightMid))) {
                base32For9.add(rightMid);
            }
            String rightDown = getGeoHashBase32(rightLat, downLng);
            if (!(rightDown == null || "".equals(rightDown))) {
                base32For9.add(rightDown);
            }
            return base32For9;
        }
    
        /**
         * @param length
         * @return
         * @Description: 设置经纬度转化为geohash长度
         */
        public boolean sethashLength(int length) {
            if (length < 1) {
                return false;
            }
            hashLength = length;
            latLength = (length * 5) / 2;
            if (length % 2 == 0) {
                lngLength = latLength;
            } else {
                lngLength = latLength + 1;
            }
            setMinLatLng();
            return true;
        }
    
        /**
         * @return
         * @Description: 获取经纬度的base32字符串
         */
        public String getGeoHashBase32() {
            return getGeoHashBase32(location.getLat(), location.getLng());
        }
    
        /**
         * @param lat
         * @param lng
         * @return
    
         * @Description: 获取经纬度的base32字符串
         */
        private String getGeoHashBase32(double lat, double lng) {
            boolean[] bools = getGeoBinary(lat, lng);
            if (bools == null) {
                return null;
            }
            StringBuffer sb = new StringBuffer();
            for (int i = 0; i < bools.length; i = i + 5) {
                boolean[] base32 = new boolean[5];
                for (int j = 0; j < 5; j++) {
                    base32[j] = bools[i + j];
                }
                char cha = getBase32Char(base32);
                if (' ' == cha) {
                    return null;
                }
                sb.append(cha);
            }
            return sb.toString();
        }
    
        /**
         * @param base32
         * @return
         * @Description: 将五位二进制转化为base32
         */
        private char getBase32Char(boolean[] base32) {
            if (base32 == null || base32.length != 5) {
                return ' ';
            }
            int num = 0;
            for (boolean bool : base32) {
                num <<= 1;
                if (bool) {
                    num += 1;
                }
            }
            return CHARS[num % CHARS.length];
        }
    
        /**
         * @param lat
         * @param lng
         * @return
         * @Description: 获取坐标的geo二进制字符串
         */
        private boolean[] getGeoBinary(double lat, double lng) {
            boolean[] latArray = getHashArray(lat, Location.MINLAT, Location.MAXLAT, latLength);
            boolean[] lngArray = getHashArray(lng, Location.MINLNG, Location.MAXLNG, lngLength);
            return merge(latArray, lngArray);
        }
    
        /**
         * @param latArray
         * @param lngArray
         * @return
         * @Description: 合并经纬度二进制
         */
        private boolean[] merge(boolean[] latArray, boolean[] lngArray) {
            if (latArray == null || lngArray == null) {
                return null;
            }
            boolean[] result = new boolean[lngArray.length + latArray.length];
            Arrays.fill(result, false);
            for (int i = 0; i < lngArray.length; i++) {
                result[2 * i] = lngArray[i];
            }
            for (int i = 0; i < latArray.length; i++) {
                result[2 * i + 1] = latArray[i];
            }
            return result;
        }
    
        /**
         * @param value
         * @param min
         * @param max
         * @return
         * @Description: 将数字转化为geohash二进制字符串
         */
        private boolean[] getHashArray(double value, double min, double max, int length) {
            if (value < min || value > max) {
                return null;
            }
            if (length < 1) {
                return null;
            }
            boolean[] result = new boolean[length];
            for (int i = 0; i < length; i++) {
                double mid = (min + max) / 2.0;
                if (value > mid) {
                    result[i] = true;
                    min = mid;
                } else {
                    result[i] = false;
                    max = mid;
                }
            }
            return result;
        }
    
    
        public static void main(String[] args) {
            // TODO Auto-generated method stub
            GeoHash g = new GeoHash(40.222012, 116.248283);
            System.out.println(g.getGeoHashBase32());
           // System.out.println(JsonUtil.parseJson(g.getGeoHashBase32For9()));
        }
    
    }

示例运行结果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jvb255YQ_size_16_color_FFFFFF_t_70][]

* 另一个实现版本：*

import java.util.BitSet;  
    import java.util.HashMap;
    
    public class GeoHash {
        private static int numbits = 6 * 5; //经纬度单独编码长度  
        //32位编码对应字符
        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' };  
        //定义编码映射关系  
        final static HashMap<Character, Integer> lookup = new HashMap<Character, Integer>();  
        //初始化编码映射内容
        static {  
            int i = 0;  
            for (char c : digits)  
                lookup.put(c, i++);  
        }  
        
        //对编码后的字符串解码
        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();  
              
            //偶数位，经度
            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);  
            }  
              
            //奇数位，纬度 
            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};       
        }  
        
        //根据二进制和范围解码
        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;  
        }  
          
        //对经纬度进行编码
        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));  
        }  
      
        //根据经纬度和范围，获取对应二进制
        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;  
        }  
      
        //将经纬度合并后的二进制进行指定的32位编码
        private 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));  
        }  
        
        public static void main(String[] args)  throws Exception{  
            GeoHash geohash = new GeoHash();
            String s = geohash.encode(45, 125);
            System.out.println(s);
            double[] geo = geohash.decode(s);
            System.out.println(geo[0]+" "+geo[1]);
        }  
    }

### 参考文章 ###

[Geohash原理][Geohash]

[Geohash查找附近人][Geohash 1]

[Geohash精度和原理][Geohash 2]

[geohash算法原理及实现方式 ][geohash_]

[JAVA实现空间索引编码（GeoHash） ][JAVA_GeoHash_]

[阿里技术官方号——基于快速GeoHash，如何实现海量商品与商圈的高效匹配？ ][GeoHash_]

[http_geohash.co]: http://geohash.co/
[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLWI2YjZkMGY1MDU3NWU4M2QucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvMjgy?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLTliNGRiMWU2Y2M4ZjA1ZTUucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNTU2?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLTI0ZmFlMDM2MTJhZmQ5ZWEucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNDg4?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLTM2NTcyMTU3MjI2YzFiOTIucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNTU0?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLTgzMmRhODFiNjE1NDIxYTQucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNDQ3?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLTFmNjlmMWFmN2JhYzRiYTIucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNDI4?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLTRmYWIxMmMzMTRmYWU5ZGUucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNDA5?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLWFmMjI2ZWJjZWZiYzFlNjIucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNDgz?x-oss-process=image/format,png
[format_png 8]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLTFkZWQzM2ZlODM2ODU0OTQucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvNDk3?x-oss-process=image/format,png
[format_png 9]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLWMzZDYwNzFlODdlZmRjZjgucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvMjE0?x-oss-process=image/format,png
[format_png 10]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NDc3MzIxLTg5MjNjMGZkYTg3NjllMDYucG5nP2ltYWdlTW9ncjIvYXV0by1vcmllbnQvc3RyaXB8aW1hZ2VWaWV3Mi8yL3cvMzgz?x-oss-process=image/format,png
[20200130162625926.png]: https://img-blog.csdnimg.cn/20200130162625926.png
[https_github.com_GongDexing_Geohash]: https://github.com/GongDexing/Geohash
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jvb255YQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200130163727461.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2Jvb255YQ==,size_16,color_FFFFFF,t_70
[Geohash]: https://www.jianshu.com/p/1ecf03293b9a
[Geohash 1]: https://www.cnblogs.com/hanmengya/p/10967457.html
[Geohash 2]: https://blog.csdn.net/u011497262/article/details/81210634
[geohash_]: https://blog.csdn.net/hong2511/article/details/81329361
[JAVA_GeoHash_]: https://blog.csdn.net/xiaojimanman/article/details/50358506
[GeoHash_]: https://blog.csdn.net/alitech2017/article/details/81059316