GeoHash网格化工具整理

最近在做基于经纬度网格化的相关研究,网格化划分直接使用的是Geohash。你可以将Geohash流程简单的理解为不断二分的过程,最终得到的geohash值代表的是一个矩形区域。我们知道经纬度转化为Geohash后会有精度损失。精度的损失实际上是由经纬度转化为Geohash时将点转化为面导致的。

Python相关的类库

python-geohash

项目地址:

官方没有说明文档,以下为使用示例:

Geohash

项目地址:

使用方法类似:

geohash2

项目地址:

使用方法:

从上面的数据可以看到decode后获取的不是中心点的坐标,而是对坐标进行了精度的调整,导致上述问题,所以不推荐使用。

geolib

项目地址:

ProximityHash

ProximityHash生成一组覆盖圆形区域的地理HASH,给定中心坐标和半径。它还可以使用GeoRaptor创建不同级别的geohash的最佳组合来表示圆,从最高级别开始迭代,直到绘制出最佳混合。结果精度与初始geohash级别的精度相同,但数据大小大大减小,从而提高了速度和性能。

项目地址:

georaptor

GeoRaptor通过从最高级别开始迭代直到绘制出最佳混合,创建跨不同级别的geohash的最佳组合来表示多边形。结果精度与初始geohash级别相同,但对于大型多边形,数据大小会显著减小,从而提高速度和性能。

项目地址:

其他项目:

GEOHASH的可视化

参考项目:

微信支付标点符 wechat qrcode
支付宝标点符 alipay qrcode

机器学习在旅游与酒店个性化的研究

当我们访问Netflix、 YouTube 或Amazon时,我们认为个性化推荐是理所当然的。这些服务已经探索

机器学习: 商业与数据科学之间的桥梁

每次我们谈论自动驾驶汽车、聊天机器人、 AlphaGo 或者预测分析,都会涉及到一些机器学习技术的实现。在公众

Python检验数据是否正态分布

判断数据是否符合正态分布,比如使用3-sigma判断数据异常前,首先需要确定的是数据是否符合正态分布。今天一起

发表评论

电子邮件地址不会被公开。 必填项已用*标注