利用地图SDK生成火星坐标纠偏数据库

来源：互联网发布：淘宝如何批量设置运费编辑：程序博客网时间：2024/04/28 12:15

原文地址：http://blog.csdn.net/huzgd/article/details/8933118?reload

众所周知，我们国内的电子地图如谷歌高德都是采用加密偏移过的火星坐标（GCJ-02），但手机GPS获取的却是地球坐标（WGS-84），如何从地球纠偏转到火星，这个问题是中国程序员必须要面对的。一般来说，有以下几种方式：纠偏算法、纠偏接口和纠偏数据库。有些东西其实已经是公开的秘密，因此这里我把生成纠偏数据库的过程写一下，应该也不是什么大问题吧。请注意此文的前提是假设没有纠偏算法，用SDK的纠偏接口生成纠偏库。

纠偏数据可以在网上找，但免费的并不好找，网上能找到的多数不全，或者精度较低；X宝上有人卖纠偏数据库或纠偏接口的，价格也不便宜，这么嚣张的数据一般人也不愿意共享。于是我萌生了自己调纠偏接口生成纠偏数据库的念头。

高德和百度提供了在线纠偏的接口，但毕竟是在线网络请求，坐标多的话纠偏速度较慢。全中国0.01精度的纠偏数据大概有3千万条，以一条40字节算有1.1G大小，压缩后也有一两百M。假设每秒纠10条，3千万条可能需要纠上一个月。一般地图的移动SDK（如高德）也提供了坐标纠偏功能，但多数是转而调用在线纠偏接口，速度慢。但我在使用百度地图SDK时，发现百度地图也有纠偏接口，这个接口在文档上并未公开，但确是存在的，而且它的纠偏是瞬间直接完成的，不需要连网，因此可以确定它内置了纠偏算法，可以利用它来生成纠偏数据库。

百度地图SDK有安卓和iOS版，我选择的是iOS版，原因很简单：iOS支持x86的原生指令模式运行，速度自然比安卓ARM的JAVA虚拟机快得多。代码并不复杂，基本上就是循环遍历中国的所有经纬度范围，进行转换坐标，计算偏移量。百度自己在火星坐标基础上做了个二次加密形成自己的百度坐标系（BD-09），支持从地球坐标（WGS-84）转到百度坐标（BD-09），但它也支持从火星坐标（GCJ-02）转到百度坐标（BD-09），因此我们可以通过两者相减计算出火星坐标（GCJ-02）。

于是乎我写了纠偏库生成程序，支持不同精度类型的纠偏数据生成，主体代码如下：

[cpp] view plaincopy
- (void) doGen{  
    if(isRunning)//防止重复进入  
        return;  
    isRunning=YES;  
      
    //获取文件保存路径，生成文件名  
    NSArray *documentsPaths=NSSearchPathForDirectoriesInDomains(NSDocumentDirectory  
                                                                , NSUserDomainMask  
                                                                , YES);  
    NSString *fn=[NSString stringWithFormat:@"coordoffset_db_%d_%d.txt",genType,stepDis];  
    fn=[[documentsPaths objectAtIndex:0] stringByAppendingPathComponent:fn];  
    NSLog(@"gen filename: %@",fn);  
      
    //用C函数打开文件，以便写大文件  
    FILE * hFile = fopen([fn UTF8String],"w+");  
    if (hFile == NULL)  
    {  
        isRunning=NO;  
        return;  
    }  
  
    //使用自定义的内存池，定时释放内存，防止大循环中内存不足  
    NSAutoreleasePool *pool=[[NSAutoreleasePool alloc] init];  
      
    curCount=0;  
    int cchCount=5000;  
    CLLocationCoordinate2D coor1,coor2,coor3,coor4;  
    char * buf=(char*)malloc(101*1024); //申请101KB的内存作为写入缓存  
    int idx=0;  
    for(int ix=startLon;ix<=endLon;ix+=stepDis){  
        for(int iy=startLat;iy<=endLat;iy+=stepDis){  
            coor1.longitude=ix/1000000.0;  
            coor1.latitude=iy/1000000.0;  
            if(genType==0){//判断转换类型  
                //百度，直接转  
                NSDictionary * dist=BMKBaiduCoorForWgs84(coor1);  
                coor2=BMKCoorDictionaryDecode(dist);  
            } else {  
                //谷歌高德，先WGS转百度，再谷歌高德转百度，然后计算大概偏移，最后重新计算  
                  
                NSDictionary * dist=BMKBaiduCoorForWgs84(coor1);  
                coor2=BMKCoorDictionaryDecode(dist);  
                dist=BMKBaiduCoorForGcj(coor1);  
                coor3=BMKCoorDictionaryDecode(dist);  
                double dx1=coor3.longitude-coor1.longitude;  
                double dy1=coor3.latitude-coor1.latitude;  
                double dx2=coor2.longitude-coor1.longitude;  
                double dy2=coor2.latitude-coor1.latitude;  
                double dx3=dx2-dx1;  
                double dy3=dy2-dy1;  
                  
                //计算可能最接近原坐标纠偏结果的高德坐标，重新计算偏移  
                coor3.longitude=coor1.longitude+dx3;  
                coor3.latitude=coor1.latitude+dy3;  
                dist=BMKBaiduCoorForGcj(coor3);  
                coor4=BMKCoorDictionaryDecode(dist);  
                dx1=coor4.longitude-coor3.longitude;  
                dy1=coor4.latitude-coor3.latitude;  
                dx3=dx2-dx1;  
                dy3=dy2-dy1;  
                  
                coor2.longitude=coor1.longitude+dx3;  
                coor2.latitude=coor1.latitude+dy3;  
            }  
            //写入缓冲区  
            int len=sprintf(&buf[idx],"%0.3f,%0.3f,%0.6f,%0.6f\n",coor1.longitude,coor1.latitude,coor2.longitude-coor1.longitude,coor2.latitude-coor1.latitude);  
            idx+=len;  
            cchCount++;  
            curCount++;  
            if(cchCount>5000||idx>=100*1024||curCount>=recCount){  
                //每隔5000坐标，或缓冲使用达到100K时，或者达到最后一条记录时，写一次文件  
                fwrite(buf, idx, 1, hFile);  
                idx=0;  
                cchCount=0;  
                //释放内存池，并重新创建内存池  
                [pool release];  
                pool=[[NSAutoreleasePool alloc] init];  
                //记录当前坐标供刷新进度使用  
                curLon=ix/1000000.0;  
                curLat=iy/1000000.0;  
            }  
              
            if(!isRunning)  
                break;  
        }  
        if(!isRunning)  
            break;  
    }  
    free(buf);  
    [pool release];  
    fclose(hFile);  
    isRunning=NO;  
}  

以上代码在线程中执行，需要注意的是，为了防止大循环中内存池不释放导致内存不足，需要自己建立内存池并定时释放内存；为了支持大文件的写入，需要采用C的文件操作函数代替NSDATA；为了保证写入速度，我在其中使用了写入缓冲，每5000行写入一次。我原以为生成过程需要执行半天，还专门写了定时器刷新进度估计完成时间，结果经过这么优化后，生成速度比较快，3000万条记录大概十分钟可以生成完成，大大超出我的意料。

考虑到实际需要，我生成的是0.025精度的数据，大概500万条数据。直接在模拟器运行，运行完成后，在Finder找到生成的文件，将它拷贝出来导入数据库。

数据库我用的是ORACLE，用SQL LOADER导入，导入前先删除所有索引约束，扩大表空间限制，每隔5000条COMMIT一次，本机到服务器千兆连接，导入速度大概每秒1500条，也导了大半小时才导完。

导完后建索引。考虑到浮点数索引效率可能不高，我把经纬度转成了整数，如113.05转成113050000，23.05转成23050000，然后建立联合索引。索引建完后一测试，查询一个坐标需要6、7秒，还是太慢。于是把经度和纬度各取6位合并成一个12位唯一主键索引字段，如113.05和23.05合并成113050023050，主键索引建立好后再测试，查询SQL瞬间返回了。

至此纠偏数据库建立完成，可以直接SQL调用查询了。