前些时间在更新我的坐标边界查问工具的时候，须要用到经纬度坐标点的间隔计算，和以坐标点为核心生成一个指定间隔为半径的圆，搜了一下没有找到现成简略又适合的代码，于是把本人压箱底的代码翻出来了，简化欠缺了一下，嘿，代码量也不大，还挺好用。
本办法是通过计算失去圆上的多个坐标点，来失去的一个近似的圆形面，只有坐标点够多，这个圆就能足够圆；有了这些坐标点就很容易示意成不同的格局，比方：GeoJSON 文本、WKT 文本、Geometry 实例。
源自 坐标边界查问工具 开源库：https://github.com/xiangyuecn/AreaCity-Query-Geometry（github 能够换成 gitee），高性能的坐标数据、边界数据查问工具，Java 开源程序、带 http 查问接口，内存占用低（1 秒可查 1 万个以上坐标对应的城市信息）。
java 版源码
public static void main(String[] args) {
// 计算天坛到天安门的间隔
System.out.println(Distance(116.410622, 39.881773, 116.397476, 39.908647));
// 生成天坛 1 公里范畴的圆形面
System.out.println(CreateSimpleCircleWKT(116.410622, 39.881773, 1000, 24));
}
/** 计算两个坐标的间隔，单位米 **/
static public double Distance(double lng1, double lat1, double lng2, double lat2) {
// 采纳 Haversine formula 算法，高德地图的 js 计算代码，比拟简洁 https://www.cnblogs.com/ggz19/p/7551088.html
double d=Math.PI/180;
double f=lat1*d, h=lat2*d;
double i=lng2*d - lng1*d;
double e=(1 - Math.cos(h - f) + (1 - Math.cos(i)) * Math.cos(f) * Math.cos(h)) / 2;
return 2 * 6378137 * Math.asin(Math.sqrt(e));
}
/** 以坐标点为核心，简略粗略的创立一个指定半径的圆，半径单位米，pointCount 为构建圆的坐标点数（比方 24 个点，点越多越圆，起码 3 个点），返回形成圆的坐标点数组 **/
static public double[][] CreateSimpleCircle(double lng, double lat, double radius, int pointCount) {
// 球面坐标不会算，转换成三角坐标简略点，经度代表值大概：0.01≈1km 0.1≈10km 1≈100km 10≈1000km
double km=radius/1000;
double a=km<5?0.01 :km<50?0.1 :km<500?1 :10;
double b=Distance(lng, lat, lng+a, lat);
double c=Distance(lng, lat, lng, lat+a);
double rb=radius/b*a;
double rc=radius/c*a;
double[][] arr=new double[pointCount+1][];
double n=0,step=360.0/pointCount,N=360-step/2; // 留神浮点数±0.000000001 的差别
for(int i=0;n<N;i++,n+=step){double x=lng+rb*Math.cos(n*Math.PI/180);
double y=lat+rc*Math.sin(n*Math.PI/180);
arr[i]=new double[] { x, y};
}
arr[pointCount]=new double[] { arr[0][0], arr[0][1] }; // 闭环
return arr;
}
/**
以坐标点为核心，简略粗略的创立一个指定半径的圆，半径单位米，pointCount 为构建圆的坐标点数（比方 24 个点，点越多越圆，起码 3 个点），返回圆的 WKT（Well Known Text）文本，WKT 图形绘制预览工具：https://xiangyuecn.gitee.io/areacity-jsspider-statsgov/assets/geo-echarts.html
**/
static public String CreateSimpleCircleWKT(double lng, double lat, double radius, int pointCount) {double[][] points=CreateSimpleCircle(lng, lat, radius, pointCount);
DecimalFormat df=new DecimalFormat("0.######");
StringBuilder wkt=new StringBuilder("POLYGON((");
for(int i=0;i<points.length;i++) {if(i>0)wkt.append(",");
wkt.append(df.format(points[i][0])+" "+df.format(points[i][1]));
}
wkt.append("))");
return wkt.toString();}js 版源码
// 测试：计算天坛到天安门的间隔
console.log(Distance(116.410622, 39.881773, 116.397476, 39.908647));
// 测试：生成天坛 1 公里范畴的圆形面
console.log(CreateSimpleCircleWKT(116.410622, 39.881773, 1000, 24));
/** 计算两个坐标的间隔，单位米 **/
function Distance(lng1, lat1, lng2, lat2) {
// 采纳 Haversine formula 算法，高德地图的 js 计算代码，比拟简洁 https://www.cnblogs.com/ggz19/p/7551088.html
var d=Math.PI/180;
var f=lat1*d, h=lat2*d;
var i=lng2*d - lng1*d;
var e=(1 - Math.cos(h - f) + (1 - Math.cos(i)) * Math.cos(f) * Math.cos(h)) / 2;
return 2 * 6378137 * Math.asin(Math.sqrt(e));
}
/** 以坐标点为核心，简略粗略的创立一个指定半径的圆，半径单位米，pointCount 为构建圆的坐标点数（比方 24 个点，点越多越圆，起码 3 个点），返回形成圆的坐标点数组 **/
function CreateSimpleCircle(lng, lat, radius, pointCount){
// 球面坐标不会算，转换成三角坐标简略点，经度代表值大概：0.01≈1km 0.1≈10km 1≈100km 10≈1000km
var km=radius/1000;
var a=km<5?0.01 :km<50?0.1 :km<500?1 :10;
var b=Distance(lng, lat, lng+a, lat);
var c=Distance(lng, lat, lng, lat+a);
var rb=radius/b*a;
var rc=radius/c*a;
var arr=[];
var n=0,step=360.0/pointCount,N=360-step/2; // 留神浮点数±0.000000001 的差别
for(var i=0;n<N;i++,n+=step){var x=lng+rb*Math.cos(n*Math.PI/180);
var y=lat+rc*Math.sin(n*Math.PI/180);
arr[i]=[x, y];
}
arr.push([arr[0][0], arr[0][1]]); // 闭环
return arr;
};
/**
以坐标点为核心，简略粗略的创立一个指定半径的圆，半径单位米，pointCount 为构建圆的坐标点数（比方 24 个点，点越多越圆，起码 3 个点），返回圆的 WKT（Well Known Text）文本，WKT 图形绘制预览工具：https://xiangyuecn.gitee.io/areacity-jsspider-statsgov/assets/geo-echarts.html
**/
function CreateSimpleCircleWKT(lng, lat, radius, pointCount){var points=CreateSimpleCircle(lng, lat, radius, pointCount);
var wkt=["POLYGON(("];
for(var i=0;i<points.length;i++) {wkt.push((i>0?",":"")+(+points[i][0].toFixed(6))+" "+(+points[i][1].toFixed(6)));
}
wkt.push("))");
return wkt.join("");
};在线绘制预览成果
生成了圆形面的 WKT 文本后，能够粘贴进在线预览页面绘制显示：https://xiangyuecn.gitee.io/areacity-jsspider-statsgov/assets/geo-echarts.html，不便代码调试，地图上有测距性能，能够测量圆面的准确度；页面上的画圆性能，采纳的就是 js 版的代码。
对于计算的精确度
两个经纬度坐标的间隔计算，采纳的 Haversine formula 算法，上面的计算代码中高德地图的 api 同样是 Haversine formula 算法，和百度地图的计算结果误差在 0.2% 以内：
bMap=window.BMapGL&&BMapGL.Map.prototype||{getDistance:function(a,b){return BMap.Map.prototype.getDistance(new BMap.Point(a.lng,a.lat),new BMap.Point(b.lng,b.lat)) }};
// 地图 api 计算【纬度】之间的间隔，每一度之间的间隔是雷同的
bMap.getDistance({lng:111,lat:15},{lng:111,lat:16}) // 百度 111194.86 米
new AMap.LngLat(111,15).distance(new AMap.LngLat(111,16)) // 高德 111319.49 米
bMap.getDistance({lng:121,lat:55},{lng:121,lat:56}) // 百度 111194.78 米
new AMap.LngLat(121,55).distance(new AMap.LngLat(121,56)) // 高德 111319.49 米
// 地图 api 计算【经度】之间的间隔，会随着纬度的不同而不同
bMap.getDistance({lng:111,lat:15},{lng:112,lat:15}) // 百度 107405.91 米
new AMap.LngLat(111,15).distance(new AMap.LngLat(112,15)) // 高德 107526.28 米
bMap.getDistance({lng:111,lat:55},{lng:112,lat:55}) // 百度 63778.21 米
new AMap.LngLat(111,55).distance(new AMap.LngLat(112,55)) // 高德 63849.69 米
// 经度在雷同纬度下每一度之间的间隔是雷同的
bMap.getDistance({lng:121,lat:55},{lng:122,lat:55}) // 百度 63778.21 米
new AMap.LngLat(121,55).distance(new AMap.LngLat(122,55)) // 高德 63849.69 米对于形成圆的坐标点的计算，应用的以前压箱底的代码，计算比较简单，经度和纬度别离计算出一度的间隔长度，在等比例的换算出半径对应的度数大小，比方算进去的经度 1°是 100km，那么 20km 半径对应的度数就是1° * 20 / 100 = 0.2°。
- 纬度每一度之间的间隔都是固定的长度，等比例换算后的后果是没有误差的。
- 经度每一度之间的间隔长度会随着纬度变动，低纬度长高纬度短，圆面的高低纬度不同，半径小的时候误差小，半径越大误差越大。
所以按等比例换算在纬度上没有问题，但经度上会产生肯定的误差，但只有圆的半径不超过 10km，误差就能管制在 0.5% 以内，可通过上面代码间接计算察看到：
// 经度之间的间隔，不同纬度下的误差计算
d1=new AMap.LngLat(111,15.0).distance(new AMap.LngLat(111.2,15.0));
d2=new AMap.LngLat(111,15.2).distance(new AMap.LngLat(111.2,15.2));
console.log(d2, (d1-d2)/d2*100+"%") // 低纬度下经度 0.2°间隔≈20km，纬度 0.2°导致 0.09% 误差
d1=new AMap.LngLat(111,55.0).distance(new AMap.LngLat(111.2,55.0));
d2=new AMap.LngLat(111,55.2).distance(new AMap.LngLat(111.2,55.2));
console.log(d2, (d1-d2)/d2*100+"%") // 高纬度下经度 0.2°间隔≈10km，纬度 0.2°导致 0.50% 误差
d1=new AMap.LngLat(111,15).distance(new AMap.LngLat(112,15));
d2=new AMap.LngLat(111,16).distance(new AMap.LngLat(112,16));
console.log(d2, (d1-d2)/d2*100+"%") // 低纬度下经度 1°间隔≈100km，纬度 1°导致 0.49% 误差
d1=new AMap.LngLat(111,55).distance(new AMap.LngLat(112,55));
d2=new AMap.LngLat(111,56).distance(new AMap.LngLat(112,56));
console.log(d2, (d1-d2)/d2*100+"%") // 高纬度下经度 1°间隔≈60km，纬度 1°导致 2.57% 误差因为是通过圆上的坐标点连起来失去的一个圆，实质上是一个近似圆的多边形，只有坐标点足够多就越靠近圆，当坐标点少的状况下肉眼可见的不是那么圆（起码 3 个坐标点，三角形），误差也会很大。但思考到点数越多，会导致应用上很多中央的计算量会变的很大，所以形成圆的坐标点数也是一个综合思考的数量，我抉择 24 个坐标点形成一个圆，每个象限 6 个点，点之间角度为 15°。
【完】