随着移动终端的普及，很多应用都具有LBS功能，如查找附近的餐馆、酒店等应用。
一、球面距离
简单的做法，一般保存了目标位置的经纬度；根据用户提供的经纬度，通过球面距离公式进行计算。公式如下：
S=2*asin(sqrt(pow(sin((lat1-lat2)/2),2)+cos(lat1)*cos(lat2)*pow(sin((lng1-lng2)/2),2)))*R
二、Geohash
其实还有一种做法，就是要提到的GeoHash。GeoHash将一个经纬度转换成一个可以排序比较的字符串编码。GeoHash表示的并不是一个点，而是一个矩形区域。使用者可以发布地址编码，既能表明自己位于某地址附近，又不至于暴露自己的精确坐标，有助于隐私保护。
GeoHash编码的前缀可以表示更大的区域。例如wx4g0ec1，它的前缀wx4g0e表示包含编码wx4g0ec1在内的更大范围。 这个特性可以用于附近地点搜索。Geohash比直接用经纬度的高效很多。
编码方式：首先，将纬度范围(-90, 90)平分成两个区间(-90,0)、(0, 90)，如果目标纬度位于前一个区间，则编码为0，否则编码为1。然后，再将(0, 90)分成 (0, 45), (45, 90)两个区间，如果目标纬度位于前一个区间，则编码为0，否则编码为1。以此类推，直到精度符合要求为止。
为什么需要将经纬度两串编码交叉组合成一串编码？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。
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。为什么GeoHash不选择Hilbert空间填充曲线呢？可能是Peano曲线思路以及计算上比较简单吧，事实 上，Peano曲线就是一种四叉树线性编码方式。
三、使用注意点
1）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。
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。
2）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。
