地图软件的修炼之道

【坐标系速记】
  WGS84 ：GPS 原始坐标（全球）
  GCJ-02：火星坐标（国内地图标准——高德/腾讯）
  BD-09 ：百度坐标（百度的再加密）

【转换关系】
  WGS84 ──加密──→ GCJ-02 ──再加密──→ BD-09
  （偏移 100~600 米，方向随地区变化）

【实战：App 拿到的 GPS 坐标怎么用】
  拿到 WGS84 坐标 → 转成 GCJ-02 → 打到高德地图上
  （不转 = 标记点漂移几百米！）

【投影（球 → 平面）】
  Web 墨卡托投影：Web 地图标准（Google/高德/百度都是）
  经纬度 → 平面坐标 → 屏幕像素
  → 开发者一般不用自己算（引擎封装了），但要懂原理

【开发建议】
  统一用地图 SDK 的坐标转换工具（别自己写数学）
  存储统一坐标系（推荐 GCJ-02，国内）——避免混乱
  GeoJSON 标准格式：{ "type": "Point", "coordinates": [116.4, 39.9] }

【瓦片金字塔（LOD 多级细节）】
  级别 0：1 块（全球）
  级别 1：4 块（2×2）
  级别 18：约 274 亿块
  → 每块 256×256 像素的小图
  → 显示哪级加载哪级：缩放瞬间出图的原因

【栅格 vs 矢量瓦片】
  栅格：预渲染图片——简单、通用（卫星图必需）
  矢量：几何数据客户端画——清晰/可交互/体积小（现代主流）
  MapLibre/Mapbox 的矢量瓦片：手机端丝滑

【图层叠加（地图的「洋葱」）】
  底图（道路/地形） → POI 层 → 用户标记层 → 热力图层
  → 每层独立开关/透明度（产品设计的自由）

【数据来源】
  商用：高德/百度/四维图新（收费，国内合规首选）
  开源：OpenStreetMap（免费，海外数据全）
  自有：自采数据（门店/配送点——公司自己的 POI）

【OGC 标准（地理数据普通话）】
  GeoJSON：JSON 格式地理数据（点/线/面）
  WMS/WMTS：地图图片服务标准
  WFS：矢量要素服务标准
  → 不同系统交换地理数据的「协议」

【Web：MapLibre GL（现代矢量地图）】
import maplibregl from "maplibre-gl";

const map = new maplibregl.Map({
    container: "map",
    style: "https://demotiles.maplibre.org/style.json",
    center: [116.4, 39.9],     // 北京（注意：经纬度顺序）
    zoom: 12,
});

// 加标记点 + 弹窗
new maplibregl.Marker()
    .setLngLat([116.4, 39.9])
    .setPopup(new maplibregl.Popup().setHTML("<b>轻记账总部</b>"))
    .addTo(map);

// 图层叠加（热力图/路径线/自定义图层）
map.addLayer({ id: "route", type: "line", source: routeSource, paint: {...} });

【手机端：高德 SDK（国内 App 标配）】
  Android/iOS 集成 SDK → 初始化地图 → 显示
  内置：坐标系处理、POI 搜索、路径规划、导航
  → 国内 App 做地图，首选高德/百度（合规又省事）

【引擎选型口诀】
  App 地图    → 高德/百度 SDK（国内合规首选）
  Web 简单   → Leaflet（轻量，几行代码）
  Web 强交互 → MapLibre GL（矢量 + WebGL）
  Web GIS 正统 → OpenLayers（功能全面）

【交互与性能】
  交互：点击/拖拽/缩放/旋转（引擎内置）
  性能：瓦片预加载 + 视口外不渲染 + 标记聚合（第7站）
  → 地图「流畅」的关键在瓦片缓存和渲染优化

【POI 数据（一行）】
{
  "name": "老王牛肉面",
  "category": "餐饮/快餐",
  "address": "北京市海淀区中关村大街1号",
  "location": { "lng": 116.31, "lat": 39.98 }   // GCJ-02！
}

【三类搜索（高德 Web API 示例）】
① 关键词搜索：搜「星巴克」→ 返回相关 POI 列表
② 周边搜索：getLat = 116.4, getLng = 39.9, radius = 2000
   → 「我 2 公里内的咖啡店」
③ 地理编码：address="北京市朝阳区望京SOHO" → 经纬度
   逆编码：getRegeo(lng, lat) → "北京市朝阳区望京SOHO T1"

【POI 数据建设（自有数据）】
  公司自己的点（门店/配送点/充电桩）→ 自建 POI 库
  字段：名称/类别/坐标/营业时间/联系方式
  → 叠加到地图图层（第3站）——「地图上的自家店铺」

【搜索质量】
  相关性排序（距离 + 热度 + 评分）
  拼音/模糊匹配（用户输入不准确要容忍）
  结果去重 + 展示优化（列表 + 地图同步）

【坐标系提醒】
  POI 存储和展示统一 GCJ-02（第1站的老规矩）

【路网 = 图（数据结构）】
  交叉路口 = 节点，道路段 = 边
  边属性：长度 / 限速 / 方向 / 拥堵系数
  → 最短路径 = 图上的最短路问题

【寻路算法（第二十一本 A* 老朋友）】
  Dijkstra：朴素最短路（慢）
  A*：启发式（已走 + 预估距离）——路网寻路标准
  大规模：分层路网（高速层 + 城市层分开搜——快 100 倍）

【实战：高德路径规划 API】
  GET /v3/direction/driving
  origin=116.4,39.9&destination=116.5,40.0
  strategy=10（避开拥堵）
  → 返回：路径折线 + 距离 + 预计时间 + 分步指引

【导航引导流程】
  定位（第6站）→ 匹配到路网（地图匹配：把漂移点吸附到路上）
  → 判断是否偏航 → 偏航重算新路线
  → 语音/视觉引导（"前方 300 米右转"）

【配送调度的路径（第7站延伸）】
  多目的地优化（TSP 旅行商问题——配送路径优化）
  骑手接单派单：位置 + 路径 + ETA 的组合调度
  → 物流/外卖的「大脑」就是路径算法

【定位原理对比】
  GPS     ：卫星几何定位——室外 5-10 米（开天窗才行）
  Wi-Fi   ：按已知热点位置估算——室内能用（百米级）
  基站    ：按信号塔估算——最粗（几百米）
  融合    ：三者 + 传感器加权——手机默认方案

【Android 定位（第十七本老朋友）】
  FusedLocationProviderClient（Google 融合定位）
  权限：ACCESS_FINE_LOCATION（精度）+ COARSE（粗略）
  → 拿到 WGS84 → 转 GCJ-02（第1站！）

【iOS 定位（第十九本老朋友）】
  CoreLocation：CLLocationManager
  权限：WhenInUse（使用时）/ Always（后台——要特殊理由）
  → 系统自动融合定位

【地理围栏（Geofence）】
  画个圈（中心+半径）→ 用户进入/离开 → 触发事件
  应用：「到达公司提醒打卡」「离开配送范围告警」

【轨迹工程】
  采集：定期定位（3~5 秒）→ 压缩（抽稀：直线上的点删掉）
  存储：轨迹表（时间+坐标序列）→ 回放（订单配送轨迹）
  匹配：轨迹吸附路网（第5站地图匹配）——显示在路上

【定位坑】
  室内/地下：GPS 失效 → 靠 Wi-Fi 基站（精度差）
  省电：频繁定位耗电大 → 按场景调频率
  隐私：位置是敏感数据（第9站合规）

【PostGIS：SQL 里的空间计算】
-- 查 3 公里内的所有门店
SELECT name, ST_Distance(location, ST_MakePoint(116.4, 39.9))
FROM stores
WHERE ST_DWithin(location, ST_MakePoint(116.4, 39.9), 3000);

-- 按区域聚合订单数
SELECT region, COUNT(*)
FROM orders JOIN regions ON ST_Contains(regions.geom, orders.location)
GROUP BY region;

【Geohash（附近查询的利器）】
  经纬度 → 字符串（如 wx4g0ec1）
  前缀相同 = 空间相邻（就近查询/聚合的哈希）
  → 「附近的骑手」= 按 geohash 前缀查，秒回

【R 树（空间索引）】
  空间对象的「包围盒树」——数据库/引擎内置
  → 空间查询从全表扫变成索引查（快 100 倍）

【热力图实现】
  海量点 → 网格聚合（每个格子计数）→ 颜色映射
  移动端用聚合 Marker（第3站标记聚合——点多了不卡）

【配送调度（时空分析的落地）】
  骑手位置（定位）+ 订单位置（POI）+ 路径（第5站）
  + 时段预测（时空分析）→ 智能派单 / 运力调度
  → 这就是「物流大脑」的组成

┌─ 客户端（App/Web）────────────────┐
│  地图 SDK：显示 + 定位 + 交互        │
│  业务 UI：账单地图 / 配送看板        │
└──────────────┬─────────────────────┘
               ↓ HTTP
┌─ 业务服务（你们的后端）─────────────┐
│  地图账单服务 / 派单调度服务         │
│  位置管理（上报/围栏/轨迹）          │
└──────┬──────────────────┬─────────┘
       ↓ 调用              ↓ 读写
┌─ 位置服务（第三方 API）─┐ ┌─ 数据层 ──────┐
│ 高德/百度：POI/路径/编码 │ │ PostGIS：空间库│
│ （商用付费，别自建）    │ │ Redis：缓存    │
└──────────────────────┘ └──────────────┘

【集成三步（快速起步）】
  ① 申请高德/百度开放平台 key（免费额度起步）
  ② App 集成 SDK（地图显示 + 定位一行搞定）
  ③ 后端调 Web API（POI/路径/逆编码）
  → 两周能出一个「地图版轻记账」

【高并发位置服务】
  附近搜索：Geohash 索引 + Redis 缓存（热点区域）
  轨迹上报：批量异步写（别每条都同步）
  围栏触发：异步任务批量扫描（每 30 秒一轮）

【成本控制】
  第三方 API 按量付费 → 缓存 + 批量 + 客户端预取
  → 地图服务是「流量成本」——设计要省

【缓存策略】
  热点 POI 缓存（商圈常搜）
  路径结果缓存（相同起终点 5 分钟有效）
  瓦片缓存（客户端自动，第3站）

【测绘资质（国内做地图的前提）】
  甲级测绘：可制作导航电子地图（高德/四维图新级）
  乙级测绘：可提供互联网地图服务（自建地图服务需要）
  → 没有资质：别自绘地图！用持证厂商的 SDK/API

【坐标系合规】
  公开发布地图 → 必须 GCJ-02（加密）——法律规定
  用原始 WGS84 上图 → 违规（第1站顺带合规）

【位置权限（App）】
  iOS：WhenInUse / Always（后台需特殊理由）
  Android：ACCESS_FINE/COARSE_LOCATION
  → 用途说明写清楚（"用于账单地点记录"）——否则拒审

【位置数据合规（个保法）】
  告知-同意：收集前弹窗说明
  最小收集：只收业务需要的（别偷偷常驻定位！）
  可删除：用户可删除位置记录（"清空足迹"）
  不出境：位置数据不能随便传境外服务器

【常见违规（血泪）】
  ✗ 偷偷后台定位收集用户轨迹（顶格处罚）
  ✗ 位置数据不加密传输
  ✗ 没有"删除足迹"入口
  ✗ 用原始坐标直接展示（违规）
  → 地图 App 的合规 = 生死线（第八本个保法 + 第七本安全的合体）

【岗位地图（你适合哪个）】
  地图引擎工程师：渲染/瓦片/性能——C++/图形学（硬核）
  GIS 工程师     ：空间数据/PostGIS/分析——GIS 科班
  LBS 后端       ：位置服务/派单/调度——业务后端近亲 ✅
  地图数据       ：POI/轨迹/路况数据处理——数据工程

【学习路线（3 个月）】
  第1月：坐标系 + 地图 SDK 集成（高德）→ 放地图+标记
  第2月：POI 搜索 + 路径规划 + 定位（App 地图功能）
  第3月：PostGIS + Geohash + 一个 LBS 项目
  → 项目推荐：「地图账单」/「附近店铺」/「配送调度 demo」

【练手项目梯度】
  Lv1：地图显示 + 标记点（SDK 集成）
  Lv2：地图账单（定位 + 逆编码 + 标记）
  Lv3：附近搜索（PostGIS + Geohash）
  Lv4：配送调度 demo（定位 + 路径 + 派单）

【厂商与生态】
  高德/百度/腾讯地图（国内三巨头，开放平台有免费额度）
  四维图新（图商——卖地图数据的）
  Mapbox/MapLibre（海外/矢量引擎）
  OSM（开源数据——学习与研究）

【给新人的话】
  LBS 后端是「业务后端 → 地图」的最近通道
  地图不是「调 SDK」——坐标系/空间数据才是护城河
  位置数据是金矿也是雷区——合规第一课
  先集成、再自研、最后才谈算法——别一上来啃引擎