深入解析Google Open Location Code定位编码规范
2026-02-04 04:18:49作者:凌朦慧Richard
前言
在数字时代,精确的地理位置编码对于导航、物流和位置服务至关重要。Google开源的Open Location Code(OLC)项目提供了一种简洁高效的地理位置编码方案,本文将深入解析其技术规范与实现原理。
基本概念
Open Location Code是一种将经纬度坐标编码为短字符串的技术方案,具有以下特点:
- 使用20个精选字符(2-9、C-F、G-H、J、M、P-Q、R、V-X)
- 编码长度可变(2-15位)
- 默认10位编码精度约14米
- 支持短码形式,便于记忆和使用
编码原理详解
基础数据准备
编码前需要对原始经纬度进行处理:
- 纬度范围限制在-90°到90°
- 经度归一化到-180°到180°
核心编码过程
编码分为两个阶段:
1. 前10位编码(高精度部分)
采用20进制编码,步骤如下:
- 纬度加90°,经度加180°转换为正数
- 将两个值乘以8000取整
- 交替编码纬度/经度的20进制数字(5位纬度+5位经度)
- 使用模20运算逐位计算字符
2. 后5位编码(超高精度部分)
采用混合进制编码:
- 纬度:5进制
- 经度:4进制
- 组合方式:纬度数字×4 + 经度数字
编码长度与精度
不同编码长度对应的精度如下表:
| 位数 | 纬度精度 | 经度精度 | 等效精度(赤道) |
|---|---|---|---|
| 2 | 20° | 20° | 2226 km |
| 4 | 1° | 1° | 111 km |
| 6 | 0.05° | 0.05° | 5.5 km |
| 8 | 0.0025° | 0.0025° | 278 m |
| 10 | 0.000125° | 0.000125° | 14 m |
| 11 | 0.000025° | 0.000031° | 2.8 m |
| 12 | 0.000005° | 0.0000078° | 56 cm |
| 13 | 0.000001° | 0.00000195° | 11 cm |
| 14 | 0.0000002° | 0.00000049° | 2 cm |
| 15 | 0.00000004° | 0.00000012° | 4 mm |
短码机制解析
短码是OLC的重要特性,它通过参考位置实现编码简化:
短码生成规则
- 必须保留格式分隔符"+"
- 最多可移除前6位字符
- 移除位数取决于参考位置与编码中心的距离
- 移除后精度需大于两倍的最大偏移量
短码使用建议
选择参考位置时应考虑:
- 优先使用知名城市/地标而非小区域
- 参考位置边界应满足:
- 移除4位:边界<0.8°×0.8°
- 移除2位:边界<16°×16°
- 保留安全余量防止解码错误
实现API规范
完整实现应包含以下核心方法:
验证类方法
isValid- 验证字符串是否为合法编码isShort- 判断是否为短码isFull- 验证是否为完整编码
编解码方法
encode- 将坐标编码为OLC- 参数:纬度、经度、可选长度
- 默认输出10位编码
decode- 解码OLC为坐标- 返回:西南角、东北角、中心点坐标及原始位数
短码处理方法
shorten- 根据参考位置生成短码- 可移除最多6位前导字符
recoverNearest- 根据参考位置恢复完整编码
技术要点总结
- 字符选择优化:避免形成常见单词,减少输入错误
- 交替编码设计:提高容错能力
- 渐进式精度:通过增加位数提高定位精度
- 相对编码机制:短码实现更人性化的使用体验
实际应用建议
- 常规应用使用10位编码(约14米精度)
- 物流追踪建议使用11-12位编码
- 短码适用于本地化服务场景
- 注意不同编码长度对应的精度差异
通过理解这些技术细节,开发者可以更好地将Open Location Code集成到各类位置服务应用中,实现高效精准的地理位置编码与共享。
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Python小说下载神器:一键获取番茄小说完整内容如何用md2pptx快速将Markdown文档转换为专业PPT演示文稿 📊京东评价自动化工具:用Python脚本解放双手的高效助手三步掌握Payload-Dumper-Android:革新性OTA提取工具的核心价值定位终极Obsidian模板配置指南:10个技巧打造高效个人知识库终极指南:5步解锁Rockchip RK3588全部潜力,快速上手Ubuntu 22.04操作系统WebPlotDigitizer 安装配置指南:从图像中提取数据的开源工具终极FDS入门指南:5步掌握火灾动力学模拟技巧高效获取无损音乐:跨平台FLAC音乐下载工具全解析终极指南:5步复现Spring Boot高危漏洞CVE-2016-1000027
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
528
3.73 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
172
Ascend Extension for PyTorch
Python
338
401
React Native鸿蒙化仓库
JavaScript
302
353
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
883
590
暂无简介
Dart
768
191
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
114
139
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
986
246