U. Schindler, and I. Drost. Java Magazin, (2010)Zusätzlich interessante Punkte die im Artikel erwähnt werden:
1) Die Häufigkeit einzelner Suchanfragen ist meist zipf-verteilt.
2) Abstandsberechnung bei Geodaten über Haversinus.
3) Cartesian Tiers
4) Wissenschaftliches Infosystem PANGAEA
5) KML Regionen Dokumentation von Google
6) Geohshes.
Abstract
Letzter Teil einer 3 teiligen Serie über die Feature of Apache Lucene. Es wird die Suche über Geodaten anhand der Suche einer Bar beschrieben. Im ersten Verfahren wird das geografische Suchgebiet (hier Berlin) in ein Gitter unterteilt. Jedes Segment erhält eine Tier-ID. Wird ein Segment wiederum unterteilt, wird die Nummer des Untersegments an die Tier-ID angehängt. Damit wird diese immer länger um so genauer die Auflösung ist.
Die zweite Methode arbeitet mit Bounding Boxen. Wobei zunächst eine Vorfilterung über Latitude/Longtitude oder Gauss-Krüger-Koordinaten erfolgt. Anschließend wird das Gebiet mittels Bounding Box eingegrenzt auf der Grundlage der tatsächlichen Entfernung von den GPS Koordinaten des Nutzers.
GPS Koordinaten erfolgt.
Zusätzlich interessante Punkte die im Artikel erwähnt werden:
1) Die Häufigkeit einzelner Suchanfragen ist meist zipf-verteilt.
2) Abstandsberechnung bei Geodaten über Haversinus.
3) Cartesian Tiers
4) Wissenschaftliches Infosystem PANGAEA
5) KML Regionen Dokumentation von Google
6) Geohshes
%0 Journal Article
%1 SchiDro2010
%A Schindler, Uwe
%A Drost, Isabel
%D 2010
%J Java Magazin
%K apache geodaten location lucene regions suche
%P 34 - 38
%T Wo bin ich - Geografische Suche mit Apache Lucene
%V 9
%X Letzter Teil einer 3 teiligen Serie über die Feature of Apache Lucene. Es wird die Suche über Geodaten anhand der Suche einer Bar beschrieben. Im ersten Verfahren wird das geografische Suchgebiet (hier Berlin) in ein Gitter unterteilt. Jedes Segment erhält eine Tier-ID. Wird ein Segment wiederum unterteilt, wird die Nummer des Untersegments an die Tier-ID angehängt. Damit wird diese immer länger um so genauer die Auflösung ist.
Die zweite Methode arbeitet mit Bounding Boxen. Wobei zunächst eine Vorfilterung über Latitude/Longtitude oder Gauss-Krüger-Koordinaten erfolgt. Anschließend wird das Gebiet mittels Bounding Box eingegrenzt auf der Grundlage der tatsächlichen Entfernung von den GPS Koordinaten des Nutzers.
GPS Koordinaten erfolgt.
@article{SchiDro2010,
abstract = {Letzter Teil einer 3 teiligen Serie über die Feature of Apache Lucene. Es wird die Suche über Geodaten anhand der Suche einer Bar beschrieben. Im ersten Verfahren wird das geografische Suchgebiet (hier Berlin) in ein Gitter unterteilt. Jedes Segment erhält eine Tier-ID. Wird ein Segment wiederum unterteilt, wird die Nummer des Untersegments an die Tier-ID angehängt. Damit wird diese immer länger um so genauer die Auflösung ist.
Die zweite Methode arbeitet mit Bounding Boxen. Wobei zunächst eine Vorfilterung über Latitude/Longtitude oder Gauss-Krüger-Koordinaten erfolgt. Anschließend wird das Gebiet mittels Bounding Box eingegrenzt auf der Grundlage der tatsächlichen Entfernung von den GPS Koordinaten des Nutzers.
GPS Koordinaten erfolgt.},
added-at = {2010-11-20T23:09:55.000+0100},
author = {Schindler, Uwe and Drost, Isabel},
biburl = {https://www.bibsonomy.org/bibtex/236b91b7461d77e0c7a568859fc9d17a2/funthomas424242},
interhash = {4d49fbff1315fc5349c61764c99f5e9c},
intrahash = {36b91b7461d77e0c7a568859fc9d17a2},
journal = {Java Magazin},
keywords = {apache geodaten location lucene regions suche},
note = {Zusätzlich interessante Punkte die im Artikel erwähnt werden:
1) Die Häufigkeit einzelner Suchanfragen ist meist zipf-verteilt.
2) Abstandsberechnung bei Geodaten über Haversinus.
3) Cartesian Tiers
4) Wissenschaftliches Infosystem PANGAEA
5) KML Regionen Dokumentation von Google
6) Geohshes
},
pages = {34 - 38},
timestamp = {2010-11-20T23:18:14.000+0100},
title = {Wo bin ich - Geografische Suche mit Apache Lucene},
volume = 9,
year = 2010
}