如何使用Google Maps API查询指定半径范围内的所有ZIP编码？

1. 基础数据准备 #

• 首先需要获取完整的ZIP编码对应地理数据，最低要求是每个ZIP编码对应的中心点经纬度，如需更高精度可以补充ZIP编码的行政边界多边形数据。这类数据可以通过官方邮政公开渠道、第三方地理数据服务商获取，建议优先选择更新频率小于6个月的数据集，避免ZIP编码调整导致结果出错。

2. 核心距离计算逻辑 #

• 民用场景下最常用的球面距离计算方法是哈弗辛公式，它可以通过两个经纬度坐标点计算地球表面的直线距离，误差范围控制在0.5%以内，完全满足普通查询需求。
• 以下是Python版本的公式实现示例：

import math

def calc_distance(lat1, lon1, lat2, lon2, unit="km"):
    # 地球半径：千米为单位取6371，英里为单位取3956
    earth_radius = 6371 if unit == "km" else 3956
    # 角度转弧度
    lat1, lon1, lat2, lon2 = map(math.radians, [lat1, lon1, lat2, lon2])
    # 坐标差值计算
    d_lat = lat2 - lat1
    d_lon = lon2 - lon1
    # 哈弗辛公式计算
    a = math.sin(d_lat/2)**2 + math.cos(lat1) * math.cos(lat2) * math.sin(d_lon/2)**2
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1-a))
    return earth_radius * c

3. 查询效率优化 #

• 数据量较小时可以直接遍历所有ZIP编码的中心点，用上面的函数计算和原点的距离，筛选出距离小于指定半径的结果即可。
• 数据量较大（万级以上）时，建议先做粗筛：以原点为中心，先算出对应半径的经纬度上下限，先过滤掉超出边界的ZIP编码，再对剩余的小范围数据做精确距离计算，查询效率可以提升数倍。
• 如果使用支持空间索引的数据库（如带PostGIS扩展的PostgreSQL、MySQL 8.0+），可以直接调用内置的空间查询函数，不需要手动实现距离计算逻辑，查询效率更高。

4. 高精度场景优化 #

• 如果需要排除直线距离达标但实际被山脉、水域等阻隔，或者行政划分上不属于覆盖范围的ZIP编码，可以引入ZIP编码的边界多边形数据，做空间相交判断，筛选出完全或部分落在半径圆形范围内的ZIP编码即可。

内容的提问来源于stack exchange，提问作者Random Nerd