OSM-Umgebungssuche: Lösungen in DB-Abfrage oder durch Overpass-API

[tarifa]

Tach Community,


...hier eine Frage die man auf zwei Weisen bearbeiten kann - entweder auf einer Datenbankebene - oder auch auf einer Abfrageebene (vgl. Around-Filter: Einsatz multipler Parameter bei der nearby-Abfrage (vgl. hier: https://forum.openstreetmap.org/viewtopic.php?id=71531 )

Zunächst ein Themenaufriss: Diese Umgebungssuche lässt sich auf verschiedenen Wegen erreichen. Das Ziel über ein Webfrontend einen Ort einzugeben und dann aus 3 oder vier Kategorien ( Hospital, School, x, y ) die jeweils nähsten Einträge noch zu finden und aufzulisten - diese Aufgabenstellung - sie lässt sich mittels mehrer Ansätze verfolgen:

a das ganze als MySQL-Frage (oder PostgreSQL, wenn man so will) oder
b. mittels Overpass-API

Ich versuche, eine einfache, aber effektive Lösung für eine Nearby-Suche, gelöst über eine Datenbank zu finden - wie man sie durchführt;

Anm zum Ziel.: Es sollen die Daten / Abfragen dann auch online in einem Webfrontend verwendet werden.

vgl. etwa dies Angaben etwa:

@id @type @lon @lat name addrostcode addr:city addr:street addr:housenumber contact:website contact:email=*
35332685 hosp -43.9485880 -19.8175998 Hospital Risoleta Tolentino Neves Belo Horizonte Rua das ..
35332689 hosp -43.9518360 -19.9178800 Prontocor Rio
53254282 hosp -43.9319894 -19.9260406 Hospital Semper Rio
75600076 hosp -43.9590472 -19.9505820 Hospital Luxemburgo Rio
78719634 hosp -43.9528392 -19.9239539 Hospital Vera Cruz Belo Horizonte Avenida Barbacena 653
...[...]...
74400076 Backery -43.9590472 -19.9455820 French Baguette Rio
72219634 School -43.9590472 -19.8885820 Paulo Freire-School Rio Rio

etc. etx. Also - Ich habe einige Datenbank-Dinge zu lösen: Gesucht ist eine - sagen wir "Geosorting-Lösung" in einem Datensatz durch (z. B. MySQL, Postgresql oder andere), um nach Nähe zu ordnen und die Suche auf einen definierten Bereich zu beschränken. Mit anderen Worten: Wie geht man diese Aufgabenstellung an - unter Vermeidung eines vollständig skalierten Scans der DB für solche Abfragen unter Verwendung (traditioneller) Indizes für die Breiten- und Längengradspalten? Um mal mit dem Anfang beginnen; Wir können solche Suchvorgänge in der Nähe durchführen, die auf solchen Openstreetmap-Suchvorgängen basieren - und auf der Overpass-API-Ebene arbeiten und sich etwa auch via overpass-turbo.eu-Anfrage ausführen lassen:

out:csv(::id,::type,::lon,::lat,amenity,name,"addrostcode","addr:city","addr:street","addr:housenumber","contact:website",website,"contact:email")]
[timeout:600];
rel[boundary=administrative][admin_level=6][name="München"] -> .city;
(nwr[amenity=hospital][name](around.city:2000);
nwr[amenity=school][name](around.city:2000);
out center;

Einschub: Betrachten wir mal eien Ansatz auf einer Datenbankebene: Es ginge ja theoretisch auch eine Suchfunktion über mehrere Tabellen - und dann Filter für die Spalten - also eine Tabelle in der man noch die Kategorien

a. type
b. lon lat /(gps-daten eben) einfügt

man kann in der gps-daten-spalte nach den Eingaben filtern. Ist ggf. halt am einfachsten und funktioniert. Also ich denke, dass dann die Tabelle ja so aussehen koennte:

vgl dies Angaben etwa:
@id @type @lon @lat name addrostcode addr:city addr:street addr:housenumber contact:website contact:email=*
35332685 hosp -43.9485880 -19.8175998 Hospital Risoleta Tolentino Neves Belo Horizonte Rua das Gabirobas 1
35332689 hosp -43.9518360 -19.9178800 Prontocor Rio
53254282 hosp -43.9319894 -19.9260406 Hospital Semper Rio
75600076 hosp -43.9590472 -19.9505820 Hospital Luxemburgo Rio
78719634 hosp -43.9528392 -19.9239539 Hospital Vera Cruz Belo Horizonte Avenida Barbacena 653
74400076 Backery -43.9590472 -19.9455820 French Baguette Rio
72219634 School -43.9590472 -19.8885820 Paulo Freire-School Rio Rio
etc. etx.

by the way: Also es ist so: ich habe die Daten gewonnen über openstreetmap und gespeichert in einer Tabelle - kann dazu aber natürlich auch MySQL oder sqlite verwenden By the way: das soll für eine Webanwendung verwendet werden. Also: wenn man einen Punkt hat - also nehmen wir zum Beispiel den Berliner Aleanderplatz:

DD COORDINATES; 52.519664588 13.407998368
DMS COORDINATES; 52°31'10.79" N 13°24'28.79" E

die o.g. Daten die die Tabellen betreffen die könnte ich auch über die Overpass API jeweils direkt abfragen: https://wiki.openstreetmap.org/wiki/Overpass_API Vorerst dachte ich, ohne OSM Kartendarstellung zu arbeiten und lediglich eine Tabellarische Suche zu ermoeglichen. Die Abfrage via Overpass-Api liesse sich m.E. ja auch direkt im Webfrontent einrichten und umsetzen lassen.

also - sagen wir es sind die Tabellen wie folgt:

dataset_1_ Kliniken / hospital (hosp)
dataset_2_ Bäckereien
dataset_3_ Milchläden
dataset_4_ Schuhläden
dataset_5_ Schulen

Vorerst jedoch will ich die Daten also lokal speichern (jeder Datensatz hat eine eindeutige ID) und nebenbei bemerkt auch noch den Timestamp mitführen, an dem der Datensatz zum letzten mal aktualisiert wurde.

Zu der Umsetzung via Abfrage am OSM-Endpoint: hier kann man auch Overpass verwenden - für die Abfrage von POI; Da hierbei aufgrund der Unterschiede zwischen den POIs keine Homogenisierung möglich ist speichere ich den POI mit seinen Koordinaten in einen Table (poiID, lat, lng). Die Attribute speichere ich in einen extra Table (poiID, attr_name, attr_val). damit habe ich die Daten relational abgebildet, kann sie aber nach Bedarf auch nonrelational abfragen und aus dem Backend als JSON ins Frontend übergeben. Ich kann auch die Attribut-Werte (attr_val) unabhängig vom Feldnamen durchsuchen. Mit den passenden Indizes funktioniert das performant und problemlos.

....also wenn ich 2 Datensätze habe....- hier zum Beispiel bezogen auf "Schulen"

...einmal die Schule mit lon, lat

@id @type lon:, lat:
268915924 node,
name max müller Schule

bzw.: man kann das auch so umsetzen, wenn man das nearby - thema komplett in einer OSM-Streetmap-Lsg. abbilden wollte:

[out:json][timeout:25];
nwr(around:10000,40.40,-79.93)["amenity"="hospital"];
out center;

...wie oben aber beschrieben wollte ich zunächst mit Tabellen bzw. einer Datenbank arbeiten - und eine tabellarische Lsg ergo zunächst mal ins Auge fassen..

Ende des Einschubs: Abgesehen vom Datenbank-Ansatz kann ich mir noch vorstellen, das mit Overpass-Api und einem Around-Filter zu lösen:vgl etwa: Einsatz multipler Parameter bei der nearby-Abfrage (vgl. hier: https://forum.openstreetmap.org/viewtopic.php?id=71531 )

Man kann also die folgenen Prozesse verwenden:

a. Overpass API ( https://wiki.openstreetmap.org/wiki/Overpass_API ) um die naheliegenden POIs zu suchen.

b. Nominatim API ( https://wiki.openstreetmap.org/wiki/Nominatim )

c. und ja; auf Android koennten wir auch osmdroid einsetzen um Abragen via Overpass API durchzuführen und die Ergebnisse overlays auf einer OSM map darzustellen.

d. aber was tun wenn wir - sagen wir 5000 Einträge eines openstreetmap-Datensatzes. Wenn es so ist, dann kann man ja auch so ansetzen, in der MySQL-DB eine Abfrage abzusetzen.

bezogen auf a und b: hier der Link: https://wiki.openstreetmap.org/wiki/Overpass_API

by the way: Das overpass-turbo interface ist ziemlich nett und auch leistungsfähig. Man kann da ja auch sehr einfach
eine Distanzsuche anstellen - etwa über eine Suche wie..

key=amenity and value=toilets

Was ist beabsichtigt: So etwas wie eine Nearby-Suche, also die Suche nach Plätzen (orten) die in der Nähe einer bestimmten Postion sich befinden:

Wir haben ein Datensatz:

a location (location='location').

Also um mal ein Beispiel zu geben - aus der Google-Map-Welt:

..wenn man das auf der Google places API mal ansieht und die Web Service Google Maps Geocoding API nähme: vgl. https://github.com/slimkrazy/python-google-places

YOUR_API_KEY = 'API_KEY'
google_places = GooglePlaces(YOUR_API_KEY)
query_result = google_places.nearby_search(
lat_lng='42.323417, 3.3456666666',
radius=200,
types=[types.TYPE_SCHOOL] or [types.TYPE_COLLEGE])
for place in query_result.places (##town-hotspot):
## we search in table "town-hotspot"
place.get_details()
print '%s %s %s' % (place.name, place.geo_location, place.types)

...nach den man-pages haben wir das Folgende: https://github.com/slimkrazy/python-google-places

from googleplaces import GooglePlaces, types, lang
YOUR_API_KEY = 'Key-API-KEY-Key-API-KEY-Key-API-KEY- foo bar '
google_places = GooglePlaces(OUR_API_KEY)
# You may prefer to use the text_search API, instead.
query_result = google_places.nearby_search(
location='Rome, Italy', keyword='Fish and Chips',
radius=20000, types=[types.TYPE_FOOD])
# If types param contains only 1 item the request to Google Places API
# will be send as type param to fullfil:
# http://googlegeodevelopers.blogspot.com.au/2016/02/changes-and-quality-improvements-in_16.html
if query_result.has_attributions:
print query_result.html_attributions

for place in query_result.places:
# Returned places from a query are place summaries.
print place.name
print place.geo_location
print place.place_id

Das würde den folgenden Code ergeben für eine Tabelle bezogen von Nearby-Hotspots:

query_result = google_places.nearby_search(
## first of all we need the geo-coordinates:
lat_lng='42.323417, 3.3456666666',
## after the coordinates we need to set a value of radius
radius=100,
## after the coordinates and the setting of a value of radius we need to choose a type
types=[types.TYPE_SCHOOL] or [types.TYPE_COLLEGE])

Bezogen auf ein konkretes Beispiel: Das Ergebnis ist die Abfrage von "College" und "School", Dann kommt
man zu der Abfrage:

query_result.raw_response in tabel

also mittels einer DB-Lösung könnte das formalisiert so aussehen - die Tabelle "town-hotspot" Wir können hier ordnen und strukturieren bzg. latitude/longitude (unter Einsatz von z.B. MySQL+PHP)

Das könnte dann etwa so aussehen:

GEODATA noch mehr DATEN
--------------------------------------|-----
id | param| lat | lng | db-field-data
--------------------------------------|-----
1 | a | 41.339563 | -126.3557893 |field 1
--------------------------------------|-----
2 | b | 39.150682 | -107.066214 |field 2
--------------------------------------|-----
3 | c | 49.897893 | -99.444765 |field 3
--------------------------------------|-----
4 | d | 41.327433 | -106.34535 |field 4
--------------------------------------|-----
4 | e | 4=.553133 | -101.24563 |field 5

hier ließe sich eine Ordnung herstellen - in Bezug auf Distanzen z.B. zu einem Referenzdatensatz: (41.834527,-108.140625).
wenn man hiervon ausgeht, kann man etwa so auch in der Town-hotspot-Tabelle ansetzen:

$a = mysql_query("SELECT * FROM table ORDER BY proximity DESC");
while($b = mysql_fetch_assoc($a))
{
echo $b['url'].'<br />';
}

Aber ich denke, dass man das Geosorting auch direkt in der Datenbank ausgeführt werden kann.
Das sollte m.E. möglich sein, mittels eines effektiven Ansatzes einer Geo Spatial-Suche in einer Datenbank.
Also worauf es ankommt; nearby places zu finden: gut wäre es in einer "aufsteigenden" Reihenfolge bezogen auf die Distanz zu bekommen. Die Datenbank könnte ungefähr so aussehen.

CREATE TABLE town-hotspot (
id int(11) NOT NULL ,
category varchar(400),
category_tag varchar (200),
[amenity:] name varchar(400),
address varchar(400) ,
street varchar(200),
city varchar(200) ,
state varchar(200) ,
zipcode varchar(40) ,
country varchar(200) ,
telephone varchar (100),
fax Varchar (100),
website varchar (200),
mailadress varchar (200),
latitude decimal(111,2) ,
longitude decimal(222,2) ,
PRIMARY KEY (id)
)

Anm.; ich habe ca. 5000 records in der Datenbank.

Daten wie latitude, longitude, Addresse, Stadt, Land etc. etx.

Wie finde ich "nearby-places" in der DB "town-hotspot":

a. Ein Ansatz ist es mittels min, max range of lat, lng in einem Radius von x Km und das in
Relation zu Kategorie bzwe Category und category tag..

SELECT * FROM town-hotspot
WHERE (latitude between MINLAT and MAXLAT )
and (longitude between MINLNG and MAXLNG)
and category = CATEGORY varchar(400)
and category_tag = CATEGORY_TAG varchar (200)

Es ist also die Frage wie ich das am besten umsetze - wenn man das nearby - thema komplett in einer OSM-Streetmap-Lsg. abbilden wollte.

[out:json][timeout:25];
nwr(around:10000,40.40,-79.93)["amenity"="hospital"];
out center;

Wie oben aber beschrieben wollte ich zunächst mit Tabellen arbeiten - und eine tabellarische Lsg ergo zunächst mal ins Auge fassen..
Es sollen die Daten / Abfragen dann auch online in einem Webfrontend verwendet werden.

Wie würdet ihr das angehen?

Viele Grüße
Tarifa



Zusatz: ich hab noch ein paar Aufsätze gefunden - die zum Thema passen: hier drei englische Aufsätze, die das Thema nochmals auf der DB-Ebene interessant beleuchten. Ich lese mich übers Wochenende mal ein.


a. Playing with Geometry/Spatial Data Types in MySQL https://medium.com/sysf/playing-with-geometry-spatial-data-type-in-mysql-645b83880331

In this tutorial, we are going to understand how to store and use spatial data types like coordinates and objects. But, we will mainly focus on Points (2D Cartesian Coordinate) and Geographic Locations (Geodetic Coordinates)

Looking from a backend perspective, we would be needing to store geographic data of these locations like Latitude and Longitude. Then we would need to write functions that calculate the distance between the user and the location (to show how far the location is from him/her). Using the same function, we can design an algorithm that finds closest places near to the user or within a given radius from him/her.
There are many tutorials and study material on the internet that helps you solve this problem by using simple data types like float for latitude and longitude and MySQL’s capability to create internal procedures/functions to calculate & search locations. But in this tutorial, we are going to talk about MySQL’s built-in spatial data types.
MySQL is one of the databases that follow a subset of this standard. You can read about OGC from opengeospatial.org.

b. Working with PostgreSQL and PostGIS: How To Become A GIS Expert
https://www.percona.com/blog/2020/0...resql-and-postgis-how-to-become-a-gis-expert/


c. Geospatial Support in MongoDB https://www.baeldung.com/mongodb-geospatial-support

2. Storing Geospatial Data
First, let's see how to store geospatial data in MongoDB.
MongoDB supports multiple GeoJSON types to store geospatial data. Throughout our examples, we'll mainly use the Point and Polygon types.

2.1. Point
This is the most basic and common GeoJSON type, and it's used to represent one specific point on the grid.
Here, we have a simple object, in our places collection, that has field location as a Point:

Wie würdet ihr vorgehen: Diese Umgebungssuche lässt sich auf verschiedenen Wegen erreichen. Das Ziel über ein Webfrontend einen Ort einzugeben und dann aus 3 oder vier Kategorien ( Hospital, School, x, y ) die jeweils nähsten Einträge noch zu finden und aufzulisten - diese Aufgabenstellung - sie lässt sich mittels mehrer Ansätze verfolgen:

a das ganze als MySQL-Frage (oder PostgreSQL, wenn man so will) oder
b. mittels Overpass-API

Ich versuche, eine einfache, aber effektive Lösung für eine Nearby-Suche, gelöst über eine Datenbank zu finden - wie man sie durchführt;


... und am WE lese ich mich mal in die engl. Aufsätze ein... - vg

 

[MONSTER]

sry nur halb gelesen... MongoDB scheint mir der einfachste weg zu sein

 

[benneq]

Hast du jetzt echt einen halben Roman geschrieben, um zu Fragen wie man am einfachsten / besten eine nearby-Suche macht?

Wenn du die OSM API nutzt, bleibt dir dafür nur die Overpass API.

Wenn du die Daten in einer eigenen Datenbank hast, dann findest du bei Google unter "Datenbankname + nearby + search" haufenweise Beispiele wie es geht.
MySQL dürfte hier aber sicherlich am schlechtesten abschneiden. Zumindest ist mir nicht bekannt, wie man dort effizient mit Geokoordinaten und Umkreissuchen hantieren kann. Aber zumindest kann man über einfache mathematische Formeln die Distanz zwischen Punkten berechnen und daraus dann dementsprechend eine nearby Suche basteln.
Andere Datenbanken wie z.B. MongoDB und Elasticsearch bieten für solche Abfragen direkt die passenden Operatoren an. PostGIS sollte das natürlich auch beherrschen.

Welche Datenbank du am Ende nutzt ist relativ egal, solange sie Datentypen und Indizes für Geo Koordinaten hat. Die Unterschiede dürften im Promille Bereich liegen.

Und dein Query sieht in Pseudo-query-code am Ende (egal welche Datenbank) immer so aus:

SELECT *
FROM dataset
WHERE DISTANCE(dataset.geo, geoPoint) < 10km
ORDER BY DISTANCE, ASC

Oder was genau ist nun dein Problem / Frage?

EDIT: Geht scheinbar inzwischen auch mit MySQL und dem POINT Datentyp und SPATIAL INDEX. In MySQL 8 wurde das ganze wohl noch optimiert: https://mysqlserverteam.com/spatial-reference-systems-in-mysql-8-0/

 

[tarifa]

hallo und guten Abend, benneq, hallo MONSTER,

vielen Dank für Eure Rückmeldung. Vorweg ein großes SORRY für den langen Text. Ich merke der war zu lang.
Dass ihr geantwortet habt freut mich um so mehr. Denn es ist insgesamt doch etwas unübersichtlich geworden. Manchmal hilft mir bem Klären einfach auch das Aufschreiben - bzw. das Drüber-schreiben.

Danke für Eure Hinweise, Tipps und Ansätze: der Tipp zu Mongodb - ich werde mich da mal einlesen.

du benneq: Dann auch zu den neuen Geospatial-Kompetenzen der MySQL und dem POINT Datentyp und SPATIAL INDEX. In MySQL 8 wurde das ganze wohl noch optimiert: https://mysqlserverteam.com/spatial-reference-systems-in-mysql-8-0/ Und der Query sieht in Pseudo-query-code am Ende (egal welche Datenbank) immer so aus:

SELECT *
FROM dataset
WHERE DISTANCE(dataset.geo, geoPoint) < 10km
ORDER BY DISTANCE, ASC

Das hilft sehr weiter: !!!

Was mein Problem war - ich wollte grundsätzlich klären, ob ich das auf DB-Ebene oder OSM-query mache. Werde aber das auf der Datenbankebene machen. Also - hier nochmals in aller Kürze: ich glaub dass das so umezusetzen ist:

    @id @type @lon @lat name addr:postcode addr:city addr:street addr:housenumber contact:website contact:email=*
    35332685 hosp -43.9485880 -19.8175998 Hospital Risoleta Tolentino Neves Belo Horizonte Rua das ..
    35332689 hosp -43.9518360 -19.9178800 Prontocor Rio
    53254282 hosp -43.9319894 -19.9260406 Hospital Semper Rio
    75600076 hosp -43.9590472 -19.9505820 Hospital Luxemburgo Rio
    78719634 hosp -43.9528392 -19.9239539 Hospital Vera Cruz Belo Horizonte Avenida Barbacena 653
    ...[...]...
    74400076 childcare -43.9590472 -19.9455820 Senior home Rio
    72219634 school -43.9590472 -19.8885820 Paulo Freire-School Rio Rio

Einschub: Betrachten wir mal eien Ansatz auf einer Datenbankebene: Es geht um eine Suchfunktion über mehrere Tabellen - und dann Filter für die Spalten - also eine Tabelle, in der man noch die Kategorien:

a. type
b. lon lat /(gps-daten eben) einfügt

man kann in der gps-daten-spalte nach den Eingaben filtern.
Ist ggf. halt am einfachsten und funktioniert. Also ich denke, dass dann die Tabelle ja so aussehen koennte:

    DD COORDINATES; 52.519664588 13.407998368
    DMS COORDINATES; 52°31'10.79" N 13°24'28.79" E

also - sagen wir es sind die Tabellen mit unterschiedlichen Kategorien - wie folgt:

    dataset_1_ Kliniken / hospital (hosp)
    dataset_2_ Seniorenheim/retirement home
    dataset_3_ kindergarten/childcare
    dataset_4_ Schulen / schools

Was ist beabsichtigt: So etwas wie eine Nearby-Suche, also die Suche nach Plätzen (orten) die in der Nähe einer bestimmten Postion sich befinden: Bezogen auf ein konkretes Beispiel: Das Ergebnis ist die Abfrage von "College" und "School", Dann kommt man zu der Abfrage:...also mittels einer DB-Lösung könnte das formalisiert so aussehen - die Tabelle "town-hotspot" Wir können hier ordnen und strukturieren bzg. latitude/longitude (unter Einsatz von z.B. MySQL+PHP) Das könnte dann etwa so aussehen:

    GEODATA noch mehr DATEN
    --------------------------------------|-----
    id | param| lat | lng | db-field-data
    --------------------------------------|-----
    1 | a | 41.339563 | -126.35578 |field 1
    --------------------------------------|-----
    2 | b | 39.150682 | -107.06621 |field 2
    --------------------------------------|-----
    3 | c | 49.897893 | -99.444765 |field 3
    --------------------------------------|-----
    4 | d | 41.327433 | -106.34535 |field 4
    --------------------------------------|-----
    4 | e | 4=.553133 | -101.24563 |field 5

hier ließe sich eine Ordnung herstellen - in Bezug auf Distanzen z.B. zu einem Referenzdatensatz: (41.834527,-108.140625). wenn man hiervon ausgeht, kann man etwa so auch in der Town-hotspot-Tabelle ansetzen:
Hier kommt dein Tipp und der Query ins Spiel: in Pseudo-query-code am Ende (egal welche Datenbank) immer so aus:

SELECT *
FROM dataset
WHERE DISTANCE(dataset.geo, geoPoint) < 10km
ORDER BY DISTANCE, ASC

Aber ich denke, dass man das Geosorting auch direkt in der Datenbank ausgeführt werden kann.
Das sollte m.E. möglich sein, mittels eines effektiven Ansatzes einer Geo-Spatial-Suche in einer Datenbank.
Also worauf es ankommt; nearby places zu finden: gut wäre es in einer "aufsteigenden" Reihenfolge bezogen auf die Distanz zu bekommen. Die Datenbank könnte ungefähr so aussehen.

    CREATE TABLE town-hotspot (
    id int(11) NOT NULL ,
    category varchar(400),
    category_tag varchar (200),
    [amenity:] name varchar(400),
    address varchar(400) ,
    street varchar(200),
    city varchar(200) ,
    state varchar(200) ,
    zipcode varchar(40) ,
    country varchar(200) ,
    telephone varchar (100),
    fax Varchar (100),
    website varchar (200),
    mailadress varchar (200),
    latitude decimal(111,2) ,
    longitude decimal(222,2) ,
    PRIMARY KEY (id)
    )

Anm.; ich habe ca. 5000 records in der Datenbank. Daten wie latitude, longitude, Addresse, Stadt, Land etc. etx. ich werde das mit der Suche nach "nearby-places" in der DB "town-hotspot" so umsetzen
a. Ein Ansatz .....ist es mittels min, max range of lat, lng in einem Radius von x Km und das in Relation zu Kategorie bzwe Category und category tag..

    SELECT * FROM town-hotspot
    WHERE (latitude between MINLAT and MAXLAT )
    and (longitude between MINLNG and MAXLNG)
    and category = CATEGORY varchar(400)
    and category_tag = CATEGORY_TAG varchar (200)

Und hier kommt dein Query - benneq, wieder ins Spiel: in Pseudo-query-code (egal welche Datenbank): Der hilft weiter!

SELECT *
FROM dataset
WHERE DISTANCE(dataset.geo, geoPoint) < 10km
ORDER BY DISTANCE, ASC

Das ist eom Ansatz!! Ich glaub dass ich von hier aus weitermachen kann!!!

Euch nochmals Danke für Eure Hinweise, Tipps und Ansätze: werde mich zu Mongodb - noch einlesen.
dann auch zu den neuen Geospatial-Kompetenzen der MySQL und dem POINT Datentyp und SPATIAL INDEX - in MySQL 8 vgl. https://mysqlserverteam.com/spatial-reference-systems-in-mysql-8-0/

Danke Euch ... VG Tarifa