既然邻接区域的人距离我们更近，那我们是不是可以建立一个更大的候选集合，把这些邻接区域的用户都加进去，再一起计算距离和排序，这样问题是不是就解决了呢？我们先试着操作一下。
对于目标所在的当前区域，我们可以根据期望的查询半径，以当前区域为中心向周围扩散，从而将周围的区域都包含进来。假设，查询半径正好是一个区域边长的一半，那我们只要将目标区域周围一圈，也就是 8 个邻接区域中的用户都加入候选集，这就肯定不会有遗漏了。这时，虽然计算量提高了 8 倍，但我们可以给出精准的解了。
如果要降低计算量，我们可以将区域划分的粒度提高一个量级。这样，区域的划分就更精准，在查询半径不变的情况下，需要检索的用户的数量就会更少（查询范围对比见下图中两个红框部分）。
知道了要查询的区域有哪些，那我们怎么快速寻找这些区域的编码呢？这就要回到我们区域编码的方案本身了。前面我们说了，区域编码可以根据奇偶位拆成水平编码和垂直编码这两块，如果一个区域编码是 0110，那它的水平编码就是 01，垂直编码就是 10。那该区域右边一个区域的水平编码的值就比它自己的大 1，垂直编码则相同。因此，我们通过分解出当前区域的水平编码和垂直编码，对对应的编码值进行加 1 或者减 1 的操作，就能得到不同方向上邻接的 8 个区域的编码了。
以上，就是精准查询附近人的检索过程，我们可以总结为两步：
● 第一步，先查询出自己所属的区域编码，再计算出周围 8 个邻接区域的区域编码；
● 第二步，在索引中查询 9 次，取出所有属于这些区域中的人，精准计算每一个人和自己的距离，最后排序输出结果。
