lat/lon 点(坐标)的 2 个列表之间的地理/地理空间距离

Geographic / geospatial distance between 2 lists of lat/lon points (coordinates)

我有 2 个列表(list1list2),其中包含各个位置的纬度/经度。一个列表 (list2) 包含 list1 没有的地方名称。

我也想要 list1 中每个点的大概位置。所以我想在 list1 中取一个点,尝试在 list2 中寻找最近的点并取那个地方。我重复 list1 中的每个点。它还需要距离(以米为单位)和点的索引(以 list1 为单位),因此我可以围绕它构建一些业务规则 - 本质上,这些是应该添加到 list1 的 2 个新列( near_distindx)。

我正在使用 gdist 函数,但我无法让它与数据框输入一起使用。

示例输入列表:

list1 <- data.frame(longitude = c(80.15998, 72.89125, 77.65032, 77.60599, 
                                  72.88120, 76.65460, 72.88232, 77.49186, 
                                  72.82228, 72.88871), 
                    latitude = c(12.90524, 19.08120, 12.97238, 12.90927, 
                                 19.08225, 12.81447, 19.08241, 13.00984,
                                 18.99347, 19.07990))
list2 <- data.frame(longitude = c(72.89537, 77.65094, 73.95325, 72.96746, 
                                  77.65058, 77.66715, 77.64214, 77.58415,
                                  77.76180, 76.65460), 
                    latitude = c(19.07726, 13.03902, 18.50330, 19.16764, 
                                 12.90871, 13.01693, 13.00954, 12.92079,
                                 13.02212, 12.81447), 
                    locality = c("A", "A", "B", "B", "C", "C", "C", "D", "D", "E"))

要计算具有 latitude/longitude 坐标的两点之间的地理距离,您可以使用多个公式。 geosphere 包中有 distCosinedistHaversinedistVincentySpheredistVincentyEllipsoid 用于计算距离。其中,distVincentyEllipsoid 被认为是最准确的,但计算量比其他的要大。

使用这些函数之一,您可以制作距离矩阵。基于该矩阵,您可以根据 which.min 的最短距离和 min 的相应距离分配 locality 名称(参见答案的最后一部分),如下所示:

library(geosphere)

# create distance matrix
mat <- distm(list1[,c('longitude','latitude')], list2[,c('longitude','latitude')], fun=distVincentyEllipsoid)

# assign the name to the point in list1 based on shortest distance in the matrix
list1$locality <- list2$locality[max.col(-mat)]

这给出:

> list1
   longitude latitude locality
1   80.15998 12.90524        D
2   72.89125 19.08120        A
3   77.65032 12.97238        C
4   77.60599 12.90927        D
5   72.88120 19.08225        A
6   76.65460 12.81447        E
7   72.88232 19.08241        A
8   77.49186 13.00984        D
9   72.82228 18.99347        A
10  72.88871 19.07990        A

另一种可能是根据list2locality的平均经纬度值分配locality:

library(dplyr)
list2a <- list2 %>% group_by(locality) %>% summarise_each(funs(mean)) %>% ungroup()
mat2 <- distm(list1[,c('longitude','latitude')], list2a[,c('longitude','latitude')], fun=distVincentyEllipsoid)
list1 <- list1 %>% mutate(locality2 = list2a$locality[max.col(-mat2)])

data.table:

library(data.table)
list2a <- setDT(list2)[,lapply(.SD, mean), by=locality]
mat2 <- distm(setDT(list1)[,.(longitude,latitude)], list2a[,.(longitude,latitude)], fun=distVincentyEllipsoid)
list1[, locality2 := list2a$locality[max.col(-mat2)] ]

这给出:

> list1
   longitude latitude locality locality2
1   80.15998 12.90524        D         D
2   72.89125 19.08120        A         B
3   77.65032 12.97238        C         C
4   77.60599 12.90927        D         C
5   72.88120 19.08225        A         B
6   76.65460 12.81447        E         E
7   72.88232 19.08241        A         B
8   77.49186 13.00984        D         C
9   72.82228 18.99347        A         B
10  72.88871 19.07990        A         B

如您所见,这在大多数情况下(十分之七)导致另一个分配 locality


您可以添加距离:

list1$near_dist <- apply(mat2, 1, min)

max.col 的另一种方法(很可能更快):

list1$near_dist <- mat2[matrix(c(1:10, max.col(-mat2)), ncol = 2)]

# or using dplyr
list1 <- list1 %>% mutate(near_dist = mat2[matrix(c(1:10, max.col(-mat2)), ncol = 2)])
# or using data.table (if not already a data.table, convert it with 'setDT(list1)' )
list1[, near_dist := mat2[matrix(c(1:10, max.col(-mat2)), ncol = 2)] ]

结果:

> list1
    longitude latitude locality locality2   near_dist
 1:  80.15998 12.90524        D         D 269966.8970
 2:  72.89125 19.08120        A         B  65820.2047
 3:  77.65032 12.97238        C         C    739.1885
 4:  77.60599 12.90927        D         C   9209.8165
 5:  72.88120 19.08225        A         B  66832.7223
 6:  76.65460 12.81447        E         E      0.0000
 7:  72.88232 19.08241        A         B  66732.3127
 8:  77.49186 13.00984        D         C  17855.3083
 9:  72.82228 18.99347        A         B  69456.3382
10:  72.88871 19.07990        A         B  66004.9900

感谢 Martin Haringa 提供的此解决方案,当您需要通过遍历 Mark Needham's blog

上的数据框来执行此功能时,该解决方案使这种方式变得更容易
library(dplyr)
library(geosphere)

df %>%
  rowwise() %>%
  mutate(newcolumn_distance = distHaversine(c(df$long1, df$lat1), 
                                            c(df$long2, df$lat2)))

我在真实世界数据集的大样本上分别使用 distm 和 distHaversine 这两个函数进行了测试,distHaversine 似乎比 distm 函数快得多。我很惊讶,因为我认为这两者只是两种格式的相同功能。

我在下面添加了一个使用 spatialrisk 包的解决方案。这个包中的关键函数是用 C++ (Rcpp) 编写的,因此速度非常快。

函数spatialrisk::points_in_circle() 计算距离中心点半径范围内的观测值。请注意,距离是使用 Haversine 公式计算的。由于输出的每个元素都是一个数据框,因此 purrr::map_dfr 用于将它们行绑定在一起:

ans <- purrr::map2_dfr(list1$longitude, 
                       list1$latitude, 
                       ~spatialrisk::points_in_circle(list2, .x, .y, 
                                                      lon = longitude, 
                                                      lat = latitude, 
                                                      radius = 2000000)[1,])
cbind(list1, ans)

    longitude latitude longitude latitude locality  distance_m
1   80.15998 12.90524  77.76180 13.02212        D 260484.0591
2   72.89125 19.08120  72.89537 19.07726        A    616.6369
3   77.65032 12.97238  77.64214 13.00954        C   4230.7216
4   77.60599 12.90927  77.58415 12.92079        D   2694.4566
5   72.88120 19.08225  72.89537 19.07726        A   1590.8723
6   76.65460 12.81447  76.65460 12.81447        E      0.0000
7   72.88232 19.08241  72.89537 19.07726        A   1487.8028
8   77.49186 13.00984  77.58415 12.92079        D  14089.1051
9   72.82228 18.99347  72.89537 19.07726        A  12089.6454
10  72.88871 19.07990  72.89537 19.07726        A    759.8012