根据纬度/经度获取两点之间的距离
Posted
技术标签:
【中文标题】根据纬度/经度获取两点之间的距离【英文标题】：Getting distance between two points based on latitude/longitude 【发布时间】：2013-10-25 02:26:04 【问题描述】：我尝试实现这个公式：http://andrew.hedges.name/experiments/haversine/ aplet 对我正在测试的两点有好处：
但我的代码不起作用。
from math import sin, cos, sqrt, atan2
R = 6373.0
lat1 = 52.2296756
lon1 = 21.0122287
lat2 = 52.406374
lon2 = 16.9251681
dlon = lon2 - lon1
dlat = lat2 - lat1
a = (sin(dlat/2))**2 + cos(lat1) * cos(lat2) * (sin(dlon/2))**2
c = 2 * atan2(sqrt(a), sqrt(1-a))
distance = R * c
print "Result", distance
print "Should be", 278.546
它返回的距离是5447.05546147。为什么？
【问题讨论】：
【参考方案1】：您可以使用Uber's H3,point_dist() 函数来计算两个 (lat, lng) 点之间的球面距离。我们可以设置返回单位（'km'、'm' 或 'rads'）。默认单位为公里。
例子：
import h3
coords_1 = (52.2296756, 21.0122287)
coords_2 = (52.406374, 16.9251681)
distance = h3.point_dist(coords_1, coords_2, unit='m') # to get distance in meters
希望这会有用！
【讨论】：
【参考方案2】：更新：04/2018：文森蒂距离改为deprecated since GeoPy version 1.13 - you should use geopy.distance.distance()！
以上答案基于Haversine formula，假设地球是一个球体，导致误差高达约0.5%（根据help(geopy.distance)）。 Vincenty distance使用WGS-84等更精确的椭球模型，并在geopy中实现。例如，
import geopy.distance
coords_1 = (52.2296756, 21.0122287)
coords_2 = (52.406374, 16.9251681)
print geopy.distance.vincenty(coords_1, coords_2).km
将使用默认椭球 WGS-84 打印279.352901604 公里的距离。 （您也可以选择.miles 或其他几个距离单位之一）。
【讨论】：
谢谢。您能否使用我提供的坐标而不是纽波特和克利夫兰来更新您的答案。它将让未来的读者更好地理解。 Newport 和 Cleveland 的任意位置来自 PyPI 列表中的示例 geopy 文档：pypi.python.org/pypi/geopy 我不得不修改 Kurt Peek 对此的回答：需要大写：print geopy.distance.VincentyDistance(coords_1, coords_2).km 279.352901604
您可能应该在代码中使用geopy.distance.distance(…)，它是当前最佳（=最准确）距离公式的别名。 （现在是文森蒂。）
在 geopy-1.18.1 输出中使用 geopy.distance.vincenty：Vincenty 已弃用，将在 geopy 2.0 中删除。改用geopy.distance.geodesic（或默认的geopy.distance.distance），这样更准确且始终收敛。【参考方案3】：
最简单的方法是使用haversine包。
import haversine as hs
coord_1 = (lat, lon)
coord_2 = (lat, lon)
x = hs.haversine(coord_1,coord_2)
print(f'The distance is x km')
【讨论】：
【参考方案4】：对于通过搜索引擎来到这里并只是寻找开箱即用的解决方案的人（如我），我建议安装mpu。通过pip install mpu --user 安装它并像这样使用它来获取haversine distance：
import mpu
# Point one
lat1 = 52.2296756
lon1 = 21.0122287
# Point two
lat2 = 52.406374
lon2 = 16.9251681
# What you were looking for
dist = mpu.haversine_distance((lat1, lon1), (lat2, lon2))
print(dist) # gives 278.45817507541943.
另一个包是gpxpy。
如果你不想要依赖，你可以使用：
import math
def distance(origin, destination):
"""
Calculate the Haversine distance.
Parameters
----------
origin : tuple of float
(lat, long)
destination : tuple of float
(lat, long)
Returns
-------
distance_in_km : float
Examples
--------
>>> origin = (48.1372, 11.5756) # Munich
>>> destination = (52.5186, 13.4083) # Berlin
>>> round(distance(origin, destination), 1)
504.2
"""
lat1, lon1 = origin
lat2, lon2 = destination
radius = 6371 # km
dlat = math.radians(lat2 - lat1)
dlon = math.radians(lon2 - lon1)
a = (math.sin(dlat / 2) * math.sin(dlat / 2) +
math.cos(math.radians(lat1)) * math.cos(math.radians(lat2)) *
math.sin(dlon / 2) * math.sin(dlon / 2))
c = 2 * math.atan2(math.sqrt(a), math.sqrt(1 - a))
d = radius * c
return d
if __name__ == '__main__':
import doctest
doctest.testmod()
另一个替代包是haversine
from haversine import haversine, Unit
lyon = (45.7597, 4.8422) # (lat, lon)
paris = (48.8567, 2.3508)
haversine(lyon, paris)
>> 392.2172595594006 # in kilometers
haversine(lyon, paris, unit=Unit.MILES)
>> 243.71201856934454 # in miles
# you can also use the string abbreviation for units:
haversine(lyon, paris, unit='mi')
>> 243.71201856934454 # in miles
haversine(lyon, paris, unit=Unit.NAUTICAL_MILES)
>> 211.78037755311516 # in nautical miles
他们声称对两个向量中所有点之间的距离进行了性能优化
from haversine import haversine_vector, Unit
lyon = (45.7597, 4.8422) # (lat, lon)
paris = (48.8567, 2.3508)
new_york = (40.7033962, -74.2351462)
haversine_vector([lyon, lyon], [paris, new_york], Unit.KILOMETERS)
>> array([ 392.21725956, 6163.43638211])
【讨论】：
有没有办法改变其中一个点的给定高度？ 您可以简单地将高度差添加到距离中。不过，我不会那样做。 “里昂，巴黎，392.2172595594006 公里”，哇，最后一个数字甚至不是氢原子的大小。非常准确！【参考方案5】：有多种方法可以根据坐标（即纬度和经度）计算距离
安装和导入
from geopy import distance
from math import sin, cos, sqrt, atan2, radians
from sklearn.neighbors import DistanceMetric
import osrm
import numpy as np
定义坐标
lat1, lon1, lat2, lon2, R = 20.9467,72.9520, 21.1702, 72.8311, 6373.0
coordinates_from = [lat1, lon1]
coordinates_to = [lat2, lon2]
使用半正弦
dlon = radians(lon2) - radians(lon1)
dlat = radians(lat2) - radians(lat1)
a = sin(dlat / 2)**2 + cos(lat1) * cos(lat2) * sin(dlon / 2)**2
c = 2 * atan2(sqrt(a), sqrt(1 - a))
distance_haversine_formula = R * c
print('distance using haversine formula: ', distance_haversine_formula)
在 sklearn 中使用 hasrsine
dist = DistanceMetric.get_metric('haversine')
X = [[radians(lat1), radians(lon1)], [radians(lat2), radians(lon2)]]
distance_sklearn = R * dist.pairwise(X)
print('distance using sklearn: ', np.array(distance_sklearn).item(1))
使用 OSRM
osrm_client = osrm.Client(host='http://router.project-osrm.org')
coordinates_osrm = [[lon1, lat1], [lon2, lat2]] # note that order is lon, lat
osrm_response = osrm_client.route(coordinates=coordinates_osrm, overview=osrm.overview.full)
dist_osrm = osrm_response.get('routes')[0].get('distance')/1000 # in km
print('distance using OSRM: ', dist_osrm)
使用地理位置
distance_geopy = distance.distance(coordinates_from, coordinates_to).km
print('distance using geopy: ', distance_geopy)
distance_geopy_great_circle = distance.great_circle(coordinates_from, coordinates_to).km
print('distance using geopy great circle: ', distance_geopy_great_circle)
输出
distance using haversine formula: 26.07547017310917
distance using sklearn: 27.847882224769783
distance using OSRM: 33.091699999999996
distance using geopy: 27.7528030550408
distance using geopy great circle: 27.839182219511834
【讨论】：
【参考方案6】：我得到了一个更简单和强大的解决方案，它使用来自geopy 包的geodesic，因为无论如何您很可能在您的项目中使用它，因此不需要额外的包安装。
这是我的解决方案：
from geopy.distance import geodesic
origin = (30.172705, 31.526725) # (latitude, longitude) don't confuse
dist = (30.288281, 31.732326)
print(geodesic(origin, dist).meters) # 23576.805481751613
print(geodesic(origin, dist).kilometers) # 23.576805481751613
print(geodesic(origin, dist).miles) # 14.64994773134371
geopy
【讨论】：
感谢哥们提到纬度是第一，然后是经度。干杯！【参考方案7】：import numpy as np
def Haversine(lat1,lon1,lat2,lon2, **kwarg):
"""
This uses the ‘haversine’ formula to calculate the great-circle distance between two points – that is,
the shortest distance over the earth’s surface – giving an ‘as-the-crow-flies’ distance between the points
(ignoring any hills they fly over, of course!).
Haversine
formula: a = sin²(Δφ/2) + cos φ1 ⋅ cos φ2 ⋅ sin²(Δλ/2)
c = 2 ⋅ atan2( √a, √(1−a) )
d = R ⋅ c
where φ is latitude, λ is longitude, R is earth’s radius (mean radius = 6,371km);
note that angles need to be in radians to pass to trig functions!
"""
R = 6371.0088
lat1,lon1,lat2,lon2 = map(np.radians, [lat1,lon1,lat2,lon2])
dlat = lat2 - lat1
dlon = lon2 - lon1
a = np.sin(dlat/2)**2 + np.cos(lat1) * np.cos(lat2) * np.sin(dlon/2) **2
c = 2 * np.arctan2(a**0.5, (1-a)**0.5)
d = R * c
return round(d,4)
【讨论】：
您好，您认为有一种方法可以直接从模板中获取数据吗？【参考方案8】：编辑：请注意，如果您只需要一种快速简便的方法来查找两点之间的距离，我强烈建议使用下面Kurt's answer 中描述的方法，而不是重新实施 Haversine - 查看他的帖子了解基本原理。
此答案仅侧重于回答 OP 遇到的特定错误。
这是因为在 Python 中，所有三角函数 use radians，而不是度数。
您可以手动将数字转换为弧度，或使用数学模块中的radians 函数：
from math import sin, cos, sqrt, atan2, radians
# approximate radius of earth in km
R = 6373.0
lat1 = radians(52.2296756)
lon1 = radians(21.0122287)
lat2 = radians(52.406374)
lon2 = radians(16.9251681)
dlon = lon2 - lon1
dlat = lat2 - lat1
a = sin(dlat / 2)**2 + cos(lat1) * cos(lat2) * sin(dlon / 2)**2
c = 2 * atan2(sqrt(a), sqrt(1 - a))
distance = R * c
print("Result:", distance)
print("Should be:", 278.546, "km")
距离现在返回正确的值278.545589351km。
【讨论】：
这在任何编程语言中都是正确的，在微积分中也是如此。使用度数是个例外，仅用于人类语音。 聪明人的话，这个公式要求所有度数都是正数。radians(abs(52.123)) 应该可以解决问题...
您确定所有度数（角度？）都是正数吗？我认为这是错误的。考虑 lat1, lon1 = 10, 10 (度) 和 lat2, lon2 = -10, -10 (度)。通过在度数周围添加 abs()，距离将为零，这是不正确的。也许您打算取 dlon 和/或 dlat 的绝对值，但是如果您查看计算 a 中的 dlon、dlat 值，正弦是偶函数，余弦平方是偶函数，所以我不也可以看到采用 dlat 或 dlon 的绝对值有什么好处。
只是想知道上面的距离是两个位置之间的弧距还是平面距离？以上是关于根据纬度/经度获取两点之间的距离的主要内容，如果未能解决你的问题，请参考以下文章