这篇博客探讨了在处理大型数据集时计算距离的高计算成本问题，建议使用启发式方法来近似距离，例如基于分钟、公里和英里的简单转换。通过在给定范围内搜索数据库并使用PHP进行后处理，可以显著提高效率。还提供了两种距离近似公式，包括考虑了余弦函数的改进版，以平衡精度和计算速度。测试表明，这些近似方法在短距离时效果良好，且计算速度显著快于精确算法。
正如其他人所说,计算距离在计算上相当昂贵.返回庞大的数据集也不是一个好主意 – 特别是考虑到PHP在性能上并不是那么好.
我会使用启发式方法,例如通过简单的加法和减法来近似距离.
1 minute = 1.86 kilometers = 1.15
miles
只需在该范围内搜索包含事件的数据库(实际上是正方形而不是圆形),然后您可以使用PHP进行处理.
编辑：这是另一种选择;一种近似计算成本较低的方式：
近似距离(英里)：
sqrt(x * x + y * y)
where x = 69.1 * (lat2 - lat1)
and y = 53.0 * (lon2 - lon1)
您可以通过添加余弦数学函数来提高此近似距离计算的准确性：
改进的英里近似距离：
sqrt(x * x + y * y)
where x = 69.1 * (lat2 - lat1)
and y = 69.1 * (lon2 - lon1) * cos(lat1/57.3)
编辑2：我用随机生成的数据集运行了一堆测试.
> 3种算法的准确度差异很小,尤其是在短距离时
>最慢的算法(具有整组trig函数的算法)比其他两个算法慢4倍.
绝对不值得.只需要近似值.
扫一扫
532
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
