如何使用 laravel/php 根据 longitude/latitude 接近度对对象进行分组
How to group objects based on longitude/latitude proximity using laravel/php
我有一群用户。用户数可以是 50 也可以是 2000。每个人都应该有一个 long/lat 我从 Google Geo api.
中检索到的
我需要全部查询，并按邻近度和一定数量对它们进行分组。假设计数是 12，我在该组中有 120 个用户。我想根据人们与其他人的距离 (long/lat) 对他们进行分组。这样我就得到了 10 组靠近的人。
我目前有 google 地理编码 api 设置并且更愿意使用它。
TIA。
-- 更新
我已经用谷歌搜索了一段时间，看来我正在寻找 returns 按邻近度分组的空间查询。
...看来我正在寻找 returns 按邻近度分组的空间查询。 ...
您可以使用 hdbscan。您的组实际上是 hdbscan 措辞中的集群。您需要与 min_cluster_size 和 min_samples 合作才能使您的组正确。
https://hdbscan.readthedocs.io/en/latest/parameter_selection.html
https://hdbscan.readthedocs.io/en/latest/
hdbscan 似乎在 Python 下运行。
这里有两个关于如何从 PHP 调用 Python 的链接：
Calling Python in PHP,
Running a Python script from PHP
以下是有关选择哪种聚类算法的更多信息：
http://nbviewer.jupyter.org/github/scikit-learn-contrib/hdbscan/blob/master/notebooks/Comparing%20Clustering%20Algorithms.ipynb
http://scikit-learn.org/stable/modules/clustering.html#clustering
请记住，这个问题会随着您添加的每个用户呈指数增长，因为距离计算量与用户数量的平方相关（实际上是 N*(N-1) 距离...所以 2000用户群将意味着每次通过将近 400 万次距离计算。在确定所需资源的大小时请记住这一点
您是希望根据直线（实际上是大圆）距离还是根据 walking/driving 距离对它们进行分组？
如果是前者，如果您能够容忍较小的误差范围并希望假设地球是一个球体，则可以通过简单的数学计算得出大圆距离的近似值。来自 GCMAP.com:
Earth's hypothetical shape is called the geoid and is approximated by
an ellipsoid or an oblate sphereoid. A simpler model is to use a
sphere, which is pretty close and makes the math MUCH easier. Assuming
a sphere of radius 6371.2 km, convert longitude and latitude to
radians (multiply by pi/180) and then use the following formula:
theta = lon2 - lon1
dist = acos(sin(lat1) × sin(lat2) + cos(lat1) × cos(lat2) × cos(theta))
if (dist < 0) dist = dist + pi
dist = dist × 6371.2
The resulting distance is in kilometers.
现在，如果您需要精确的计算并且愿意花费 CPU 周期来完成更复杂的数学运算，您可以使用 Vincenty 的公式，它使用 WGS-84 地球参考椭球模型用于导航、制图等。更多信息 HERE
至于算法本身，你需要用每次计算的结果建立一个to-from矩阵。每行和每列代表每个节点。您可以考虑两个简化：
- 距离与行进方向无关，所以
$dist[n][m] == $dist[m][n]（不需要计算整个矩阵，只计算一半）
- 从节点到自身的距离始终为 0，因此无需计算它，但由于您打算按邻近度分组，为了避免用户与自身分组，您可能希望始终强制
$dist[m][m] 到一个任意定义的异常大的常量（例如 $dist[m][m] = 22000 (miles)。只要你的所有用户都在地球上就可以工作）
所有计算完成后，使用数组排序的方法找到距离每个节点最近的X个节点，就可以了
（您可能想要也可能不想阻止一个用户被分到多个组，但这只是业务逻辑）
在没有先看到您的一些进展的情况下，此时提供的实际代码有点太多，但这基本上是您需要在算法上做的事情。
使用 GeoHash 算法[1]。有一个 PHP 实现 [2]。您可以预先计算不同精度的 geohashes，将它们与经纬度值一起存储在 SQL 数据库中，并使用本机 GROUP BY 进行查询。
我有一群用户。用户数可以是 50 也可以是 2000。每个人都应该有一个 long/lat 我从 Google Geo api.
中检索到的我需要全部查询，并按邻近度和一定数量对它们进行分组。假设计数是 12，我在该组中有 120 个用户。我想根据人们与其他人的距离 (long/lat) 对他们进行分组。这样我就得到了 10 组靠近的人。
我目前有 google 地理编码 api 设置并且更愿意使用它。
TIA。
-- 更新 我已经用谷歌搜索了一段时间，看来我正在寻找 returns 按邻近度分组的空间查询。
...看来我正在寻找 returns 按邻近度分组的空间查询。 ...
您可以使用 hdbscan。您的组实际上是 hdbscan 措辞中的集群。您需要与 min_cluster_size 和 min_samples 合作才能使您的组正确。
https://hdbscan.readthedocs.io/en/latest/parameter_selection.html
https://hdbscan.readthedocs.io/en/latest/
hdbscan 似乎在 Python 下运行。
这里有两个关于如何从 PHP 调用 Python 的链接： Calling Python in PHP, Running a Python script from PHP
以下是有关选择哪种聚类算法的更多信息： http://nbviewer.jupyter.org/github/scikit-learn-contrib/hdbscan/blob/master/notebooks/Comparing%20Clustering%20Algorithms.ipynb
http://scikit-learn.org/stable/modules/clustering.html#clustering
请记住，这个问题会随着您添加的每个用户呈指数增长，因为距离计算量与用户数量的平方相关（实际上是 N*(N-1) 距离...所以 2000用户群将意味着每次通过将近 400 万次距离计算。在确定所需资源的大小时请记住这一点
您是希望根据直线（实际上是大圆）距离还是根据 walking/driving 距离对它们进行分组？
如果是前者，如果您能够容忍较小的误差范围并希望假设地球是一个球体，则可以通过简单的数学计算得出大圆距离的近似值。来自 GCMAP.com:
Earth's hypothetical shape is called the geoid and is approximated by an ellipsoid or an oblate sphereoid. A simpler model is to use a sphere, which is pretty close and makes the math MUCH easier. Assuming a sphere of radius 6371.2 km, convert longitude and latitude to radians (multiply by pi/180) and then use the following formula:
theta = lon2 - lon1
dist = acos(sin(lat1) × sin(lat2) + cos(lat1) × cos(lat2) × cos(theta))
if (dist < 0) dist = dist + pi
dist = dist × 6371.2
The resulting distance is in kilometers.
现在，如果您需要精确的计算并且愿意花费 CPU 周期来完成更复杂的数学运算，您可以使用 Vincenty 的公式，它使用 WGS-84 地球参考椭球模型用于导航、制图等。更多信息 HERE
至于算法本身，你需要用每次计算的结果建立一个to-from矩阵。每行和每列代表每个节点。您可以考虑两个简化：
- 距离与行进方向无关，所以
$dist[n][m] == $dist[m][n]（不需要计算整个矩阵，只计算一半） - 从节点到自身的距离始终为 0，因此无需计算它，但由于您打算按邻近度分组，为了避免用户与自身分组，您可能希望始终强制
$dist[m][m]到一个任意定义的异常大的常量（例如$dist[m][m] = 22000 (miles)。只要你的所有用户都在地球上就可以工作）
所有计算完成后，使用数组排序的方法找到距离每个节点最近的X个节点，就可以了 （您可能想要也可能不想阻止一个用户被分到多个组，但这只是业务逻辑）
在没有先看到您的一些进展的情况下，此时提供的实际代码有点太多，但这基本上是您需要在算法上做的事情。
使用 GeoHash 算法[1]。有一个 PHP 实现 [2]。您可以预先计算不同精度的 geohashes，将它们与经纬度值一起存储在 SQL 数据库中，并使用本机 GROUP BY 进行查询。