Question

我是R编程的新手，但我正在计算一架长途客机飞行的大圆距离，我已尝试rdist.earth()来自soDistsN1()来自sp包和其他命令。另外，在我的搜索中，谷歌已经筋疲力尽了。在Matlab中很容易做到这一点，但我似乎无法在R中找到方法。

问题是当我增加数据分辨率（计算的航点数量）时，我的总距离变得混乱。我猜这是因为我总结了航点之间的总距离。有任何想法吗？

我尝试过的一个例子：

data <- read.csv("FDM_test_Flight.csv")
library(fields)
fix <- cbind(data$LON, data$LAT)
fix_2 <- window(fix, deltat=500) # every 500th position I have 25,540 position readings                      
gcd <- rdist.earth(fix_2, miles=FALSE, R=6371)
sum(gcd)

Answer 1

rdist.earth计算所有对之间的距离，因此通过对整个矩阵求和，您不仅可以获得连续观察之间距离的总和。

library(fields)
lonlat <- matrix(-92:-80,c(1:7,6:1))
out<- rdist.earth ( ozone2$lon.lat)
sum(out[row(out)==col(out)+1])  ## add first off-diagonal

但是@ SimonO101的解决方案效率更高：如果你看一下rdist.earth的胆量，你会发现它或多或少都在做什么。

Answer 2

您可以使用Great Circle distances的公式自行计算它们......

r <- 6371 # radius of the Earth
data <- read.csv("FDM_test_Flight.csv")

# Convert to radians and make two vectors of point A and point B
x <- length(data$LON)
lon <- data$LON[1:(x-1)] * pi/180
lat <- data$LAT[1:(x-1)] * pi/180
lon2 <- data$LON[2:x] * pi/180
lat2 <- data$LAT[2:x] * pi/180

#Calculate distances
dist <- sum(acos(sin( lat ) * sin( lat2 ) + cos( lat ) * cos( lat2 ) * cos( lon2 -lon ) ) * r )

由于r以Km为单位，因此您的大圆距离将为Km。

Answer 3

如果你只从你的gcd矩阵求出非对角矩阵值（大小为1），你应该得到你需要的东西。正如Ben Bolker所述，rdis.earth（）计算“所有配对”之间的距离。现在它是如何工作的：如果您有三个位置：1,2和3.您需要 dist（1,2）+ dist（2,3）任何n点的相同模式都将成立。所以，这些信息已经在rdis.earth中了。只需提取您需要的内容并总结即可。在这里 - （抱歉for循环）

sum(gcd) #but this is too large, it's summing all the pairings!


limit <- dim(gcd)[1] - 1

for(i in 1 :limit ){
  sum_off_dia[i]<- gcd_data[i,i+1]
}
sum(sum_off_dia)

用高数据分辨率计算r编程中的大圆距离

3 个答案: