将世界划分为大约一千个地点

Question

背景：我想创建一个气象服务，由于大多数可用的API限制了每日呼叫的数量，我想将行星分成大约一千个区域。

显然，互联网用户的分布不均匀，因此在人口密集的地区采样应该更加精细。

我应该如何实施？

• 我在哪里可以找到有关地理互联网用户密度的数据？
• 该算法可能类似于k-means。但是，在具有海洋的球体上实施它可能有点棘手。有什么见解吗？
• 最后，也许有一种方法可以避免做到这一切？

Answer 1

与k-mean非常相似的是centroidal Voronoi diagram（它是k-means的连续版本）。但是，这会产生球体的均匀分布，而不会根据需要考虑用户密度。

所以类似的解决方案是相同的技术，但与a Power Diagram一起使用：Power Diagram是一个Voronoi图，它考虑了密度（通过为每个Voronoi种子分配权重）。这样的图可以使用嵌入3D空间（而不是2D）来计算，该空间由前两个（x，y）坐标加上第三个坐标，这是[任何大的正常数减去给定的权重的平方根]点]。

使用它，您可以获得域会计用户密度的详细信息。

Answer 2

一般情况下，您并不关心互联网用户密度。您关心使用您服务的用户密度 - 而您并不关心这些用户在哪里，您关心他们所询问的位置。因此，一旦您的网站停留超过一天，您可以使用人们在前一天询问的位置来确定第二天的区域。

树上的动态编程很容易。我要为算法做的是建立一个连续更细分的树的树。更多的单元格意味着更小的错误，因为人们可以获得更接近它们的点的预测，并且您可以计算出错误，或者至少可以计算出更多单元格和更少单元格之间的相对误差。从自下而上开始计算每个子树贡献的最小可能总误差，允许它最多分为1,2,3，... N.方法。您可以通过查看已为每个后代计算的最小可能错误，为节点的每个k = 1..N计算出最佳可能的除法和最小可能误差，并找出如何最好地分享可用的他们之间的分歧。

我会试着通过思考一个不同的想法来避免这样做。根据您对待生活的方式，至少有两个缺点：

1）您似乎没有向聚会添加任何内容。看起来你正在介入实际进行天气预报的组织和他们的客户之间。组织与客户失去直接联系，例如可能失去广告收入。客户得到的天气预报较差。

2）大多数网站都有法律服务条款，客户可以忽略这些条款而不必担心。我的猜测是你会破坏这些服务条款，如果你的服务受到欢迎而被注意到会被强制执行。