我阅读this question并在Python中实现了接受的答案（见下文）。它原则上有效，但结果始终比预期高出约30％（捷克共和国） - 这个算法的预期准确度是多少？
为了验证算法，我使用BoundingBox来获得具有已知对角线距离（建筑物，两个城市）的边界框，并使用输出坐标作为“我的”算法的输入。
问题出在哪里？
我的实施：
R= 6371 #km
dLat = math.radians(lat2-lat1)
dLon = math.radians(lon2-lon1)
lat1 = math.radians(lat1)
lat2 = math.radians(lat2)
a= math.sin(dLat/2)*math.sin(dLat/2) + math.sin(dLon/2) * math.sin(dLon/2) * math.cos(lat1) * math.cos(lat2)
c= 2 * math.atan2(math.sqrt(a), math.sqrt(1-a))
d = R * c;
return d
答案 0 :(得分：3)
不，算法不应该有这么大的错误。该链接指定您可以预期大约0.3％的错误。
我无法使用您的代码重现您的结果，因此我认为错误与您的测试有关。
以下是site with the distance between and coordinates of Prague and Brno十进制度格式的一些测试数据：
lat_prague, long_prague = 50.0833, 14.4667
lat_brno, long_brno = 49.2000, 16.6333
expected_km = 184.21
以下是测试结果：
>>> def calc(lat1,lon1, lat2,lon2):
# ... your code ...
>>> calc(lat_prague,long_prague,lat_brno,long_brno)
184.34019283649852
>>> calc(lat_prague,long_prague,lat_brno,long_brno) / expected_km
1.0007067631317437
一个疯狂的猜测：对于捷克共和国的地点，你得到的错误似乎是正确的数量级，因为它混合了纬度和经度：
>>> calc(long_prague,lat_prague,long_brno,lat_brno)
258.8286271447481
>>> calc(long_prague,lat_prague,long_brno,lat_brno) / expected_km
1.405073704710646
这显然是known confusion。仅指定为一对数字的坐标是不明确的（例如：BoundingBox和上面使用距离的参考（long，lat），算法使用排序lat，long）。当您在没有正式规范的情况下使用不熟悉的数据源遇到模糊格式时，您只需要进行完整性检查。像Wikipedia这样的网站会毫不含糊地告诉你布拉格位于“50°05'N 14°25'E” - 即非常粗略地说，大约在50度左右（南北）和14度经度（东边） -West）。