快速计算城市道路距离的方法

Question

所以我在一个城市（比如房屋或住宅）有一套积分，我想找到这些积分与商店的一组候选点之间的最短距离。我正在寻找最好的商店位置，以尽量减少到集合中所有房屋的距离。因此，我将迭代地移动候选商店点，然后重新计算每个商店和房屋之间的距离（再次使用Djikstra算法）。由于计算量很大，我无法在优化算法的每次迭代中不断访问数据库。

我已经多次使用了pgrouting，这会起作用，但是由于点数很多而且每次都必须搜索磁盘这一点太慢了。

是否有工具可以在内存中加载一些小的Open Street Maps城市地图，然后计算内存中的最短路径？我需要快速的东西，所以最好用C或python？但只要有效，任何语言都可以。

Answer 1

在python中，您可以使用networkx进行图形工作。 它具有广度优先的搜索功能。

https://networkx.github.io/

Answer 2

继承人和想法。获得房子和所有商店的latlongs。 以最大精度（12）计算所有点（房屋和商店）的地理位置，并检查任何商店的地理位置是否与房屋的地理位置匹配。如果没有，请以较低的精度计算geohash（11），然后冲洗并重复，直到你得到一个商店（可能是多个Ill进入之后）与房子的geohash相匹配。

这是模糊距离计算。这将很有效，并且处理时间最短。但是如果你得到两个或更多具有相同geohash且具有一定精度的商店，这将失败。所以这就是我建议你做的事情

1. geohash循环，精度下降。当商店的地理位置与房屋的混乱相匹配时休息
2. IF（多个疮匹配）转到普通距离计算并找到最近的商店并将其返回
3. ELSE返回匹配geohash的一个商店

此方法的优点：将严格要求更改为模糊概率问题。如果你得了一个疼痛，那很好。如果你至少没有减少距离计算的候选人数

此方法的缺点：如果所有商店都位于同一个地理位置，该怎么办？我们在这里介绍了相同的复杂性。

您将不得不依赖于并非所有（或大多数）商店都属于同一个地理位置的机会。实际上，缺点只是在角落情况下的缺点。总的来说，你应该提高性能提升