存储距离敏感空间数据的最佳数据结构是什么？

Question

考虑一下我在全球范围内有关于气象台坐标，历史温度值和城市中心坐标的数据。 Meteo车站距离市中心不同。任务是根据气象站的数据确定城市温度的​​平均历史值。

要为每个城市解决这个问题，我需要在某个半径范围内找到最近的meteo站点集并平均其数据。粗暴的方式是计算从每个城市到每个气象站的距离，但这对我的数据来说太慢了。所以我认为一些树数据结构可以在这里提供帮助。我尝试使用R-tree按坐标划分meteo站但是有一个问题 - 这种方法允许我在一些树节点中找到meteo站，但它没有给我相关节点的信息，快速计算半径条件（例如，如果城市非常靠近R树的节点边界）。

是否存在允许快速搜索所需节点的标准树数据结构，还提供了同一树级别的空间邻居集合？

Answer 1

使用数据库怎么样？然后查询它以找到接近某个特定点的点？许多数据库已经支持地理空间数据，您可以对其进行索引和查询：

• posgis
• mongodb geospatial
• mysql extension

Answer 2

你可能不应该关注同一级别的邻居＆＃39;或者说，这些信息并不一定意味着什么。我想你应该

1. 决定是否要在给定距离（范围查询）内的所有气象站或最近的k气象站。
2. 然后我会使用你用来查找电台的索引的API。
3. 然后计算距离。

R-Trees可以做到这一点，但它们的加载速度通常很慢。如果加载时间有问题，您可能需要尝试R +树，R *树或可能是Quadtrees（对于小数据集）或PH-Tree（对于大型数据集，我在Java中的实现）。

如何在树内组织数据不应该成为一个问题。曾经实施过树的人可能实现了找到理想邻居的最有效方法。