从纬度/经度数据（以弧度为单位）开始，我试图有效地找到最接近的n个邻居，最好是测地线（WGS-84）的距离。
现在，我正在使用sklearn’s BallTree并具有正弦距离（KD-Tres仅采用minkowskian距离），它既好又快（3-4秒，可以在7500个可能的匹配中找到1200个位置的最近5个邻居） ，但没有我需要的准确。代码：
tree = BallTree(possible_matches[['x', 'y']], leaf_size=2, metric='haversine')
distances, indices = tree.query(locations[['x', 'y']], k=5)
当我用自定义函数代替度量标准（metric=lambda u, v: geopy.distance.geodesic(u, v).miles）时，将花费“不合理的”长时间（在上述情况下为4分钟）。据记载，自定义功能可能会花费很长时间，但并不能帮助我解决问题。
我看过使用具有ECEF坐标和欧几里得距离的KD树，但是我不确定这是否更准确。
如何保持当前方法的速度，但提高距离精度？