加快Python中成对距离矩阵的计算

Question

我有大约9000条弹道，对于一个项目，我必须计算它们之间的距离。轨迹由11个点组成，每个点包含x和y坐标。只需通过以下方式生成样本数据集：

import numpy as np
trajs = np.random.rand(9000,11,2)

我从https://pypi.org/project/similaritymeasures/中获取了Frechet距离函数，该函数以两个轨迹作为输入，而输出是浮点值。

一开始我写了一个嵌套的for循环：

from similaritymeasures import frechet_dist

distance_matrix = []

for i in trajs:
    for j in trajs:
        distance_matrix.append(frechet_dist(i,j))

获取结果花费的时间太长。

由于距离计算是对称的（即frechet_dist（t1，t2）= frechet_dist（t2，t1）），因此我将计算时间减少了一半以上：

from scipy.spatial.distance import squareform

n = len(trajs)
distance_matrix = []
flag = 0
for i in range(n):
    for j in range(flag,n):
        if i != j:
            distance_matrix.append(frechet_dist(trajs[i],trajs[j]))
    flag += 1
dist_mat = squareform(np.asarray(distance_matrix))

现在要处理9000条轨迹，需要19个小时。我得到了结果，但是仍然太久了。有什么方法可以加快计算速度？