存储距离敏感空间数据的最佳数据结构是什么？

Question

假设我有关于气象站坐标​​、历史温度值和全球市中心坐标的数据。气象站与市中心的距离不同。任务是通过气象站数据确定城市平均温度历史值。

为了解决每个城市的问题，我需要在某个半径范围内找到一组最近的气象站，并对它们的数据进行平均。蛮力的方法是计算每个城市到每个气象站的距离，但对于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-trees 按坐标划分气象站，但存在一个问题 - 这种方法允许我在某个树节点中找到气象站，但它没有给我有关相邻节点的信息，以便快速计算半径条件（例如，如果 city 非常靠近 R-tree 的节点边界）。

是否有标准的树数据结构，既可以快速搜索所需节点，又可以提供同一树级别的空间邻居集？

Answer 1

您可能不应该担心“同一级别的邻居”等，这些信息并不一定意味着什么。我想你应该可能

1. 决定是想要给定距离内的所有气象站（范围查询）还是最近的 k 个气象站。
2. 那么我将只使用您正在使用的索引的 API 来查找电台。
3. 然后计算距离。

R-Trees 对此没问题，但它们的加载速度通常很慢。如果加载时间有问题，您可能想尝试 R+tree、R*tree 或 Quadtrees（用于小型数据集）或 PH-Tree（用于大型数据集，我在 Java 中的实现）。

数据在树中的组织方式不应成为问题。曾经实施过这棵树的人可能实施了寻找所需邻居的最有效方法。

Answer 2

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
• mongodbgeospatial
• mysqlextension