【问题标题】：How to Calculate the Number of Coordinate Points that Occur within X Radius of Other Coordinate Points?如何计算其他坐标点X半径内出现的坐标点个数？
【发布时间】：2021-03-31 20:08:29
【问题描述】：

我有两组坐标数据（纬度和经度）。第一组表示城市内餐厅的位置。第二组坐标代表城市中的公园。对于每家餐厅，我想计算 160 米内的公园数量。

根据另一篇文章，我尝试使用简单功能 (sf) 包执行此操作，但没有得到我想要的输出。

样本数据：

餐厅：

45.59841    -122.3275           
45.59932    -122.3343           
45.59932    -122.3343           
45.59820    -122.3343           
45.59820    -122.3343           
45.59814    -122.3340           
45.59814    -122.3340           
45.60016    -122.3341           
45.60016    -122.3341           
45.60020    -122.3343

公园：

45.61221    -122.3426           
45.61065    -122.3402           
45.60868    -122.3384           
45.60624    -122.3361           
45.61082    -122.3388           
45.60983    -122.3379           
45.60910    -122.3372           
45.60829    -122.3365           
45.60653    -122.3349           
45.60503    -122.3335

使用 sf，我尝试执行以下操作：

将坐标转换为地理空间数据

library(tidyverse)
library(sf)

park_points <- st_as_sf(ride_coords, coords = c(x = "Latitude", y = "Longitude"), crs = 4326)
rest_points <- st_as_sf(can_coords, coords = c(x = "lat", "lon"), crs = 4326)

然后我尝试在每个餐厅周围创建一个 160m 的缓冲区，之后我希望尝试计算每个餐厅缓冲区中的公园数量。

buffer_160 <- park_points %>% st_transform(26910) %>% st_buffer(dist = 160) %>% st_transform(2926)

然后我收到以下错误：

"UseMethod("st_transform") 中的错误：没有适用于 'st_transform' 的方法应用于“data.frame”类的对象

无论如何，目标是在每个餐厅周围创建缓冲区，然后计算每个缓冲区内的公园数量（我知道会有重叠，所以我也必须弄清楚如何处理）

我对 R 空间工具非常陌生。感谢您的帮助！

【问题讨论】：

请检查您是否打算写 park_points 而不是 park_coords
@HubertL 没错。感谢您指出错误。已编辑。

标签： r buffer coordinates geospatial sf

【解决方案1】：

您可以在带有purrr 的餐厅上使用spatialrisk::points_in_circle 和map。

在半径160米的范围内没有找到公园，所以将半径扩大到1000米：

Restaurants <- read.table(text="
lat         lon                          
 45.59841    -122.3275           
 45.59932    -122.3343           
 45.59932    -122.3343           
 45.59820    -122.3343           
 45.59820    -122.3343           
 45.59814    -122.3340           
 45.59814    -122.3340           
 45.60016    -122.3341           
 45.60016    -122.3341           
 45.60020    -122.3343",header = T)

Parks <- read.table(text = "
lat     lon                  
45.61221    -122.3426           
45.61065    -122.3402           
45.60868    -122.3384           
45.60624    -122.3361           
45.61082    -122.3388           
45.60983    -122.3379           
45.60910    -122.3372           
45.60829    -122.3365           
45.60653    -122.3349           
45.60503    -122.3335",header = T)



library(purrr)
library(spatialrisk)

Restaurants %>% pmap(~with(list(...),points_in_circle(Parks, lon_center = lon, lat_center = lat,radius = 1000)))
#> [[1]]
#>         lat       lon distance_m
#> 10 45.60503 -122.3335   872.6082
#> 
#> [[2]]
#>         lat       lon distance_m
#> 10 45.60503 -122.3335   638.6807
#> 4  45.60624 -122.3361   782.9830
#> 9  45.60653 -122.3349   803.9727
#> 
#> [[3]]
#>         lat       lon distance_m
#> 10 45.60503 -122.3335   638.6807
#> 4  45.60624 -122.3361   782.9830
#> 9  45.60653 -122.3349   803.9727
#> 
#> [[4]]
#>         lat       lon distance_m
#> 10 45.60503 -122.3335   762.8609
#> 4  45.60624 -122.3361   905.9215
#> 9  45.60653 -122.3349   928.4681
#> 
#> [[5]]
#>         lat       lon distance_m
#> 10 45.60503 -122.3335   762.8609
#> 4  45.60624 -122.3361   905.9215
#> 9  45.60653 -122.3349   928.4681
#> 
#> [[6]]
#>         lat       lon distance_m
#> 10 45.60503 -122.3335   767.9792
#> 4  45.60624 -122.3361   916.4012
#> 9  45.60653 -122.3349   936.5971
#> 
#> [[7]]
#>         lat       lon distance_m
#> 10 45.60503 -122.3335   767.9792
#> 4  45.60624 -122.3361   916.4012
#> 9  45.60653 -122.3349   936.5971
#> 
#> [[8]]
#>         lat       lon distance_m
#> 10 45.60503 -122.3335   544.1362
#> 4  45.60624 -122.3361   694.5149
#> 9  45.60653 -122.3349   711.8371
#> 8  45.60829 -122.3365   924.1272
#> 
#> [[9]]
#>         lat       lon distance_m
#> 10 45.60503 -122.3335   544.1362
#> 4  45.60624 -122.3361   694.5149
#> 9  45.60653 -122.3349   711.8371
#> 8  45.60829 -122.3365   924.1272
#> 
#> [[10]]
#>         lat       lon distance_m
#> 10 45.60503 -122.3335   541.2711
#> 4  45.60624 -122.3361   686.8285
#> 9  45.60653 -122.3349   706.2001
#> 8  45.60829 -122.3365   916.7284
#> 3  45.60868 -122.3384   996.5307

或者总结一下，用concentration直接给出每个餐厅周围的公园数量：

Parks$count <- 1
spatialrisk::concentration(Restaurants, Parks, value = count, radius = 1000)

        lat       lon amount concentration
1  45.59841 -122.3275      1             1
2  45.59932 -122.3343      1             3
3  45.59932 -122.3343      1             3
4  45.59820 -122.3343      1             3
5  45.59820 -122.3343      1             3
6  45.59814 -122.3340      1             3
7  45.59814 -122.3340      1             3
8  45.60016 -122.3341      1             4
9  45.60016 -122.3341      1             4
10 45.60020 -122.3343      1             5

【讨论】：

谢谢！我会尝试这些并报告。