Hướng dẫn how do you find the distance between two lat long in python? - làm thế nào để bạn tìm thấy khoảng cách giữa hai lat dài trong python?

Dữ liệu địa lý

Khoảng cách kỹ thuật tính năng từ tọa độ địa lý

Khi chuẩn bị dữ liệu cho một mô hình, có thể có một thời gian mà nó hữu ích để tìm khoảng cách giữa hai vị trí. Bài đăng này cho thấy cách tìm khoảng cách hình cầu và di chuyển ngắn nhất giữa hai vị trí từ vĩ độ và kinh độ của chúng ở Python.

Tọa độ địa lý

Chúng ta có thể xác định vị trí bất kỳ nơi nào trên trái đất từ ​​các tọa độ địa lý của nó. Tọa độ địa lý của một vị trí bao gồm vị trí vĩ độ và kinh độ của nó.

Latitude

Vĩ độ là một phép đo vị trí thẳng đứng giữa Bắc Cực và Nam Cực. Các đường vĩ độ ngang tưởng tượng được gọi là song song. Xích đạo là một song song đặc biệt ở vĩ độ 0 ° và nằm giữa và Bắc Cực và Nam Cực.

📍 Kinh độ

Kinh độ là một phép đo của vị trí ngang. Các đường kinh độ thẳng đứng tưởng tượng được gọi là kinh tuyến. Các kinh tuyến chính là một kinh tuyến đặc biệt ở độ kinh độ 0 °. Kinh độ cũng rất quan trọng khi nói đến múi giờ.

Parallels giống như một chiếc nhẫn trong khi kinh tuyến giống như một nửa vòng.

Thiết lập

Chúng tôi sẽ nhập các thư viện và đặt hai tọa độ vị trí mẫu ở Melbourne, Úc:

import numpy as np
import pandas as pd
from math import radians, cos, sin, asin, acos, sqrt, pifrom geopy import distance
from geopy.geocoders import Nominatim
import osmnx as ox
import networkx as nxlat1, lon1 = -37.82120, 144.96441 # location 1
lat2, lon2 = -37.88465,  145.08727 # location 2

Cài đặt

import haversine as hs

import haversine as hs

Khoảng cách hình cầu ngắn nhất

Bán kính xích đạo Trái đất là 6378 km và bán kính cực là 6356 km nên trái đất không phải là một hình cầu hoàn hảo. Tuy nhiên, giả sử Trái đất hình cầu cho phép chúng ta dễ dàng tìm thấy khoảng cách gần đúng, điều này là thỏa đáng trong một số ứng dụng. Trong phần này, chúng tôi sẽ sử dụng công thức Haversine để tìm khoảng cách hình cầu giữa hai vị trí từ tọa độ địa lý của chúng. Trước tiên, hãy làm quen với chức năng Haversine.

Chức năng Haversine như sau:

Haversine của một góc trung tâm, bằng khoảng cách hình cầu chia cho bán kính của hình cầu, có thể được tính toán bằng công thức Haversine:

Chúng ta có thể chuyển đổi công thức này bằng định nghĩa đầu tiên của hàm Haversine và sắp xếp lại nó sao cho

import haversine as hs

Bây giờ, nó đã đến lúc dịch nó thành mã Python. Có hai điều cần làm nổi bật: Thứ nhất, các vĩ độ và kinh độ có bằng cấp nên chúng tôi sẽ phải chuyển đổi chúng thành radian trước khi chúng tôi cắm chúng vào công thức. Thứ hai, chúng ta sẽ sử dụng giá trị trung bình trên toàn cầu là 6371 km làm bán kính của trái đất hình cầu.

def calculate_spherical_distance(lat1, lon1, lat2, lon2, r=6371):
    # Convert degrees to radians
    coordinates = lat1, lon1, lat2, lon2
    # radians(c) is same as c*pi/180
    phi1, lambda1, phi2, lambda2 = [
        radians(c) for c in coordinates
    ]  
        # Apply the haversine formula
    a = (np.square(sin((phi2-phi1)/2)) + cos(phi1) * cos(phi2) * 
         np.square(sin((lambda2-lambda1)/2)))
    d = 2*r*asin(np.sqrt(a))
    return dprint(f"{calculate_spherical_distance(lat1, lon1, lat2, lon2):.4f} km")

Ngoài ra, chúng ta có thể sử dụng định nghĩa thứ hai của hàm haversine với cosin và sắp xếp lại phương trình để thể hiện

import haversine as hs

Điều này có thể được thể hiện bằng Python như sau:

def calculate_spherical_distance(lat1, lon1, lat2, lon2, r=6371):
    # Convert degrees to radians
    coordinates = lat1, lon1, lat2, lon2
    phi1, lambda1, phi2, lambda2 = [
        radians(c) for c in coordinates
    ]
        # Apply the haversine formula
    d = r*acos(cos(phi2-phi1) - cos(phi1) * cos(phi2) *
              (1-cos(lambda2-lambda1)))
    return dprint(f"{calculate_spherical_distance(lat1, lon1, lat2, lon2):.4f} km")

Thực tế hơn, chúng ta có thể sử dụng gói

import haversine as hs

print(f"{distance.great_circle((lat1, lon1), (lat2, lon2)).km:.4f} km")

Ngoài ra, nó rất dễ tìm thấy các khoảng cách khác với gói

import haversine as hs

import haversine as hs

import haversine as hs

loc1=(28.426846,77.088834)
loc2=(28.394231,77.050308)
hs.haversine(loc1,loc2)

Khoảng cách di chuyển ngắn nhất

Trong phần này, chúng tôi sẽ xem xét cách tìm khoảng cách di chuyển ngắn nhất bằng OpenStreetMap với gói

loc1=(28.426846,77.088834)
loc2=(28.394231,77.050308)
hs.haversine(loc1,loc2)

mel_graph = ox.graph_from_place(
    'Melbourne, Australia', network_type='drive', simplify=True
)
ox.plot_graph(mel_graph)

Mã này có khả năng mất một thời gian để chạy. Chúng tôi đã sử dụng

loc1=(28.426846,77.088834)
loc2=(28.394231,77.050308)
hs.haversine(loc1,loc2)

loc1=(28.426846,77.088834)
loc2=(28.394231,77.050308)
hs.haversine(loc1,loc2)

Bây giờ, chúng ta có thể tìm thấy khoảng cách lái xe bằng biểu đồ:

import haversine as hs

Khoảng cách lái xe ngắn nhất từ ​​vị trí 1 đến vị trí 2 là 15.086,094 mét. Nó đáng chú ý rằng khoảng cách từ vị trí 2 đến vị trí 1 có thể không nhất thiết giống như khoảng cách từ vị trí 1 đến vị trí 2.

Chúng ta có thể tạo một hàm tính toán khoảng cách:

import haversine as hs

Điều đó là vậy đó! Nếu bạn muốn tìm hiểu thêm về thư viện, hãy xem các ví dụ về người dùng OSMNX và các ví dụ OSMNX.

Bạn có muốn truy cập nhiều nội dung hơn như thế này không? Các thành viên trung bình nhận được quyền truy cập không giới hạn vào bất kỳ bài viết nào trên phương tiện. Nếu bạn trở thành thành viên sử dụng liên kết giới thiệu của tôi, một phần phí thành viên của bạn sẽ trực tiếp hỗ trợ tôi.