空间距离算法 优化

1 地球是一个近乎标准的椭球体，它的赤道半径为6378.140千米，极半径为 6356.755千米，平均半径6371.004千米。如果我们假设地球是一个完美的球体，那么它的半径就是地球的平均半径，记为R。如果以0度经线为基 准，那么根据地球表面任意两点的经纬度就可以计算出这两点间的地表距离（这里忽略地球表面地形对计算带来的误差，仅仅是理论上的估算值）。设第一点A的经 纬度为(LonA, LatA)，第二点B的经纬度为(LonB, LatB)，按照0度经线的基准，东经取经度的正值(Longitude)，西经取经度负值(-Longitude)，北纬取90-纬度值(90- Latitude)，南纬取90+纬度值(90+Latitude)，则经过上述处理过后的两点被计为(MLonA, MLatA)和(MLonB, MLatB)。那么根据三角推导，可以得到计算两点距离的如下公式：

C = sin(MLatA)*sin(MLatB)*cos(MLonA-MLonB) + cos(MLatA)*cos(MLatB)

Distance = R*Arccos(C)*Pi/180

double PathMatching::Coordinate::GetRadian(double aData)

{
     return aData * M_PI / 180.0;
}

double PathMatching::Coordinate::GetPreciseDistance(
        const Coordinate& aCoordA, const  Coordinate& aCoordB)
{
    double latitudeA = aCoordA.mLatitude;
    double longitudeA = aCoordA.mLongitude;
    double latitudeB = aCoordB.mLatitude;
    double longitudeB = aCoordB.mLongitude;
    double radLatA = GetRadian(latitudeA);
    double radLatB = GetRadian(latitudeB);
    double aDiff = radLatA – radLatB;
    double bDiff = GetRadian(longitudeA) – GetRadian(longitudeB);
    double distance = 2 * std::asin(std::sqrt(std::pow(std::sin(aDiff / 2), 2) +
                                              std::cos(radLatA) * std::cos(radLatB) *
                                              std::pow(std::sin(bDiff / 2), 2)));
    distance = distance * 地球半径;
    return distance;

}

2 优化的方法，速度要快些

public static double distanceSimplify(double lat1, double lng1, double lat2, double lng2, double[] a) {
    double dx = lng1 – lng2; // 经度差值
     double dy = lat1 – lat2; // 纬度差值
     double b = (lat1 + lat2) / 2.0; // 平均纬度
    double Lx = toRadians(dx) * 6367000.0* Math.cos(toRadians(b)); // 东西距离
     double Ly = 6367000.0 * toRadians(dy); // 南北距离
    return Math.sqrt(Lx * Lx + Ly * Ly);  // 用平面的矩形对角距离公式计算总距离    }
}

转载自：https://blog.csdn.net/HETONGDE/article/details/79925850