Расстояния между двумя точками, рассчитанными с помощью геосферы :: distm, отличаются от расстояний, указанных в листовке - PullRequest
Новая
       9

Расстояния между двумя точками, рассчитанными с помощью геосферы :: distm, отличаются от расстояний, указанных в листовке

1 голос
/ 11 июня 2019

У меня есть два кадра данных длинных точек.DatasetA - это набор местоположений.Набор данных B представляет собой набор местоположений в 50 милях (в продольном направлении) от набора данных A.

Я могу построить два набора данных без инцидентов, как показано в коде ниже.Однако, когда я вычисляю расстояние между точками DatasetA и DatasetB (ближайшие точки), я получаю разные расстояния: 

> points$Distance2radius
[1] 44.13807 41.92467 39.39219 36.55992 33.44940

У меня возникают проблемы с пониманием, почему они будут разными.Я бы предположил, что использование формулы Haversine в distm будет учитывать любые сферические воздействия на расчет расстояния.

Любая помощь будет оценена.

library(leaflet)
library(geosphere)

### Make a dataframe of some test points ###

## Center of the US
dc.lat <- c(38.0000)
dc.long <- c(-97.0000)

## Make the data frame
lats <- c(dc.lat - 10, dc.lat - 5, dc.lat, 5 + dc.lat, 10 + dc.lat)
points <- data.frame(cbind(dc.long, lats))
names(points) <- c("long" , "lat")
coordinates(points) <- ~ long + lat

## The radius we are interested in, in miles
radius <- 50

## Add points that are the radius miles away from the center

points.at.radius <- data.frame(points)
#points$lat <- points$lat + radius/110.54
points.at.radius$long <- points$long + radius / 69.2
coordinates(points.at.radius) <- ~ long + lat

## Get distances with distm
distances <- distm (points, points.at.radius,
                    fun = distHaversine) / 1609

# Find the closest pint and add this distance to the data set
points$Distance2radius <-
  apply(distances , 1, min)

# Plot these points and the points that are 50 miles away
m <- leaflet() %>%
  addTiles() %>%  # Add default OpenStreetMap map tiles
  addCircleMarkers(data = points,
                   points$long,
                   points$lat,
                   color = "red") %>%
  addPolygons(
    data = gBuffer(
      points,
      width =  radius / 69.2,
      joinStyle = "ROUND",
      byid = FALSE
    ),
    color = "gray70",
    group = "IWER area"
  ) %>%
  addMarkers(data = points.at.radius,
             points.at.radius$long,
             points.at.radius$lat) %>%  addPopups(
               points$long,
               points$lat,
               47.597131,
               points$Distance2radius,
               options = popupOptions(closeButton = FALSE)
             ) 

  m  # Print the map
...