高效测地线最近邻

从纬度/经度数据（以弧度为单位）开始，我尝试有效地找到最近的 n 个邻居，最好是测地线 (WGS-84) 距离。

现在我正在使用sklearn 球树使用半正矢距离（KD-Tres 仅采用 minkowskian 距离），这很好而且快速（3-4 秒即可在 7500 个可能的匹配中为 1200 个位置找到最近的 5 个邻居），但不如accurate如我所需要。代码：

tree = BallTree(possible_matches[['x', 'y']], leaf_size=2, metric='haversine')
distances, indices = tree.query(locations[['x', 'y']], k=5)

当我用自定义函数替换指标时（metric=lambda u, v: geopy.distance.geodesic(u, v).miles）需要“不合理”的长时间（在与上述相同的情况下为 4 分钟）。据记录，自定义函数可能需要很长时间，但并不能帮助我解决我的问题。

我研究过使用带有 ECEF 坐标和欧几里德距离的 KD 树，但我不确定这是否真的更准确。

如何保持当前方法的速度，同时提高距离精度？

您的指标缓慢的主要原因是它是用 Python 编写的，而 sklearn 中的其他指标是用 Cython/C++/C 编写的。

例如所讨论的here对于随机森林或here你必须在 Cython 中实现你的指标，派生你自己的版本BallTree并在其中包含您的自定义指标。