如何计算DataFrame中坐标数量不同的两条路线的距离差异？

针对存储不等长[纬度,经度]坐标序列的DataFrame，要判断实际路线与预估路线的关系，核心解决不等长轨迹的空间匹配问题，以下是可落地的步骤：

一、基础预处理：统一坐标系与单路线长度计算 #

先确保所有坐标采用WGS84（GPS通用坐标系），再计算单条路线的总行驶公里数：

• 对每条路线的连续坐标点，用Haversine公式（或精度更高的Vincenty公式）计算两点间的地理距离（单位：公里）
• 累加所有连续点的距离，得到单条路线的总长度

Python实现示例：

import math

def haversine(coord1, coord2):
    # 坐标格式：[纬度, 经度]，单位：度
    lat1, lon1 = coord1
    lat2, lon2 = coord2
    R = 6371  # 地球半径（公里）
    dlat = math.radians(lat2 - lat1)
    dlon = math.radians(lon2 - lon1)
    a = math.sin(dlat/2)**2 + math.cos(math.radians(lat1)) * math.cos(math.radians(lat2)) * math.sin(dlon/2)**2
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1-a))
    return R * c  # 返回两点间公里数

def route_total_length(route_coords):
    total = 0.0
    for i in range(len(route_coords)-1):
        total += haversine(route_coords[i], route_coords[i+1])
    return total

二、核心：不等长路线的空间相似度计算 #

由于两条路线的点数量不一致，无法直接点对点对比，推荐结合以下三种方法判断：

1. 弗雷歇距离（Fréchet Distance） #

衡量两条曲线的「最大最小贴合距离」——直观来说，就是一人走路线A、狗走路线B时，能让两者始终相连的最短绳长的最大值，能精准反映路线的整体贴合度。

简化版Python实现：

def frechet_distance(P, Q):
    n = len(P)
    m = len(Q)
    # 预计算所有点对的距离矩阵
    dist_matrix = [[haversine(P[i], Q[j]) for j in range(m)] for i in range(n)]
    
    # 动态规划求解弗雷歇距离
    dp = [[0.0 for _ in range(m)] for _ in range(n)]
    dp[0][0] = dist_matrix[0][0]
    # 初始化边界
    for i in range(1, n):
        dp[i][0] = max(dp[i-1][0], dist_matrix[i][0])
    for j in range(1, m):
        dp[0][j] = max(dp[0][j-1], dist_matrix[0][j])
    # 填充DP表
    for i in range(1, n):
        for j in range(1, m):
            dp[i][j] = max(min(dp[i-1][j], dp[i][j-1], dp[i-1][j-1]), dist_matrix[i][j])
    return dp[-1][-1]

2. 动态时间规整（DTW） #

将两条不等长的坐标序列做最优对齐，找到最匹配的点对应关系，再计算对齐后的平均距离，适合路径趋势一致但采样点密度不同的场景。

用dtw库实现（需先安装：pip install dtw）：

from dtw import dtw
import numpy as np

def dtw_route_avg_distance(P, Q):
    P_np = np.array(P)
    Q_np = np.array(Q)
    # 以Haversine距离为度量标准做对齐
    total_dist, _, _, path = dtw(P_np, Q_np, dist=lambda x, y: haversine(x, y))
    # 返回对齐后的平均距离（公里）
    return total_dist / len(path[0])

3. 投影距离总和 #

将一条路线的每个点，投影到另一条路线的最近线段上，计算所有投影点与原有点的距离之和，反映整体偏离程度：

• 遍历路线A的每个点，找到路线B中距离该点最近的线段
• 计算点到线段的垂直距离，累加所有距离后取平均值

三、分类判断逻辑 #

结合总长度差异与空间相似度指标，设定可调整的阈值（根据业务场景灵活修改）：

• 同一条路线：总长度差异<5%，弗雷歇距离<0.05公里（50米），投影平均距离<0.02公里（20米）
• 相似路线：总长度差异5%-20%，弗雷歇距离0.05-0.2公里（50-200米），投影平均距离0.02-0.1公里（20-100米）
• 完全不同路线：总长度差异>20%，或弗雷歇距离>0.2公里，或投影平均距离>0.1公里

示例计算 #

针对你给出的示例数据：

estimated_route = [[-12.11149, -77.04675],
 [-12.11145, -77.04671],
 [-12.11139, -77.04664],
 [-12.11134, -77.04659],
 [-12.11123, -77.04648],
 [-12.11122, -77.04646],
 [-12.11122, -77.04646],
 [-12.1118, -77.04589],
 [-12.11193, -77.04576]]

real_route = [[-12.111973, -77.047275],
 [-12.111933, -77.047236],
 [-12.111811, -77.047122],
 [-12.111683, -77.046984]]

# 计算总长度
est_len = route_total_length(estimated_route)  # 约0.12公里
real_len = route_total_length(real_route)      # 约0.035公里
# 总长度差异：(0.12-0.035)/0.035 ≈ 242%，远大于20%，直接判定为完全不同路线

内容的提问来源于stack exchange，提问作者alfonsomore