如何计算目标线串T与静态线串集合S间的最小区域？

我需要为目标线串集合T提取两个指标：

1. T的欧氏距离；
2. T与静态线串集合S的平均“贴近度”。

目前在SF中通过对T上的采样点与S中所有要素调用ST_NEAREST_POINTS进行距离采样，得到点与要素间的最短线串后用ST_LENGTH计算长度并取平均，以此近似“贴近度”。但由于T和S规模较大，该方法速度极慢。

我考虑通过计算T与S之间的区域来替代大量点采样，但遇到实现难题：当T上不同段落对应的S中最近要素发生变化时，仅通过T的起止点调用ST_NEAREST_POINTS构建多边形并计算面积的方法不再适用。附图中红色线条为T的成员，黑色线条代表S，灰色区域为T与S间的最小区域，将这些区域面积求和可作为更完整的第二个指标。请问有什么可行的计算方法？

示例代码 #

static_lines = matrix(runif(20, -100, 100),ncol = 2) |> 
  as.data.frame() |> 
  sf::st_as_sf(coords = c("V1", "V2"))

#random walks
static_lines = 
  do.call(c, apply(static_lines, MARGIN = 1, FUN = function(x){
  for(i in 1:20){
    if(i == 1){line = x |> sf::st_as_sfc()}
    last = line |> sf::st_cast("POINT")
    last = last[length(last)]
    line = c(line |> sf::st_cast("POINT"), 
             sf::st_sample(sf::st_difference(sf::st_buffer(last, 20),sf::st_buffer(line,5)), 1)) |> 
      sf::st_combine() |> 
      sf::st_cast("LINESTRING")
  }
  line
}))

target_lines = matrix(runif(20, -100, 100),ncol = 2) |> 
as.data.frame() |> 
sf::st_as_sf(coords = c("V1", "V2"))

#single step random-walk
target_lines = 
  do.call(c, apply(target_lines, MARGIN = 1, FUN = function(x){
      line = x |> sf::st_as_sfc()
      last = line |> sf::st_cast("POINT")
      last = last[length(last)]
      line = c(line |> sf::st_cast("POINT"), 
               sf::st_sample(sf::st_difference(sf::st_buffer(last, 20),sf::st_buffer(line,5)), 1)) |> 
        sf::st_combine() |> 
        sf::st_cast("LINESTRING")
    line
  }))

#plot
plot(static_lines)
plot(target_lines, add = T, col = "red", lwd = 3)

问题示意图 #

一、优化点采样法（快速过渡方案） #

如果暂时不想重构逻辑，可以先优化采样策略：

• 分层采样：先对T的每条线串做粗采样，找到最近S要素发生变化的分段点，再仅在这些分段的边界和内部做细采样，减少不必要的计算。
• 空间索引加速：给S建立空间索引（sf::st_sfc结合空间索引机制），调用ST_NEAREST_POINTS时只查询T采样点所在空间范围内的S要素，而非遍历全部S。

二、计算T与S的距离区域（核心解决方案） #

你提到的灰色区域本质是T到S的连续距离场覆盖的区域，可通过以下步骤实现：

1. 合并S要素：用sf::st_combine(static_lines)将所有静态线串合并为一个多线串对象，减少后续计算的要素数量。
2. 定位T上的要素切换点：
   • 对T做密集采样，计算每个采样点的最近S要素ID，筛选出ID发生变化的位置；
   • 用ST_INTERSECTION精确求解T与“距离等值线”（到两个S要素距离相等的线）的交点，将T分割为若干子线串，每个子线串对应唯一的最近S要素。
3. 计算分段区域面积：对每个子线串，调用ST_NEAREST_POINTS获取子线串两端点到对应S要素的最近点，连接T子线串与这两个最近点形成多边形，最后求和所有多边形的面积。

三、用PostGIS加速大规模数据计算 #

如果R的sf包处理速度不足，可将数据导入PostGIS利用更高效的空间算法：

• 用ST_LineInterpolatePoint对T做分段采样，结合ST_Distance快速获取每个分段到最近S要素的距离；
• 用ST_VoronoiPolygons针对S生成Voronoi图，通过空间连接快速定位每个T分段对应的最近S要素；
• 最后用ST_Area计算每个分段对应的距离区域面积并求和。

内容的提问来源于stack exchange，提问作者sploopst