在R中为sf几何图形实现高效高精度的距离计算函数（替代GLM/GAM）

背景 #

我拥有一组代表道路的sf几何图形（核心为LINESTRING类型，同时需要适配POLYGON、POINT等通用几何类型）。目前已实现一个距离计算函数：通过sf::st_line_sample提取候选几何上的采样点，结合道路几何调用st_nearest_feature生成点到道路的LINESTRING集合，最终基于候选几何到最近道路的距离完成加权操作。

现有方法的痛点 #

直接计算的方式耗时过长。尝试过替代方案：在道路几何的包围盒上生成规则网格点，计算这些点到道路的真实距离后，用广义可加模型（GAM）预测其他点的距离。但该方案存在两难问题：

• 若平滑参数k值设置较低，预测曲面过度平滑，误差较大
• 若k值设置较高，模型训练耗时接近直接计算真实距离，失去预测提速的意义

核心需求 #

希望构建一个函数f(x, y, geom) = d，其中：

• x为经度，y为纬度
• geom为目标几何图形
• d为点到目标几何的距离

要求满足：

• 高精度：预测曲面不能过度平滑，需保留道路几何的细节特征
• 高效率：计算速度显著优于直接距离计算
• 非离散优先：Signed Distance Function（符号距离函数）看似可行，但尽可能避免采用离散化解决方案

当前实现代码 #

以下GAM实现的函数可运行，但通用性不足：

distance_calc = 
  function(target_geom, points_to_weight, sample_size){
    library(mgcv)
    points = sf::st_sample(sf::st_bbox(target_geom) |> sf::st_as_sfc(), sample_size, type = "regular") |> sf::st_as_sf()
    
    dists = sf::st_coordinates(points) |> as.data.frame()
    dists$dist = sf::st_nearest_points(points, target_geom |> sf::st_combine()) |> sf::st_length() |> as.numeric()
    
    model = gam(dist ~ s(X,Y, k = 100), data = dists, method = "REML")
    out = points_to_weight
    out$prediction = predict(model, points_to_weight) |> as.numeric()
    out
  }

内容的提问来源于stack exchange，提问作者sploopst