如何计算经纬度间步行/骑行/驾车距离？BigQuery相关技术疑问
2026-7-22
问题解答
1. BigQuery ST_DISTANCE() 函数的计算逻辑
ST_DISTANCE()计算的是两个地理点之间的球面最短距离（大圆距离）——也就是忽略道路、建筑等实际障碍的直线距离，和步行/骑行/驾车的实际路径距离完全不同。它仅基于经纬度计算地球表面两点的最短直线距离，不会考虑任何交通规则、路网布局或通行限制。
2. 无需调用API的距离计算方法
方法一：经验系数估算（最简单）
如果对精度要求不高，可直接用大圆距离乘以对应出行方式的经验系数，快速估算实际路径距离：
- 步行：大圆距离 × 1.2~1.5（需绕开建筑、路口，路径更曲折）
- 骑行：大圆距离 × 1.1~1.3（道路相对顺畅，但仍需避开部分障碍）
- 驾车：大圆距离 × 1.3~1.6（受道路规划、单行道、环岛等影响更大）
该方法无需额外数据，仅依赖现有经纬度即可完成计算，适合快速场景。
方法二：离线路网路径规划（精度更高）
若需要精准的实际路径距离，可部署开源离线路径规划工具，结合本地路网数据计算：
- 使用**OSRM（Open Source Routing Machine）**离线版本，导入OpenStreetMap的城市路网数据，通过本地接口计算步行、骑行、驾车的路径和距离，全程无需调用外部API。
- 或基于路网数据自行实现Dijkstra、A*等路径规划算法，但需针对不同出行方式设置规则（比如步行优先人行道、骑行优先自行车道、驾车避开禁行路段）。
3. 示例距离对比表格
基于你提供的示例数据，先计算大圆距离，再取经验系数中间值估算三种出行方式的距离：
| 出行方式 | Store1 到配送地址距离（KM） | Store2 到配送地址距离（KM） |
|---|---|---|
| 大圆直线距离（ST_DISTANCE结果） | ~898.3 | ~1669.2 |
| 步行（×1.35） | ~1212.7 | ~2253.4 |
| 骑行（×1.2） | ~1078.0 | ~2003.0 |
| 驾车（×1.45） | ~1302.5 | ~2420.3 |
备注
- 经验系数可根据所在城市的道路特征调整（比如山城系数更高，平原城市系数更低）
- 离线路网方法需要维护本地路网数据的更新，适合对精度要求高的场景
内容的提问来源于stack exchange，提问作者Data Story teller
相关产品推荐
相关产品推荐
