组内点间距离计算公式及簇内节点紧密度度量选型

你的场景核心约束是不同分组的点位数量不固定，需要跨组横向比较空间聚拢程度，选指标的核心原则是必须做样本量归一化，避免分组大小本身干扰结果，按适配优先级从高到低推荐如下：

• 首选：平均成对距离
  计算逻辑：统计当前分组内所有不重复两点组合的空间距离（平面坐标用欧氏距离，经纬度用Haversine球面距离），取算术平均值，公式如下：
  C_mpd = (2 / (m*(m-1))) * Σ_{1≤i<j≤m} d(p_i, p_j)
  公式里m是当前分组的点位总数，d(p_i,p_j)是两点间的空间距离，i<j是为了避免重复计算同一对点的双向距离。
  适配性：这个指标完全不受分组点位数量差异影响，做了对数归一化后结果是组内任意两点的平均间隔，数值越小代表分布越紧密，是跨组比较最公平的基准指标，只要你的点位数据没有明显的录入错误离群点，直接用这个就行。
• 次选：中位数成对距离
  计算逻辑：和上面的计算步骤一致，只是把所有点对距离的算术平均换成取中位数。
  适配性：如果你的数据可能混有少量错标位置的离群点（比如某组10个点里9个聚在100米范围，1个点错标到3公里外），中位数不会被极端值拉偏，抗噪性远好于平均值，同样不受分组规模差异影响，数值越小紧密度越高。
• 场景特化选项：平均最近邻距离
  计算逻辑：对分组内每个点位，先找到它到同组其他点位的最小距离，再把所有点的最近邻距离取平均值，公式如下：
  C_mnnd = (1/m) * Σ_{i=1到m} min_{j≠i} d(p_i, p_j)
  适配性：如果你的业务定义的“紧密”更偏向「每个点周边都有邻近点位、组内没有孤立点」，而不是要求所有点全局聚拢，就选这个。要注意这个指标的缺陷：如果一个组里存在两个离得很远的小点位堆，每个堆内部点挨得很近，这个指标会误判为紧密度很高，不如前两个全局距离指标稳健。

避坑提醒：不要直接用组内点对总距离、组直径（组内最远两点的距离）这类指标跨组比较，这类指标会随分组点位数量增加单调变大，分组大小不一样的时候结果完全没有参考价值。

快速选型参考：

• 数据质量高、无明显离群值，要通用公平的跨组排序：选平均成对距离
• 数据可能存在错标离群点：选中位数成对距离
• 业务重点考察点位局部邻接性、不要求全局聚拢：选平均最近邻距离

内容的提问来源于stack exchange，提问作者Zoya Ahmad