mysql - 如何使用sql从一个有经纬度的数据集中得到一个有代表性的均匀分布的子集？

Question

我有一些带有经纬度信息的数据，但大多数数据点在地理上都很密集，不具有代表性。我希望从这些数据集中挑选出一个具有均匀分布的代表性子集。

下面是我的数据示例

no lon     lat
1  121.62  31.18
2  121.91  30.90
3  121.76  31.11
4  121.49  31.12
... ... 

查了一些资料，学会了对经纬度分组，然后用皮尔逊卡方检验，但是对sql的使用不熟悉。

我希望得到 sql 代码来得到这样的子集或者更好地使用 sql 来得到均匀分布的方法。

Answer 1

您通常按某个网格对点进行存储，然后从每个单元格中选择一个（随机）点。如果面积比较小，可以使用GeoHash作为bucket id。要选择任意点，请使用ANY_VALUE聚合（这是一个奇怪的聚合函数，它从组中返回任意元素 - 不是真正随机的，但在这里可能已经足够好了）。

查询将类似于

SELECT ANY_VALUE(geo_point)
FROM (
  SELECT 
    ST_MakePoint(lon, lat) as geo_point,
    ST_GeoHash(lon, lat, <level>) as geo_hash
  FROM <table>
)
GROUP BY geo_hash

对于较大的区域，GeoHash 不是一个好的选择，因为它在两极附近比在赤道附近密集得多，解决方案将取决于您希望它有多复杂 :)。要么忽略这个问题，继续使用 GeoHash，要么切换到提供更均匀分布的 S2 单元格 ID，或者创建一些自定义网格并使用 ST_Intersects 条件查找每个点的网格 ID。