问题标签 [distance-matrix]

在 https://www.npmjs.com/package/google-distance-matrix 示例中，我们可以添加多个目的地作为 latlong 对，

服务器端代码就像

现在的问题是如何在多源目的地模式下使用它我们可以像

例子

http://maps.googleapis.com/maps/api/distancematrix/json?origins=23.020284,72.4396566&destinations=22.3039702,70.7671403&sensor=false http://maps.googleapis.com/maps/api/distancematrix/json?origins =23.027100,72.508000&destinations=22.999500,72.600300&sensor=false

这两者的组合

http://maps.googleapis.com/maps/api/distancematrix/json?origins=23.020284,72.4396566,23.027100,72.508000&destinations=22.3039702,70.7671403,22.999500,72.600300&sensor=false

我很奇怪！当我使用 origin1和 destinationA时不起作用

状态=“零结果”；

但是如果使用origin2和destinationB它工作得很好我错过了什么吗

假设用户想要游览美国。当我列出我想旅行的地方以及起点和目的地时，我希望 Google API 以尽可能短的方式制作路线。

例如：我的出发地：拉斯维加斯，目的地：纽约。我想去的地方是德克萨斯州、犹他州和俄亥俄州。所以我需要谷歌连接最短距离来访问这些地方，比如从拉斯维加斯 -> 犹他州 -> 德克萨斯州 -> 俄亥俄州 -> 纽约

Google Maps API / Directions API / Directions API 可以做到这一点吗？

我已经搜索了文档，它有关于起点和目的地连接的文档，而不是上面提到的地点列表。

如何从我的估算票价函数中一一获取多个目的地的距离......因为我正在获取以下格式的数据。

我需要一一获取距离，然后添加所有距离。

请帮我实现我的预估票价功能。

下面是我的代码..

我正在开发一个Application，我在其中使用由Distance Matrix API提供的免费版本Google Maps。我也熟悉相同的使用限制。是否有任何方法可用于以Google Map API编程方式检查使用情况Application？

I want to estimate frequency distributions of MRM coefficients to generate a 95% CI. Below is the initial code:

How can I bootstrap the coefficient values?

我试图计算距离 2 个非常远的位置的距离，我希望谷歌给我一个零结果错误，因为没有从这 2 个位置找到正确的方法，但没有给我这个错误而且我无法拦截这个错误只是说我：

未捕获的类型错误：无法读取未定义的属性“文本”

现在我的问题是，我怎样才能拦截这个错误零结果？

我有一个 csv 文件，其中包含 2000 多个农场的坐标位置列表，结构如下；

.......我想从这个数据中创建一个欧几里得距离矩阵，显示所有农场对之间的距离，所以我得到一个结果矩阵，如：

在数据框中有更多农场和坐标，我需要能够以某种方式迭代所有农场对并创建一个像上面那样的距离矩阵。任何有关如何在 R 中执行此操作的帮助将不胜感激。谢谢！

我的数据库具有以下结构：

hh_id - 家庭 ID

vill_id - 村庄 ID

具有相同身份证件的家庭属于同一个村庄。

我的目标：计算具有相同 vill_id 的所有点之间的平均距离，并将结果存储在新的数据框中：

我的方法：为了计算点之间的大地距离，我使用了 geosphere 包中的 distm 命令（distVincentyEllipsoid 应该是最准确的）

因此，生成了 vill_id = 100 的所有点的对称距离矩阵。要计算平均距离，我需要分解此矩阵（或删除所有对角线值 (0)）。

到目前为止，一切都很好。现在我需要创建一个新的数据框来存储具有相同 ID 的所有子集的平均距离（我的原始数据库有 200 多个村庄 (vill_id) 和近 2000 个家庭 (hh_id)）。你能帮我完成代码吗？我想我必须使用循环（或者也许有另一个包来解决这个问题）？非常感谢您的帮助。

昨天我发布了类似的问题，不同之处在于 mean_dist 已经是我原始数据框的一部分（在 ArcGIS 中计算），但现在我想在 R 中计算这些以比较结果。我试图实现我之前问题中推荐的代码，但没有成功。

I have a pandas dataframe like this, where each ID is an observation with variables attr1, attr2 and attr3:

and made a similarity matrix I want to use where the IDs are compared based on the sum of the pairwise attribute differences.

I tried DBSCAN from sklearn for clustering the data, but it seems only the clusters themselves are labeled? I want to find the ID for the data points in the visualization later. So I only want to cluster the difference between the IDs, but not the IDs themselves. Is there another algorithm better for this kind of data, or a way I can label the distance matrix values so it can be used with the DBSCAN or another method? ps.the dataset has over 50 attributes and 10000 observations