我有一个包含ID
、LATITUDE
、LONGITUDE
、COUNTRY_CD
的表,我尝试将ID
在40米范围内分组(聚类),并为该组分配名称/编号。例如,下面有7个ID记录在40米范围内,需要分配名称/编号。
我的表中有100 K条记录,记录了世界各地的纬度和经度,并且会有超过100个来自一个国家的聚类,我不知道每个国家会有多少个聚类。
我可以选择附近点Ex的链,ID 1和ID 3都“接近"ID 6(但不是彼此)。
create table #temp
(
ID varchar(10),
LATITUDE [decimal](11, 8),
LONGITUDE [decimal](11, 8),
COUNTRY_CD [char](2)
)
insert into #temp select 'ID1', 10.81583689, 78.61898689, 'IN'
insert into #temp select 'ID2', 10.81513789, 78.61898789, 'IN'
insert into #temp select 'ID3', 10.81514889, 78.61894889, 'IN'
insert into #temp select 'ID4', 10.81523989, 78.61898989, 'IN'
insert into #temp select 'ID5', 10.81521089, 78.61891089, 'IN'
insert into #temp select 'ID6', 10.81551189, 78.61891189, 'IN'
insert into #temp select 'ID7', 10.81551189, 78.61791189, 'IN'
insert into #temp select 'ID8', 10.81561189, 78.61792189, 'IN'
insert into #temp select 'ID9', 10.81571189, 78.61793189, 'IN'
select
t1.ID, t2.ID,
t1.LATITUDE,
t1.LONGITUDE,
t1.COUNTRY_CD,
--calculate the distance in meters
cast(6378137.0 * sqrt(power((radians(t1.LATITUDE) - radians(t2.LATITUDE)), 2)
+ power((radians(t1.LONGITUDE) - radians(t2.LONGITUDE)) * cos(radians(t1.LATITUDE)), 2)) as integer) as MAPPING_DISTANCE,
(row_number() over (partition by t1.ID order by
--rank the distance in meters
cast(6378137.0*sqrt(power((radians(t1.LATITUDE)-radians(t2.LATITUDE)),2)
+ power((radians(t1.LONGITUDE)-radians(t2.LONGITUDE))*cos(radians(t1.LATITUDE)),2)) as integer) asc
)) as DISTANCE_RANK
from
(select
ID, LATITUDE, LONGITUDE, COUNTRY_CD
from
#temp) t1
--join the above list of ID to get near by ID
inner join
(select
ID, LATITUDE, LONGITUDE, COUNTRY_CD
from
#temp) t2 on t1.COUNTRY_CD = t2.COUNTRY_CD
--this brings ID available in 75 meters radius
and (t2.LATITUDE between (t1.LATITUDE - 0.00056) and (t1.LATITUDE + 0.00056))
and (t2.LONGITUDE between (t1.LONGITUDE - 0.00076) and (t1.LONGITUDE + 0.00076))
--distance between t1 co-ordinates and t2 co-ordinates in meters
and (cast(6378137.0*sqrt(power((radians(t1.LATITUDE)-radians(t2.LATITUDE)),2) + power((radians(t1.LONGITUDE)-radians(t2.LONGITUDE))*cos(radians(t1.LATITUDE)),2)) as integer)) <= 40 --limit to 40 meters
and t1.ID != t2.ID --exclude the same ID
上面的查询带来了40米以内的ID,但我不知道如何过滤集群中的ID?例如,“Cluster_1”?
参考此图片2 clusters from above 9 ID
请注意,我不会给予任何特定的坐标作为输入,但查询必须从表中的可用坐标中自动选择距离内的ID。
我的预期结果如下,
ID LATITUDE LONGITUDE COUNTRY_CD CLUSTER_NAME
ID1 10.81583689 78.61898689 IN Cluster_1
ID2 10.81513789 78.61898789 IN Cluster_1
ID3 10.81514889 78.61894889 IN Cluster_1
ID4 10.81523989 78.61898989 IN Cluster_1
ID5 10.81521089 78.61891089 IN Cluster_1
ID6 10.81551189 78.61891189 IN Cluster_1
ID7 10.81551189 78.61791189 IN Cluster_2
ID8 10.81561189 78.61792189 IN Cluster_2
ID9 10.81571189 78.61793189 IN Cluster_2
有什么建议如何过滤ID是在一个集群?如果有任何其他简单的方法来做到这一点将是伟大的!
1条答案
按热度按时间2izufjch1#
首先,我们创建一个计算的
geography
列,用于存储位置坐标。我们将使用此列让SQL Server为我们计算距离:其次,创建一个包含所有邻近位置的表:
**注:**对于100k+坐标,我们需要进行大约50亿次计算:
(100,000 ^ 2) / 2
。执行上述查询可能需要一段时间。第三,让我们创建一个表来存储我们的集群列表:
最后,下面的代码将:
1.为第一个不在簇中的点创建新簇。
1.重复地重新扫描聚类表,并向现有聚类添加附加点,直到每个聚类包含应当属于它的所有点。
1.转到上面的步骤1并重复,直到没有创建新的群集。
瞧