Блог

Я получил около 9000 траекторий, для проекта я должен рассчитать расстояние между каждым из них. Траектория состоит из 11 точек, и каждая точка содержит координаты x и y. Просто сгенерируйте образец набора данных с помощью:

 import numpy as np
trajs = np.random.rand(9000,11,2)
  

Я взял функцию расстояния Фреше изhttps://pypi.org/project/similaritymeasures /, который принимает две траектории в качестве входных данных, а на выходе — значение с плавающей точкой.

В начале я написал вложенный цикл for:

 from similaritymeasures import frechet_dist

distance_matrix = []

for i in trajs:
    for j in trajs:
        distance_matrix.append(frechet_dist(i,j))
  

Получение результатов занимает слишком много времени.

Поскольку вычисление расстояния является симметричным (т. Е. frechet_dist (t1, t2) = frechet_dist (t2,t1) ), я уменьшаю время вычисления до половины указанного выше таким образом:

 from scipy.spatial.distance import squareform

n = len(trajs)
distance_matrix = []
flag = 0
for i in range(n):
    for j in range(flag,n):
        if i != j:
            distance_matrix.append(frechet_dist(trajs[i],trajs[j]))
    flag  = 1
dist_mat = squareform(np.asarray(distance_matrix))
  

Теперь для 9000 траекторий требуется 19 часов. Я получил результат, но он все еще слишком длинный. Существуют ли какие-либо методы для ускорения вычисления?