Поиск ближайшего расстояния между двумя SpatialPointsDataframes с использованием gDistance rgeos?

Question

У меня есть два отдельных, но связанных вопросов.

Прежде всего, я хотел бы определить расстояние до ближайшей строительной площадки (construction_layer.csv) для каждой точки данных в файле subset_original_data.csv. Я пытаюсь использовать функцию gDistance() для вычисления ближайшего соседа, но я открыт и для других идей.

Я хочу добавить к нему новый фрейммент subset_original_data.csv с этим новым вектором ближайших соседних расстояний от construction_layer.csv. То есть для каждой строки моего фрейма subset_original_data.csv я хочу минимальное расстояние до ближайшей строительной площадки.

Вторая цель - определить ближайшее расстояние от каждой строки subset_original_data.csv до файла формы автострады (fwy.shp). Я также хотел бы добавить этот новый вектор обратно в фреймворк subset_original.csv.

Я успешно преобразовал construction_layer.csv и subset_original_data.csv в SpatialPointsDataFrame. Я также преобразовал файл fwy.shp в SpatialLinesDataFrame, прочитав файл формы с помощью функции readOGR(). Я не уверен, куда идти дальше. Ваш вход очень приветствуется!

~ $ spacedSparking

Вот мои данные: construction_layer.csv, fwy.shp, subset_original_data.csv

Вот мой код:

#requiring necessary packages: 
library(rgeos) 
library(sp) 
library(rgdal) 

#reading in the files: 
mydata <- read.csv("subset_original_data.csv", header = T) 
con <- read.csv("construction_layer.csv", header = T) 
fwy <- readOGR(dsn = "fwy.shp") 

#for those who prefer not to download any files: 
data.lat <- c(45.53244, 45.53244, 45.53244, 45.53244, 45.53245, 45.53246) 
data.lon <- c(-122.7034, -122.7034, -122.7034, -122.7033, -122.7033, -122.7032) 
data.black.carbon <- c(187, 980, 466, 826, 637, 758) 
mydata <- data.frame(data.lat, data.lon, data.black.carbon) 

con.lat <- c(45.53287, 45.53293, 45.53299, 45.53259, 45.53263, 45.53263) 
con.lon <- c(-122.6972, -122.6963, -122.6952, -122.6929, -122.6918, -122.6918) 
con <- data.frame(con.lat, con.lon) 

#I am not sure how to include the `fwy.shp` in a similar way, 
#so don't worry about trying to solve that problem if you would prefer not to download the file. 

#convert each file to SpatialPoints or SpatialLines Dataframes: 
mydata.coords <- data.frame(lon = mydata[,2], lat = mydata[,1], data = mydata) 
mydata.sp <- sp::SpatialPointsDataFrame(mydata.coords, data = data.frame(BlackCarbon = mydata[,3])) #appending a vector containing air pollution data 

con.coords <- data.frame(lon = con[,2], lat = con[,1]) 
con.sp <- sp:SpatialPointsDataFrame(con.coords, data = con) 

str(fwy) #already a SpatialLinesDataFrame 

#Calculate the minimum distance (in meters) between each observation between mydata.sp and con.sp and between mydata.sp and fwy objects. 

#Create a new dataframe appending these two nearest distance vectors back to the original mydata file. 

#Desired output: 
head(mydata.appended) 
    LATITUDE LONGITUDE BC6. NEAREST_CON (m) NEAREST_FWY (m) 
1 45.53244 -122.7034 187 ???    ??? 
2 45.53244 -122.7034 980 ???    ??? 
3 45.53244 -122.7034 466 ???    ??? 
4 45.53244 -122.7033 826 ???    ??? 
5 45.53245 -122.7033 637 ???    ??? 
6 45.53246 -122.7032 758 ???    ??? 

EDIT:

РЕШЕНИЕ: При возникновении сомнений спросите друга, который является мастером R! Он даже сделал карту.

library(rgeos) 
library(rgdal) 
library(leaflet) 
library(magrittr) 

#Define Projections 
wgs84<-CRS("+proj=longlat +ellps=WGS84 +datum=WGS84 +no_defs +towgs84=0,0,0") 
utm10n<-CRS("+proj=utm +zone=10 +ellps=GRS80 +datum=NAD83 +units=m +no_defs +towgs84=0,0,0") 

#creating example black carbon data by hand: 
lat <- c(45.5324, 45.5325, 45.53159, 45.5321, 45.53103, 45.53123) 
lon <- c(-122.6972, -122.6963, -122.6951, -122.6919, -122.6878, -122.6908) 
BlackCarbon <- c(187, 980, 466, 826, 637, 758) 
bc.coords <- data.frame(lat, lon, BlackCarbon) 
bc<-SpatialPointsDataFrame(data.frame(x=lon,y =lat),data=data.frame(BlackCarbon),proj4string = wgs84) 

# Project into something - Decimal degrees are no fun to work with when measuring distance! 
bcProj<-spTransform(bc,utm10n) 

#creating example construction data layer: 
con.lat <- c(45.53287, 45.53293, 45.53299, 45.53259, 45.53263, 45.53263) 
con.lon <- c(-122.6972, -122.6963, -122.6952, -122.6929, -122.6918, -122.6910) 
con.coords <- data.frame(con.lat, con.lon) 
con<-SpatialPointsDataFrame(data.frame(x=con.lon,y =con.lat),data=data.frame(ID=1:6),proj4string = wgs84) 
conProj<-spTransform(con,utm10n) 

#All at once (black carbon points on top, construction on the y-axis) 
dist<-gDistance(bcProj,conProj,byid=T) 

min_constructionDistance<-apply(dist, 2, min) 

# make a new column in the WGS84 data, set it to the distance 
# The distance vector will stay in order, so just stick it on! 
bc@data$Nearest_Con<-min_constructionDistance 
bc@data$Near_ID<-as.vector(apply(dist, 2, function(x) which(x==min(x)))) 

#Map the original WGS84 data 
pop1<-paste0("<b>Distance</b>: ",round(bc$Nearest_Con,2),"<br><b>Near ID</b>: ",bc$Near_ID) 
pop2<-paste0("<b>ID</b>: ",con$ID) 
m<-leaflet()%>% 
    addTiles()%>% 
    addCircleMarkers(data=bc,radius=8,fillColor = 'red',fillOpacity=0.8,weight=1,color='black',popup=pop1)%>% 
    addCircleMarkers(data=con,radius=8,fillColor = 'blue',fillOpacity=0.8,weight=1,color='black',popup=pop2) 
m 

Answer 1

Для достижения желаемого результата вы можете использовать функцию дальнего расстояния и использовать функциональное программирование.

library(geosphere) 
find_min_dist <- function(site, sites) { 
    min(distHaversine(site, sites)) 
} 
#X is the data id, split into a list so you can iterate through each site point 
data <- split(mydata[ , 3:2], mydata$X) 
sapply(data, find_min_dist, sites = con.coords)