$geonear集料

Question

我有一个像这样的收藏品：

[
  {
    "roadname": "foo",
    "data": [
      {
        "val": 50,
        "loc": {
          "type": "Point",
          "coordinates": [3.197033554, 50.64611712]
          }
        }
      },
      {
        "val": NULL,
        "loc": {
          "type": "Point",
          "coordinates": [3.197740735, 50.6460058]
          }
        }
      }
    ]
  },
  {
    "roadname": "foo",
    "data": [
      {
        "val": 50,
        "loc": {
          "type": "Point",
          "coordinates": [3.32456512, 50.2744516]
          }
        }
      }
    ]
  },
  {
    "roadname": "bar",
    "data": [
      {
        "val": 145,
        "loc": {
          "type": "Point",
          "coordinates": [3.198408689, 50.64586985]
          }
        }
      }
    ]
  }
]

我在地图上显示了每一个data.loc，这就引出了以下问题：

。(点颜色表示val字段)

EDIT3:来澄清我的数据库结构，这里是精确数据库的表示。每条灰色线表示提供的数据集中的根元素：

​

我希望“接近的组点(使用data.loc__)，并且具有相同的父name”，并聚合它们的val (例如在average中使其简单)，以便显示如下内容：

​

EDIT3: --重要的是要理解，我试图聚合的要点并不共享任何公共属性或祖先。它们的 ONLY 公共分母是它们的空间邻近

我知道near、geonear和group聚合，但我只是找不到解决方案。

我想使用纯mongodb解决方案。如果不可能，我也可以使用turf.js或其他库，但我只是在努力寻找一种可行的、可伸缩的方法来实现这一点。

编辑：集合中的主要根元素表示一条道路，因此道路上的所有点都有相同的父roadname。

EDIT2:数据可以找到这里

Answer 1

我想这会对你有用的。我将您的dataset aggregatingpointsdata.json导入到名为roads的mongo集合中。

这就是一个集群在mongo中的样子。因此，每个文档都表示您提供的数据集中的群集或数组中的一个元素。要记住的一件事是，只有当一个点集群中有一些标识符应该组合在一起时，这才能起作用。在我的例子中，它是_id。

> db.roads.findOne()
{
        "_id" : ObjectId("583ee50bd7c4d711d45c7757"),
        "roadname" : "RD700",
        "data" : [
                {
                        "val" : null,
                        "loc" : {
                                "type" : "Point",
                                "coordinates" : [
                                        3.197033554,
                                        50.64611712
                                ]
                        }
                },
                {
                        "val" : null,
                        "loc" : {
                                "type" : "Point",
                                "coordinates" : [
                                        3.197740735,
                                        50.6460058
                                ]
                        }
                },
                {
                        "val" : 145,
                        "loc" : {
                                "type" : "Point",
                                "coordinates" : [
                                        3.198408689,
                                        50.64586985
                                ]
                        }
                },
          ]
}

这是您可以运行的mongo聚合，它将返回每个集群的平均值。我甚至返回相同的GeoJSON格式。

db.roads.aggregate([
    //unravel the cluster here
    { $unwind: "$data" },
    //project the coordinates to more readable names while preserving roadname and GeoJSON type.
    { $project: {roadname: 1, type: "$data.loc.type", val : "$data.val", lng: { $arrayElemAt: ["$data.loc.coordinates",0]}, lat: { $arrayElemAt: ["$data.loc.coordinates",-1]}}},
    //group on cluster id while preserving type and roadname. Take avergae of value, lat and long.
    { $group: { _id : "$_id", roadname: {$first:"$roadname"}, type: {$first: "$type"}, avgLng: { $avg: "$lng" },avgLat: { $avg: "$lat" }, avgVal: { $avg : "$val" }}},
    //re-project to fit the similar format of original collection
    { $project: { _id: 1, roadname: 1,  data : { val: "$avgVal", loc: {type : "$type", coordinates: ["$avgLng", "$avgLat"]}} }}
])

还可以在聚合管道的末尾添加一个额外的$out，以便将所有这些平均质心移动到另一个更易于管理的集合中。

下面是上面所示的aggregration管道调用之后的结果。

[
  {
    "_id": ObjectId("583ee50bd7c4d711d45c775c"),
    "roadname": "RD700",
    "data": {
      "val": 144.03703703703704,
      "loc": {
        "type": "Point",
        "coordinates": [
          3.2232721289257142,
          50.67602178708569
        ]
      }
    }
  },
  {
    "_id": ObjectId("583ee50bd7c4d711d45c775b"),
    "roadname": "RD700",
    "data": {
      "val": 170.0344827586207,
      "loc": {
        "type": "Point",
        "coordinates": [
          3.22367598656322,
          50.67626952408046
        ]
      }
    }
  },
  ...
]