geos的空间索引用的是STRTree，这是一种基于STR算法的四叉树索引，有如下特点：
-
使用Sort-Tile-Recursive (STR) 算法创建的仅查询的R-tree空间索引
| STR(Sort-Tile-Recursive,递归网格排序) 基本思想是将所有的矩形以“tile”的方式分配到r/n（取上界）个分组中，此处的tile和网格类似。 此算法易于实现且适用范围较广，在大多数场景下表现良好，且易于推广到高维空间。 按照MBR中心点第一维坐标对数据点进行排序，利用S=sqrt(N/b)个垂直slice切割数据空间，使每个slice包含S个节点和S*b个MBR； 在每个垂直slice中，按照MBR中心点第二维坐标进行排序，每b个MBR一组压入节点； 递归进行上述步骤，直至生成整个RTree，每个slice的MBR数据不超过b。 |
-
该树索引每个几何图形的边界框。树在初始化时直接构建，且一旦创建后不能添加或移除节点
-
所有操作返回输入几何图形的索引
-
边界框限于二维并且是轴对齐的
-
几何图形中存在的任何Z值在树内索引时都会被忽略。
-
注意：使用STRTree索引的话，只会构建几何的外接矩形边界为索引区域，所以计算两个几何的时候，仅进行外接矩形相交判定，官方原文如下：
https://libgeos.org/usage/c_api/
在c/cpp中，该空间索引支持相交查询和距离查询，在Rust的geos绑定中，目前仅实现了相交查询。
具体使用方式如下：
let mut tree = STRtree::<&str>::with_capacity(10).unwrap();
let point = Geometry::new_from_wkt("POINT(5 5)").unwrap();
let line = Geometry::new_from_wkt("LINESTRING (0 0, 10 0)").unwrap();
let polygon = Geometry::new_from_wkt("POLYGON((2 2, 8 2, 8 8, 2 8, 2 2))").unwrap();
//insert可以把把几何要素放入空间索引中，附带一个唯一标识
tree.insert(&point, "Point");
tree.insert(&line, "Line");
tree.insert(&polygon, "Polygon");
//对tree进行迭代，相当于把里面item(也就是标识)给迭代出来了。
tree.iterate(|item|println!("{}", item));
//做查询的时候，实际上也是一个闭包迭代器，可以选择把命中的数据扔到一个hashset里面
//也可以直接在命中的流程中直接进行处理。
let mut items = HashSet::<&str>::new();
tree.query(&point, |item| {
items.insert(*item);
});注意，直接query，仅进行外接多边形判定，如下：这两个三角形本身是不想交的，但是它们的外接矩形是相交的
let mut tree = STRtree::<&str>::with_capacity(10).unwrap();
let poly1 = Geometry::new_from_wkt("POLYGON((12 360, 360 360, 12 100, 12 360))").unwrap();
let poly2 = Geometry::new_from_wkt("POLYGON((12 90, 390 350, 390 100,12 90))").unwrap();
//insert可以把把几何要素放入空间索引中，附带一个唯一标识
tree.insert(&poly1, "poly1");
tree.insert(&poly2, "poly2");
tree.query(&poly1, |item| {
println!("{:?}", item);
});
assert_eq!(poly1.intersects(&poly2).unwrap(), true);查询和相交判定的结果分别如下：
即空间索引查询判定通过（poly1与自身，以及与poly2都查询到了），但是相交触发了断言，判定失败
所以，空间索引仅是通过外接矩形进行判定，如果要精确的进行空间关联判定，就需要在进行二次过滤，代码如下：
let mut tree = STRtree::<&str>::with_capacity(10).unwrap();
//定一个hashmap来承载所有数据
let mut poly_hash = HashMap::<&str,Geometry>::new();
let poly1 = Geometry::new_from_wkt("POLYGON((12 360, 360 360, 12 100, 12 360))").unwrap();
let poly2 = Geometry::new_from_wkt("POLYGON((12 90, 390 350, 390 100,12 90))").unwrap();
//insert可以把把几何要素放入空间索引中，附带一个唯一标识
tree.insert(&poly1, "poly1");
tree.insert(&poly2, "poly2");
poly_hash.insert("poly1",poly1.to_owned());
poly_hash.insert("poly2",poly2.to_owned());
tree.query(&poly1, |item| {
//进行二次判定
if poly1.intersects(poly_hash.get(*item).unwrap()).unwrap() {
println!("{:?}", item);
}
});结果如下:
空间查询使用索引进行预先过滤，可以在查询结果量级不大的情况下，极大的提高效率。
下面通过一个例子来进行效率对比：
这是一个300 对 6万空间关联查询
前景红色黑边的查询用的图层，后面灰度的是target图层。
核心代码如下：
读取数据
//功能说明略
fn get_geometry_by_shp(shp:&str)->HashMap<i64,Geometry>{
let shp = shapefile::read_as::<_,
shapefile::Polygon, shapefile::dbase::Record>(shp,
).expect("Could not open polygon-shapefile");
let mut h:HashMap<i64,Geometry> = HashMap::new();
for (polygon, polygon_record) in shp {
let poly: geo::MultiPolygon<f64> = polygon.into();
let geom = geos::Geometry::try_from(poly).unwrap();
for record in polygon_record{
if record.0 == "OBJECTID"{
let oid = match record.1{
FieldValue::Numeric(Some(s)) => s as i64,
_=>0 as i64
};
h.insert(oid,geom.to_owned());
}
}
}
h
}使用空间索引的空间关联方法
fn test_spindex_demo_useidx()->HashMap::<i64,HashSet<i64>>{
let target = get_geometry_by_shp("E:\\data\\dltb\\dltb6w.shp");
let query_lyr = get_geometry_by_shp("E:\\data\\dltb\\dltb300.shp");
let mut tree = STRtree::<i64>::with_capacity(target.len()).unwrap();
let start = SystemTime::now();
//构建空间索引
for (oid, geom) in target.iter() {
tree.insert(geom,*oid);
}
let mut res = HashMap::<i64,HashSet<i64>>::new();
//用query_lyr图层，逐个进行迭代关联
//内层先用tree进行索引过滤一次
for q in query_lyr.iter(){
let mut items = HashSet::<i64>::new();
tree.query(q.1, |item| {
let tr_geom:&Geometry = target.get(item).unwrap();
if q.1.intersects(tr_geom).unwrap(){
items.insert(*item);
}
});
res.insert(*q.0, items);
}
let end = SystemTime::now().duration_since(start);
println!("use index 计算完成 {:?}",end);
res
}不用空间索引的方法
fn test_spindex_demo_nouse() ->HashMap::<i64,HashSet<i64>>{
let target = get_geometry_by_shp("E:\\data\\dltb\\dltb6w.shp");
let query_lyr = get_geometry_by_shp("E:\\data\\dltb\\dltb300.shp");
let start = SystemTime::now();
let mut res = HashMap::<i64,HashSet<i64>>::new();
//用query_lyr图层，逐个进行迭代关联
//直接暴力迭代
for q in query_lyr.iter() {
let mut items = HashSet::<i64>::new();
for hs in target.iter(){
if q.1.intersects(hs.1).unwrap(){
items.insert(*hs.0);
}
}
res.insert(*q.0, items);
}
let end = SystemTime::now().duration_since(start);
println!("不用空间索引，计算完成 {:?}",end);
res
}可以看见，两种方法，最大的不同的就是一个用了空间索引预先进行过滤，之后再用intersects进行二次判断；一个直接用intersects进行暴力迭代判断，测试方法如下：
#[test]
fn test_index_demo(){
let useidx = test_spindex_demo_useidx();
let nouse = test_spindex_demo_nouse();
//对两个结果进行对比，如果不一致，会抛出assert
for key in useidx.keys(){
let u = useidx.get(key).unwrap();
let n = nouse.get(key).unwrap();
println!("key = {:?} 使用空间索引 = {:?} 不使用空间索引 = {:?}",key,u.len(),n.len());
assert_eq!(u.len(),n.len());
}
}运行结果如下：
时间效率对比
使用空间索引（包括了构建空间索引的开销在内），比不用空间索引的效率高了10倍以上，如果数据量更大的话，差距更大。
结果对比：
没有触发断言，说明二者是一致的。
结论：空间索引真是个好东西……
