对大坐标列表调用Mapbox距离API的最有效方法

Question

我想在地图上找到许多地方之间的所有距离。为此，我使用Mapbox's Distance API，它接受最多100个坐标对的列表，并返回它们之间的距离矩阵。 所以如果你给它：

{
  "coordinates": [
    [13.41894, 52.50055],
    [14.10293, 52.50055],
    [13.50116, 53.10293]
  ]
}

它将返回如下矩阵：

^{pr2}$

所以，因为我不能发送所有6000个位置的请求，所以我必须分段进行。经过几次尝试，我想出了一个解决方案：

1. 首先得到一组from/to对的所有可能的排列
2. 然后得到上述集合大小为100的随机抽样子集的所有置换
3. 从较大的集合中减去较小的集合，并将结果插入步骤1
4. 继续，直到步骤3中的结果集为空。在

下面是Python中的工作玩具代码（没有实际的API调用，位置用数字表示）：

import itertools
import random

def get_set(s, rsample_size):
    m_set = set([x[0] for x in s] + [x[1] for x in s])
    if len(m_set) < rsample_size:
        rsample_size = len(m_set)
    sampled = random.sample(set(m_set), rsample_size) #sampling
    return sampled, rsample_size

#all place features, but just numbers here
master = set(range(500))
#all possible permutations between them
master_combinations = set(itertools.permutations(master, 2))
print 'len of original combinations list', len(master_combinations)

c = 0
#API call limit
smpl_size = 100
while len(master_combinations) > 0:
    print 'start iter: ', c, '\t remaining combinations: ', len(master_combinations)
    #sampling 100 random locations
    combs, smpl_size = get_set(master_combinations, smpl_size)
    #a set of all possible permutations of above 100
    combs = set(itertools.permutations(combs, 2))
    #subtracting calculated pairs from all possible pairs
    master_combinations = master_combinations.difference(combs)
    c += 1

上面的例子在132-140个调用中查找所有可能的500个元素对之间的距离。我有两个问题：

1. 随机抽样似乎是一种非常不精确的方法来确定要发送给API的位置列表，有许多重复的结果，尽管它在每种情况下都会收敛
2. 在Python中，从一个非常大的（1000万个元组）中减去一个大的（一百万个元组）会导致一个具有16gbram的Windows计算机上的内存错误，尽管这不是主要问题。我可能可以将原始列表分成许多更小的部分，并应用更复杂的方法。在

我的问题是，既然我显然是粗暴地逼迫我通过这个列表，那么是否有一个更优雅和更有效的方法来解决这个问题？在

我在想也许：

• 首先用所有的位置组合构造一个6000 x 6000 numpy阵列，然后用60步和一系列偏移量对其进行二次采样，以产生初始距离
• 找出剩下的，然后再使用前面提到的浪费方法。在

任何想法都将不胜感激。谢谢！在