记录一下
题目： 给出gps的定位图，在车的位置去寻找周围20x20的区域，怎么确定周围有多少辆车，使用什么数据结构
当时回答的思路把这个问题想成图论的岛屿搜索问题了（基于建好的二维数组）
- 把有车的网格设为"1"，没有车设为"0"，数组result
- 设置 visited 二维数组，全部设为 False
- 设置四个方向 directions = (0, 1), (1, 0), (0, -1), (-1, 0)
- 使用 dfs进行深度优先搜索，与岛屿问题一样，通过判断边界条件和visited数组（访问后设置为True），将有车的坐标添加到 result 中
假设： 当时如果是没有建好该 20 x 20的区域，只是基于当前的车的坐标，怎么设置数据结构？
我当时的回答是直接建数组或者基于该点进行四个方向的建图，发现考察的是采取哪个数据结构比较好？
第一步 ：坐标的转换，发现和我的项目里面有关联，GPS的坐标一般是基于WGS84，也就是EPSG4326坐标系，采用CRS的工具包from_crs将经纬度转换为平面坐标系 x 和 y（查询武汉的经度范围，EPSG45xx）
第二步 ：选取数据结构，初始我想使用20x20的网格索引，发现不太好动态搜索；
然后我想使用四叉树（四个象限进行建树），发现这样可能会更复杂；最后查了一下，发现使用R树可能在这个问题中比较好，没想到。
python
from rtree import index
# 1. 使用 R-Tree 索引构建
# ----------------------------
def build_rtree(cars):
"""构建 R-Tree 索引"""
idx = index.Index() # 创建索引对象
for car in cars:
# 用 (x, y, x+w, y+h) 来定义车的位置和占用的矩形区域
idx.insert(car['id'], (car['x'], car['y'], car['x'] + car['w'], car['y'] + car['h']))
return idx
# ----------------------------
# 2. 使用 R-Tree 进行查询
# ----------------------------
def query_nearby(idx, x, y, width=20, height=20):
"""查询周围 20x20 米范围内的车辆"""
# 查询范围是以 (x, y) 为中心，宽度和高度分别为 20 和 20
query_rect = (x - width/2, y - height/2, x + width/2, y + height/2)
# 查询返回的 ID 列表
return list(idx.intersection(query_rect))