node.js - 按 $geonear 聚合

Question

我有一个看起来像这样的集合:

[
  {
    "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 map 上显示每个data.loc，这导致我发现: 。 (点颜色代表 val 字段)

EDIT3:为了阐明我的数据库结构，这里是确切数据库的表示。每条灰线代表所提供数据集中的一个根元素:

我想“对附近的点进行分组(使用data.loc)，并且具有相同的父名称”，并聚合它们的val(为了简单起见，用平均值表示)，以便显示如下内容:

编辑3:重要的是要了解我试图聚合的点不共享任何共同的属性(property)或祖先。它们的唯一共同点是空间接近

我知道 near、geonear 和 group 聚合，但我只是找不到解决方案来执行此操作。

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且可扩展的方法来做到这一点。

<小时/>

编辑:集合上的主要根元素代表一条道路，因此道路上的所有点都具有相同的父roadname。

<小时/>

EDIT2:可以找到数据 here

Answer 1

我认为这对你有用。我导入了你的数据集aggregatingpointsdata.json进入名为 roads 的 mongo 集合。

这就是 mongo 中一个集群的样子。因此，每个文档代表一个簇，或者是您提供的数据集中数组中的一个元素。需要记住的一件事是，只有当存在应分组在一起的一组点的某些标识符时，这才有效。在我的示例中，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。我什至让它返回相同的 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"]}} }}
])

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

这是上面所示的聚合管道调用后的结果。

[
  {
    "_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
        ]
      }
    }
  },
  ...
]