从SpatialPointsDataFrame中的每个点到第二个shapefile中最近的点/线的最快笛卡尔距离（R）

Question

我想知道最快的算法，用于获得SpatialPointsDataFrame（X）中每个点与（a）第二个SpatialPointsDataFrame（Y）中最近点或（b）最接近线之间的笛卡尔距离SpatialLinesDataFrame（Y）中的细分。因此，这基本上是2个问题，答案可能相同。

对于这些行，我知道我可以使用dist2Line(X,Y, distfun=distGeo)，但这太慢了。在将nncross和X都转换为ppp对象之后，我还尝试使用Y，如下所示。这是行不通的；热映射的新距离度量显示它没有从Y辐射。

    X_ppp <- as(X, "ppp")
    Y_psp <- as(Y, "psp")
    distR <- nncross(X_ppp,Y_ppp,what="dist",k=1)
    X$dist2road <- distR

对于行，我也尝试使用gDistance(X,Y)，但遇到错误，对于i = 1,2：Spatial object i is not projected; GEOS expects planar coordinates。我认为这是因为我使用的是lat-lon，它需要一个真实的投影。但是我正在使用的所有文件都是lat-lon，并且我不确定如何选择和指定投影（对于坦桑尼亚），而不会从另一个文件中解决它。

对于点，再次使用nncross方法会导致绝对错误的距离。 （在每个点和线的情况下，这是因为输出向量的排序方式与X内的点不同吗？如果是这样，我现在看到的是为X内的点输出ID的方法。）

也要注意，下面的此knn代码确实起作用。但这显然不在笛卡尔距离内，因此我想将其转换或找到其他提供笛卡尔距离的算法。

    knn.results = knn(data=coordinates(market.shp), 
              query=coordinates(tzprice.shp), k=1)
    knn.results <- data.frame(knn.results)
    tzprice.shp$dist2market <- knn.results[,2]

[基本上，我的希望是为每种目的找到最快的算法（到最近点的距离，到最近的线的距离），其输出以笛卡尔距离或可转换为笛卡尔距离。谢谢！

Answer 1

[有人将我引向一个可能的答案，即找到SpatialPointsDataFrame（X）中每个点与第二个SpatialPointsDataFrame（我们称为Y）中最接近点之间的笛卡尔距离。所以这是我的问题的上半部分……也许那里有一个更快的方法，但是这种方式非常快，并且至少以proj = longlat的形式，它以Km返回答案。

    tree <- createTree(coordinates(Y))
    inds <- knnLookup(tree, newdat=coordinates(X), k=1)
    distkm <- sapply(seq_len(nrow(inds)), function(i) spDists(X[i, ], Y[inds[i, ],]))

仍在寻找一种算法，该算法可以快速地找到X中每个点到SpatialLinesDataFrame中最近的线的米/公里。