Was ist die schnellste Route zwischen Antipoden mit regelmäßig verkehrenden Verkehrsmitteln?

Bis jetzt...

Santiago, Chile-Xian, China. 26h5m. Der Antipode des Flughafens Santiago liegt östlich von Zhen'an, China, das kaum 100 km vom Flughafen Xi'an entfernt ist. Fliegen Sie diese Route mit nur einem bequemen Zwischenstopp in CDG und Sie sind da.

Ich mag auch Aukland-Gibraltar (oder Tanger oder Malaga, obwohl die Flüge nach GIB am schnellsten zu sein scheinen und ihr Flughafen viel mehr Spaß macht), da die Flughäfen innerhalb des 100-km-Puffers arbeiten (ich fand 31h55m nach GIB über HKG und LHR).

Taipai-Asunción, Paraguay ist ein nettes Paar, aber ich kann die Flüge durch oberflächliche Suche nicht unter 34h5m finden.

Shanghai-Buenos Aires ist angesichts des Potenzials für One-Stop-Verbindungen schrecklich verlockend, aber ich kann es nicht innerhalb der 100 km zum Laufen bringen, und der Bodentransport ist wahrscheinlich ein Killer.

Dies ist (noch) keine streng neue Antwort, sondern präsentiert einen Datensatz von antipodalen Flughäfen, die jemand verwenden könnte, um eine bessere Route zu finden. Lesen Sie weiter für die gegensätzlichsten Flughäfen und eine schockierende Enthüllung über die Route Santiago-Xi'an.

Um diese Untersuchung fortzusetzen, wende ich mich der Arbeit eines a3nm zu, der sich zuvor mit einigen Dummheiten im Zusammenhang mit Flughafen-Antipoden beschäftigt hat. Unter Verwendung seines Verweises auf die OpenFlights-Datenbank (deren gesamter Kredit aufgrund ihrer Lizenz gegeben wird) kann ich Datendateien für Flughäfen und Flugrouten auf der ganzen Welt erhalten.

Zuerst lade ich die Flughafendaten mit diesem Verfahren in eine PostgreSQL-Tabelle und aktiviere die Tabelle für die PostGIS-Unterstützung, damit wir räumliche Berechnungen durchführen können.

Wir richten ein paar Scratch-Säulen ein, berechnen den Antipoden für jeden Flughafen und wandeln das in eine Geometrie um (es gibt wahrscheinlich einen besseren Weg, dies zu tun, wenn Sie wissen, was Sie tun. Ein gemeinsames Thema hier ist, dass wir es nicht tun t, in der Tat wissen, was wir tun):

update airports set antipode_latitude = -latitude;
update airports set antipode_longitude = 180+longitude;
update airports set antipode_longitude = antipode_longitude-360 where antipode_longitude > 180;
update airports SET antipode = ST_SetSRID(ST_MakePoint(antipode_longitude,antipode_latitude),4326);

Und überprüfen Sie die Ergebnisse basierend auf einigen der Ergebnisse, die wir bereits kennen:

select airports.name, city, country, iata, ST_Distance_Sphere(airports.antipode, (select airports.geom from airports where iata='SCL')) as distance from airports order by distance limit 3;
Ankang Airport  Ankang  China   AKA 80599.02914563
Xi\\'An Xiguan  Xi\\'AN China   SIA 109730.42018116
Xianyang    Xi'an   China   XIY **124745.39283865**

Ach nein! Wir haben eine verheerende Wahrheit über meine vorherige Antwort ans Licht gebracht. SCL-XIY ist eigentlich 24 km zu weit entfernt, um sich streng zu qualifizieren. Dies kann wahrscheinlich behoben werden, indem Sie Ihre Reise etwas weiter nach Santiago oder Xi'an beginnen und eine Art Flughafenbus nehmen (für den Sie bei einer 72-stündigen Hin- und Rückfahrt genügend Zeit haben), aber es ist so in der Tat ein trauriger Befund.

select airports.name, city, country, iata, ST_Distance_Sphere(airports.antipode, (select airports.geom from airports where iata='AKL')) as distance from airports order by distance limit 5;
Ronda Airport   Ronda   Spain   RRA 28932.88795948
Ronda   Ronda   Spain       30772.20555266
Moron Ab    Sevilla Spain   OZP 40636.98417791
Malaga  Malaga  Spain   AGP 73182.10790714
Sevilla Sevilla Spain   SVQ 75861.92508438

Die gute Nachricht ist, dass die Ergebnisse vernünftig erscheinen. Jetzt können wir die gegensätzlichsten Flughäfen finden, denn warum nicht? Lassen Sie uns unseren Trend fortsetzen, die Datenbank dumm zu verwenden, weil es etwas einfacher ist, und eine doppelte Scratch-Tabelle erstellen, damit wir die Abfrage über die beiden Tabellen ausführen können. Wir beschränken unsere Suche auch auf Flughäfen mit IATA-Codes, um die meisten zufälligen Bahnhöfe im Datensatz auszuschließen und uns die beste Chance zu geben, Flughäfen mit leicht zu findenden kommerziellen Diensten zu finden:

create table airports2 (like airports including all);
insert into airports2 select * from airports;

select airports.name, airports.city, airports.country, airports.iata, airports2.name, airports2.city, airports2.country, airports2.iata, st_distance_sphere(airports.antipode, airports2.geom) as distance from airports, airports2 where airports.geom && ST_Expand(airports2.antipode, 25) and airports.iata <> '' and airports2.iata <> '' order by ST_DISTANCE(airports.geom, airports2.antipode) asc limit 1;
Sultan Mahmud Badaruddin Ii Palembang   Indonesia   PLM Benito Salas    Neiva   Colombia    NVA 5810.60702928

Und tatsächlich liegen PLM und NVA ziemlich nah beieinander:

Wenn Sie neugierig sind, und ich weiß, dass Sie es sind, gewinnen PLM und NVA immer noch, selbst wenn Sie die Beschränkung aufheben, dass Flughäfen IATA-Codes haben.

Jetzt fragen wir alle antipodalen Flughäfen (mit IATA-Codes) innerhalb des 100-km-Bereichs ab, kürzen jeden zweiten Eintrag, da es sich um übereinstimmende Paare handelt, und erstellen eine Datendatei, die 366 Kandidaten-Städtepaare zur Untersuchung auflistet. Wir können auch ein etwas größeres Set machen, wenn wir das 100-km-Limit ein Haar lockern und uns vorstellen, dass wir immer ein bisschen laufen können, wenn nichts anderes.

select airports.name, airports.city, airports.country, airports.iata, airports2.name, airports2.city, airports2.country, airports2.iata, st_distance_sphere(airports.antipode, airports2.geom) as error from airports, airports2 where airports.geom && ST_Expand(airports2.antipode, 25) and airports.iata <> '' and airports2.iata <> '' order by ST_DISTANCE_sphere(airports.antipode, airports2.geom) asc limit 1000;

In unserem nächsten Teil werden wir sehen, ob wir eine schnellere Route finden können.