从纬度/经度数据（以弧度为单位）开始，我试图有效地找到最接近的n个邻居，理想情况下是测地线（WGS-84）的距离。

现在，我使用sklearn的BallTree与半正矢距离（KD-
特雷斯只需要minkowskian距离），这是很好的和快速（3-4秒内找到最近的5个邻居在7500个可能的匹配1200个位置），但不 准确
的我需要。码：

tree = BallTree(possible_matches[['x', 'y']], leaf_size=2, metric='haversine')
distances, indices = tree.query(locations[['x', 'y']], k=5)

当我用自定义函数代替metric（metric=lambda u, v: geopy.distance.geodesic(u, v).miles）时，将花费“不合理的”长时间（在上述情况下为4分钟）。据记录，自定义函数可能会花费很长时间，但并不能帮助我解决问题。

我看着使用带有ECEF坐标和欧几里得距离的KD-Tree，但是我不确定这是否更准确。

如何保持当前方法的速度，但提高距离精度？