距离矩阵是多个起点和多个目的地之间的通行时间与距离网格。它是每一次「最近门店」排名、每一次配送派单决策、每一次路径优化求解背后的数据结构。每当一个应用需要按驾车时间从众多候选中挑出最优解，背后都有距离矩阵在工作。
本文讲解距离矩阵到底是什么，通行时间与直线距离的差别，矩阵在生产系统中出现在哪里，以及当输入规模超过零星几个点之后会咬人的那些坑。
距离矩阵的本质
最简形式下，距离矩阵就是一张二维表。行是起点，列是目的地，每个单元格存两个数：距离和时长。N 个起点 M 个目的地，矩阵就有 N×M 个单元格。25 名司机和 25 个工单的请求，单次调用就产生 625 个单元格。
这些单元格中的值来自一个遍历真实路网图的路径引擎。它从每个起点出发，挑选到每个目的地的最快路径，把路段成本加起来作为返回值。这与 haversine 计算根本不同：后者在两点之间画直线，无视建筑、河流和单行道的存在。
坐标对告诉你两个点在哪里。距离矩阵告诉你从一个点到另一个点真实需要付出什么代价。
距离 vs 时长
「距离」这个词常被用来指三种不同的数值，混淆它们是路径规划代码里最常见的 bug。
Haversine 距离 是两个经纬度对之间的大圆距离。它计算速度快、不需要网络调用，但对任何涉及驾车的任务都不适用。一个 2 公里的 haversine 距离一旦考虑到那条不能跨越的河流，就可能变成 7 公里的实际驾车。
路网距离 是真实可驾驶路径的长度。它考虑了单行道、转向限制和路网拓扑。这是距离矩阵 API 在 distance 字段中返回的值。
带交通的时长 是在当前或预测的交通条件下行程所需的时间。一段 12 公里的高速路段在凌晨 2 点是 6 分钟，在下午 5 点半是 25 分钟。重视 ETA 的生产系统会请求交通感知的时长，并传入出发时间，让路径引擎正确建模拥堵。
对于排序和派单，时长几乎总是优于距离。司机不会因为更近的工单远了 800 米就拒绝它，只要那能省下 4 分钟。
距离矩阵出现在哪里
距离矩阵安静地驱动着大多数物流和位置相关功能。
- 配送派单：每个待处理订单与每位可用司机进行匹配。调度器选择时长最低且满足车容与班次约束的单元格
- 车队调度与再平衡：网约车和最后一公里平台每隔几秒就在车辆与需求区之间计算矩阵，让车流贴近乘客
- 门店与场所定位排序：与其按 haversine 返回最近的 5 家门店，不如从用户位置到候选门店计算一个小矩阵，按驾车时间排序
- 大规模 ETA 计算：同时存在多个订单的市场会把 ETA 批量打包成矩阵调用，而不是发起数千次单条路径请求
- VRP 求解器：车辆路径问题求解器（OR-Tools、jsprit、商业优化器）需要一份完整成本矩阵作为输入。求解结果的质量取决于输入矩阵的质量
- 选址与片区规划：分析师在候选地点和客户聚类之间计算矩阵，挑选总驾车时间最短的仓库
在所有这些场景里，矩阵都是批量计算的基本原语。它让系统可以推理「众多候选中的最优」，而不必承担 N×M 次独立路径调用的成本。
生产环境中的坑
距离矩阵第一天用很简单，之后会越来越难。
默认是不对称的。 真实路网有单行道、隔离带和不对称的转向成本。(A, B) 单元格几乎不会等于 (B, A)。为了省内存把矩阵当对称处理，是调度系统逆行路径的经典 bug 来源。
N×M 的成本曲线。 100×100 矩阵就是 10,000 个单元格，500×500 就是 250,000 个。成本和延迟以二次方增长。大多数生产系统把矩阵分块（50×50 或 100×100），并行请求，并缓存不常变化的结果，例如固定仓库与固定门店之间的矩阵。
时段差异。 凌晨 3 点计算的矩阵在下午 5 点不再有效。如果调度逻辑依赖交通，要么在决策时请求交通感知矩阵，要么预先计算少量按时段分桶的矩阵（早高峰、平峰、晚高峰）并选用合适的一份。
批量与限流。 距离矩阵 API 按元素计费而不是按请求计费，大多数厂商对单次调用大小有上限。要从第一天起就规划好分块和反压机制，而不是在规模上来时才发现。
输入坐标质量决定一切。 矩阵的好坏取决于喂给它的坐标。一个落在隔离带另一侧的地理编码会产生离谱的时长。在进入矩阵请求之前，先校验输入坐标。
MapAtlas 中的距离矩阵
MapAtlas Distance Matrix API 在真实的欧洲及全球道路网络上计算完整的 N×M 通行时间与距离矩阵。它支持轿车、卡车、自行车和行人画像，接受带出发时间的交通感知请求，并面向真实调度与优化负载所需的批量规模设计。
对于排序之外的负载，Distance Matrix API 与 Optimize Route API 自然搭配，后者接收一份矩阵和一组站点，返回总驾车时间最短的有序路线；它也与 Isochrone API 搭配，先用「X 分钟内可达」过滤器收缩候选集，再调用矩阵。
距离矩阵不光鲜，它只是一张数字网格。但正是这张数字网格，把「找出众多候选中的最优」从 N×M 次路径规划噩梦变成一次批量请求，把这件事做对，正是把真正的物流产品和「地图上插五个图钉」的演示区分开来的关键。
常见问题
什么是距离矩阵？
距离矩阵是一组起点和一组目的地之间通行时间与距离的 N×M 网格。每个单元格回答一个问题：从起点 i 到目的地 j 需要多长时间，距离多远。现代距离矩阵 API 在真实道路网络上计算这些值，而不是按直线距离计算，因此结果会考虑单行道、转向限制和可通行的几何路径。
距离和时长有什么区别？
距离是沿道路网络行进的长度，单位是米或公里。时长是行进所需的时间，以秒计，受限速、交通和道路等级影响。两者不可互换。两条路线可能距离相同但时长差异巨大，而大多数生产场景（ETA、调度、排序）关心的是时长。优秀的距离矩阵 API 会为每个单元格同时返回两者。
什么时候应该用距离矩阵而不是单条路径？
凡是需要在多个候选项之间比较时都应使用距离矩阵：从 50 家门店中挑选最近的 5 家、从 20 名可用司机中把订单派给最近的一位、为车辆路径规划求解器提供输入。N×M 次单条路径调用既慢又贵。矩阵接口在一次请求中返回相同的数据，并针对批量计算做了优化。
距离矩阵是对称的吗？
在真实路网中几乎从不对称。从 A 到 B 与从 B 到 A 的驾车通常不同，原因包括单行道、隔离带、转向限制以及不对称的交通流。生产级距离矩阵 API 返回完整的 N×M 网格，而不是三角矩阵。如果为了节省内存把矩阵折半，调度系统会把司机引向逆行车道。
