为了实现寻找距离目标经纬度最近的两个坐标并计算其`ws`参数平均值的功能，可以采用如下Python代码示例： ```python from math import radians, cos, sin, asin, sqrt def haversine(lon1, lat1, lon2, lat2): """ 计算两点之间的球面距离。 :param lon1: 第一点经度 :param lat1: 第一点纬度 :param lon2: 第二点经度 :param lat2: 第二点纬度 :return: 返回两点间的距离（单位：公里） """ # 将十进制度数转化为弧度 lon1, lat1, lon2, lat2 = map(radians, [lon1, lat1, lon2, lat2]) d_lon = lon2 - lon1 d_lat = lat2 - lat1 a = sin(d_lat/2)**2 + cos(lat1) * cos(lat2) * sin(d_lon/2)**2 c = 2 * asin(sqrt(a)) r = 6371 # 地球半径，单位为公里 return c * r data_points = [ {"longitude": 116.4074, "latitude": 39.9042, "ws": 5}, {"longitude": 116.3974, "latitude": 39.8042, "ws": 7}, {"longitude": 116.4174, "latitude": 39.9142, "ws": 8} ] target_longitude = 116.4074 target_latitude = 39.9042 # 计算每个数据点到目标位置的距离，并存储这些信息 distances = [(point["longitude"], point["latitude"], haversine(target_longitude, target_latitude, point["longitude"], point["latitude"]), point['ws']) for point in data_points] # 对所有距离进行排序取最小的两项 sorted_distances = sorted(distances, key=lambda x:x[2])[:2] average_ws = sum([item[-1] for item in sorted_distances])/len(sorted_distances) print(f"最邻近两地点的ws参数平均值为{average_ws}") ``` 上述程序定义了一个名为haversine的辅助函数来计算地球上任意两点间的大圆距离。之后创建了一系列具有不同经纬度以及关联`ws`属性的数据点模拟实际场景下的地理分布情况；最后选取离指定的目标地理位置最近的两个位置，并对其各自的`ws`进行了简单求均操作。