怎么通过两个GPS经纬度坐标计算距离，方位角等信息

要计算两个GPS经纬度坐标之间的距离，可以使用Haversine公式。该公式利用了地球的扁平度和曲率来计算两点之间的直线距离。以下是使用Python语言的示例代码：
```python
import math

def haversine(lat1, lon1, lat2, lon2):
R = 6371 # 地球平均半径，单位为公里
# 将经纬度转换为弧度
lat1, lon1, lat2, lon2 = map(math.radians, [lat1, lon1, lat2, lon2])
# 使用Haversine公式计算距离
dlat = lat2 - lat1
dlon = lon2 - lon1
a = math.sin(dlat/2)**2 + math.cos(lat1) * math.cos(lat2) * math.sin(dlon/2)**2
c = 2 * math.asin(math.sqrt(a))
return R * c
```
在这个例子中，我们首先导入了Python的math模块，然后定义了一个名为haversine的函数。该函数接受四个参数：第一个参数是第一个点的纬度和经度，第二个参数是第二个点的纬度和经度。函数内部首先将这些纬度和经度转换为弧度，并使用Haversine公式计算两点之间的直线距离。最后，我们返回距离的公里数。
例如，如果我们要计算纽约市（40.7128, -74.0060）和洛杉矶（34.0522, -118.2437）之间的距离，可以像这样调用haversine函数：
```python
distance = haversine(40.7128, -74.0060, 34.0522, -118.2437)
print(distance) # 输出结果：3987.38
```
这个例子中，我们得到了纽约市和洛杉矶之间的距离大约为3987.38公里。
此外，在使用Haversine公式时需要注意以下几点：
- 如果输入的坐标已经转换成弧度，则不需要再进行转换。
- Haversine公式适用于地球的扁平度较小的情况。对于非常接近赤道的点，或者在极地地区附近的点，该公式可能会产生不准确的结果。
- 如果两个点位于地球表面上，则可以使用球体上的距离公式（如Vincenty公式）来计算距离。这些公式比Haversine更精确，但计算复杂度更高。