如何高效筛选每日千万级空间数据中的特定区域数据？

Question

每日千万级空间数据，快速筛选出区域数据方案。

1. 离线数据：每日6G的数据量，大约5000万行数据，每次都是一次性获取一个月的数据（180G左右）

2. 每行数据含有经纬度信息

3. 需要快速筛选出区域内，比如：给定的贵阳市的数据，需要筛选出某个公园对应的数据进行分析

目前做得尝试

1. 预处理，原本是txt文本存储数据，每日一千个文件，去掉错误指标等数据，大约每日还剩余一千万到两千万的数据量，保存为一个parquet文件，按日区分数据，这样处理之后需要处理的数据每日600M-1G左右，当月总共40GB左右（这一步花费时间久点无所谓）

2. 使用rtree建立每日的空间索引，查询区域时使用这个空间索引进行查询对应区域内数据。（查询框选区域采样点，希望这一步时间能极大的缩减，目前一个正常区域在10分钟左右吧）

3. 再计算区域内数据的指标，正常区域也就几十MB（这一步有了区域采样点之后，数据量不是很大几秒就可以完成）

这样处理之后感觉还是很慢，对于这种需要筛选经纬度的数据，各位还有什么更好的解决办法吗？

这是我使用索引查询一个区域（从贵阳市的所有采样点查询黔灵山公园），使用已经预处理且添加索引的数据，使用的是geo.json文件，候选点是bbox框选区域粗选，后续匹配点就是这个geo.json区域内的点数据。
这一步感觉时间还是很慢，每日数据处理30s左右，有没有什么办法还能更快一点呢？

目前能勉强使用，使用索引这种方式，计算某个区域采样点数据，先使用这种方式吧。