Skip to Content
KoncepcjeDistance Decay

Distance Decay

Distance Decay to fundamentalny mechanizm silnika scoringowego LokalScore. Określa, jak bardzo wpływ obiektu (POI) na wynik maleje wraz z odległością od punktu analizy. Im bliżej obiekt, tym większy jego wkład w wynik lokalizacji.

Wizualizator Distance Decay

Wzór: score = exp(-λ × distance)

Score w odległości 500 m
36.8%
λ = 0.0020
Wolny spadek (parki)Szybki spadek (sklepy)
Presety (typ obiektu):

Wzór matematyczny

Wpływ obiektu w odległości d metrów jest modelowany funkcją wykładniczą:

score = exp(-λ × d)

gdzie:

  • d — odległość w metrach od punktu analizy do obiektu,
  • λ (lambda) — współczynnik rozpadu charakterystyczny dla typu obiektu,
  • exp(...) — funkcja wykładnicza (podstawa e ≈ 2.71828).

Własności funkcji

  • W odległości 0 m (d = 0): score = exp(0) = 1.0 — obiekt ma pełny wpływ.
  • W miarę wzrostu d: score maleje wykładniczo, asymptotycznie zbliżając się do 0.
  • Nigdy nie osiąga zera — teoretycznie każdy obiekt ma (nieskończenie mały) wpływ, choć w praktyce jest on pomijalny poza promieniem analizy.

Interpretacja λ (lambda)

Wartość λ decyduje o tempie spadku wpływu wraz z odległością:

λZachowaniePrzykłady
Wysoka (np. 0.0060)Szybki spadek — obiekt musi być bardzo blisko, by mieć znaczenieSklepy osiedlowe, bankomaty, automaty paczkowe
Średnia (np. 0.0020)Umiarkowany spadekSupermarkety, parki, szkoły
Niska (np. 0.0012)Wolny spadek — ludzie są skłonni pokonać większą odległośćUniwersytety, dworce kolejowe, muzea

Intuicja: Wysoka λ odpowiada obiektom, do których ludzie oczekują bardzo krótkiego dojścia (sklep osiedlowy, bankomat). Niska λ odpowiada obiektom “celowym”, do których akceptujemy dłuższą podróż (uniwersytet, park, dworzec).


Przykładowe wartości λ z LAMBDA_CONFIG

Wartości pochodzą z LAMBDA_CONFIG w module scoring_engine backendu:

ObiektKluczλ
Przystanek autobusowybus0.0035
Supermarketsupermarket0.0020
Parkpark0.0020
Sklep osiedlowyconvenience0.0060
Dworzec kolejowyrailway0.0015
Uniwersytetuniversity0.0012

Przykład obliczenia

Dla supermarketu (λ = 0.0020) w odległości 500 m:

score = exp(-0.0020 × 500) = exp(-1.0) ≈ 0.368

Dla tego samego supermarketu w odległości 100 m:

score = exp(-0.0020 × 100) = exp(-0.2) ≈ 0.819

Obiekt w odległości 100 m ma ponad 2× większy wpływ niż w odległości 500 m — to esencja Distance Decay.


Jak to wpływa na wynik filaru?

W silniku scoringowym (scoring_engine) każdy obiekt POI w promieniu analizy:

  1. Otrzymuje wagę bazową (np. supermarket = 50, przystanek = 10).
  2. Otrzymuje współczynnik rozpadu λ z LAMBDA_CONFIG.
  3. Jego wkład jest ważony przez exp(-λ × d).
  4. Zastosowany jest mechanizm malejących przychodów (diminishing returns), chroniący przed “zalewaniem” punktami.
  5. Wynik jest normalizowany do skali 0–100.

Następne kroki

LokalScore
System scoringu lokalizacji i wyceny nieruchomości w Polsce.
© 2026 LokalScore. Wszelkie prawa zastrzeżone.