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)
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 (podstawae ≈ 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 do0. - 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:
| λ | Zachowanie | Przykłady |
|---|---|---|
Wysoka (np. 0.0060) | Szybki spadek — obiekt musi być bardzo blisko, by mieć znaczenie | Sklepy osiedlowe, bankomaty, automaty paczkowe |
Średnia (np. 0.0020) | Umiarkowany spadek | Supermarkety, parki, szkoły |
Niska (np. 0.0012) | Wolny spadek — ludzie są skłonni pokonać większą odległość | Uniwersytety, 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:
| Obiekt | Klucz | λ |
|---|---|---|
| Przystanek autobusowy | bus | 0.0035 |
| Supermarket | supermarket | 0.0020 |
| Park | park | 0.0020 |
| Sklep osiedlowy | convenience | 0.0060 |
| Dworzec kolejowy | railway | 0.0015 |
| Uniwersytet | university | 0.0012 |
Przykład obliczenia
Dla supermarketu (λ = 0.0020) w odległości 500 m:
score = exp(-0.0020 × 500) = exp(-1.0) ≈ 0.368Dla tego samego supermarketu w odległości 100 m:
score = exp(-0.0020 × 100) = exp(-0.2) ≈ 0.819Obiekt 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:
- Otrzymuje wagę bazową (np. supermarket = 50, przystanek = 10).
- Otrzymuje współczynnik rozpadu λ z
LAMBDA_CONFIG. - Jego wkład jest ważony przez
exp(-λ × d). - Zastosowany jest mechanizm malejących przychodów (diminishing returns), chroniący przed “zalewaniem” punktami.
- Wynik jest normalizowany do skali 0–100.
Następne kroki
- Model scoringu — 5 filarów i wagi.
- Szybki start — pierwsze zapytanie do API.
- Dokumentacja API — pełna lista endpointów.