Location Intelligence Model (LIM) — jak to działa
LIM (Location Intelligence Model) to wielowarstwowy model oceny inwestycji dla deweloperów i inwestorów instytucjonalnych. W odróżnieniu od standardowego scoringu, który odpowiada na pytanie „jak dobra jest ta lokalizacja pod kątem życia mieszkańców?”, LIM odpowiada na pytanie „jak bezpieczna i opłacalna jest tu inwestycja?”.
Model łączy bazowy scoring 5 filarów z warstwami due diligence (planowanie przestrzenne, konkurencja, demografia, gospodarka, ryzyka środowiskowe) w jeden spójny raport.
Praktyczne użycie: zobacz przewodnik LIM — parametry, przykłady i interpretację odpowiedzi.
Architektura modelu
LIM jest zbudowany warstwowo. Każda warstwa dostarcza niezależnych danych, a końcowy wynik jest syntezą warstwy scoringowej z korektami wynikającymi z warstw ryzyka.
Warstwy modelu
| Warstwa | Źródło danych | Co dostarcza |
|---|---|---|
| 1. Bazowy scoring | POI (OSM/RSPO/BDOT), H3, RCN, GIOŚ, Valhalla | 5 filarów 0–100, global_score, wycena rynkowa, insights |
| 2. Planowanie przestrzenne | zoning_plans (PostGIS) → WMS fallback | zoning_mpzp — ustalenia, przeznaczenie, status planu |
| 3. Konkurencja | rejestr GUNB (h3_building_permits) | competitor_pipeline — pozwolenia, wnioski, zgłoszenia |
| 4. Demografia | dane demograficzne H3 L9 | demographics — gęstość, struktura wiekowa |
| 5. Gospodarka | GUS BDL (po TERYT) | local_economy — wynagrodzenia, bezrobocie, migracje |
| 6. Ryzyka środowiskowe | ISOK, Natura 2000, GDOŚ, BDOT10k, NID | environmental_risks — strefy zalewowe, ochrona przyrody, NIMBY, zabytki |
Uwaga techniczna: Wszystkie zapytania do bazy danych (POI, MPZP, GUNB, demografia, gospodarka, ryzyka) wykonują się sekwencyjnie na jednej sesji
AsyncSession. Jedynie bazowy scoring i rozwiązywanie MPZP uruchamiane są równolegle (różne zasoby) — tak jest zaimplementowane w metodzieevaluate_lim_locationserwisu ewaluacji.
Warstwa 1: Bazowy scoring
Fundamentem jest standardowy algorytm LokalScore opisany w Modelu scoringu. Pięć filarów z domyślnymi wagami:
| Filar | Klucz | Waga domyślna |
|---|---|---|
| Transport i skomunikowanie | transit | 25% |
| Codzienna wygoda i usługi | convenience_retail | 25% |
| Komfort środowiskowy | environment_comfort | 20% |
| Rodzina i edukacja | family_education | 15% |
| Rekreacja i kultura | leisure_culture | 15% |
LIM używa tych wag domyślnie, ale pozwala na ich modyfikację przez custom_weights (nie obsługuje presetów scoring_preset).
Warstwa 2: Planowanie przestrzenne (MPZP)
Dla punktu analizy model szuka poligonu planu w kolejności:
- MPZP (Miejscowy Plan Zagospodarowania Przestrzennego) — zapytanie
ST_Intersectsna tabelizoning_plans. - POG (Plan Ogólny / studium) — fallback, gdy brak MPZP.
- WMS GetFeatureInfo — ostateczny fallback, gdy baza nie zawiera planu.
Po znalezieniu planu model wzbogaca wynik o semantyczną klasyfikację symbolu przeznaczenia (designation_symbol → designation_category, designation_description, designation_score_impact, designation_score_modifier) za pomocą funkcji classify_symbol z modułu zoning_classifier backendu.
Warstwa 6: Ryzyka środowiskowe
Najważniejsza warstwa korygująca. Dzieli się na 4 podbloki:
| Podblok | Sprawdza | Źródło |
|---|---|---|
flood_hazard | ST_Contains w strefach zalewowych | ISOK (GIOŚ) |
nature_protection | Natura 2000 (siedliskowa/ptasia), korytarze ekologiczne | GDOŚ |
infrastructure_nuisance | ST_DWithin: wiatrak 700 m, biogazownia/PV 500 m, zakład przemysłowy 250 m | BDOT10k / GDOŚ |
heritage_conservation | ST_Contains / ST_DWithin (50 m): zabytki ZEN, cmentarze wojenne, strefy AZP | NID |
Logika kar i twardych alertów
To serce modelu LIM — sposób, w jaki ryzyka środowiskowe wpływają na końcowy wynik.
1. Flat penalty –30 pkt (filar środowiska)
Gdy lokalizacja znajduje się w strefie Natura 2000 lub w strefie zalewowej o wysokim prawdopodobieństwie (Q1pct / Q10pct):
new_env_score = max(0, env_score - 30.0)Kara nakładana jest tylko na filar environment_comfort, a następnie global_score jest przeliczany z użyciem efektywnej wagi tego filaru:
delta = (new_env_score - old_env_score) × waga_environment_comfort
global_score = clamp(global_score + delta, 0, 100)Dzięki temu wpływ kary na wynik końcowy jest proporcjonalny do wagi filaru (domyślnie 20% → maksymalna utrata ~6 pkt na globalnym wyniku).
Dlaczego akurat 30 pkt? Natura 2000 i strefy zalewowe o wysokim prawdopodobieństwie to ryzyka krytyczne — mogą wymusić pełną ocenę oddziaływania na środowisko (OOŚ) lub całkowicie zablokować inwestycję. Kara jest celowo dotkliwa, aby taki teren nie dostał wysokiego wyniku pomimo dobrej infrastruktury.
2. Twarde alerty (hard alerts)
Niezależnie od kary punktowej model dodaje twarde alerty do insights.cons. Każdy alert to konkretny, czytelny komunikat o ryzyku:
| Ryzyko | Komunikat w cons |
|---|---|
| Strefa zalewowa | Poziom prawdopodobieństwa (Q10% / Q1% / Q0,1%) i wpływ na ubezpieczenie/zabudowę |
| Natura 2000 | Restrykcyjne wymogi środowiskowe, możliwa OOŚ |
| Korytarz ekologiczny | Ryzyko odmowy WZ lub utrudnień na etapie uzgodnień |
| Turbina wiatrowa | Naruszenie ustawowych odległości minimalnych (ustawa odległościowa) |
| Biogazownia | Uciążliwości zapachowe, protesty NIMBY |
| Farma PV | Uciążliwości krajobrazowe / ograniczenia sieciowe |
| Zabytek (ZEN) | Konieczność uzgodnień z konserwatorem, wydłużenie procedur |
| Cmentarz wojenny | Ryzyko całkowitego wstrzymania prac |
| Strefa AZP | Nadzór archeologiczny, kosztowne badania wykopaliskowe |
| Obiekt lotniczy | Ograniczenia wysokości zabudowy (LUN, strefy ULC) |
Alerty zastępują domyślny tekst „Brak krytycznych uciążliwości…” i są dołączane do istniejących wad, jeśli te już istnieją.
3. Prozy popytowe
Model dodaje też wpis do insights.pros o silnym lokalnym popycie konsumpcyjnym, gdy spełniony jest dowolny z warunków:
- przeciętne wynagrodzenie w powiecie > 7 000 PLN,
- stopa bezrobocia < 5%,
- gęstość zaludnienia > 1 000 os./km².
Kompletny przepływ obliczeń
- Rozwiąż lokalizację — współrzędne / adres / działka →
(lat, lon). - Uruchom równolegle bazowy scoring i rozwiązywanie MPZP.
- Pobierz sekwencyjnie pipeline GUNB, ryzyka środowiskowe, demografię (bufor H3 L9 + k-ring), kontekst gospodarczy (TERYT → GUS BDL).
- Nałóż korekty ryzyk — flat penalty –30 pkt + twarde alerty w
cons, prozy popytowe wpros. - Wzbogać MPZP o klasyfikację semantyczną przeznaczenia.
- Zwróć
LIMResponse— bazowa ewaluacja + 5 bloków due diligence.
Podsumowanie
- LIM to scoring + due diligence w jednym raporcie.
- Bazowy
global_scoremoże być korygowany w dół przez ryzyka krytyczne (Natura 2000, strefy zalewowe). - Twarde alerty w
consprzekazują konkretne, działania-zorientowane informacje o ryzykach formalnych i środowiskowych. - Wynik jest przeznaczony do interpretacji przez człowieka — decyzja inwestycyjna powinna uwzględniać zarówno
global_score, jak i alerty winsights.
Następne kroki
- Przewodnik LIM — parametry, przykłady i pełna struktura odpowiedzi.
- Model scoringu — szczegóły 5 filarów i wag.
- Dokumentacja API — interaktywna konsola Swagger.