Skip to Content
KoncepcjeModel scoringu

Model scoringu

LokalScore oblicza wielowymiarowy wskaźnik jakości lokalizacji w skali 0–100 na podstawie 5 filarów scoringu. Każdy filar ma przypisaną wagę odzwierciedlającą jego względne znaczenie.


5 filarów scoringu

Wagi domyślne pochodzą z DEFAULT_WEIGHTS w module scoring_engine backendu:

FilarKluczWaga domyślnaOpis
Transport i skomunikowanietransit25%Dostęp do komunikacji miejskiej (autobus, tramwaj, kolej), rowerów miejskich, czasy dojazdu.
Codzienna wygoda i usługiconvenience_retail25%Supermarkety, sklepy, apteki, automaty paczkowe, gastronomia, usługi.
Komfort środowiskowyenvironment_comfort20%Zieleń, jakość powietrza (PM10/PM2.5), hałas (Lden/Lnight), kongestia drogowa.
Rodzina i edukacjafamily_education15%Przedszkola, szkoły podstawowe i średnie, żłobki, place zabaw.
Rekreacja i kulturaleisure_culture15%Parki, obiekty sportowe, kina, teatry, muzea, biblioteki.

Wagi sumują się do 1.0 (100%). Bazowy wynik to ważona suma wyników cząstkowych:

global_score_base = Σ (waga_filaru × wynik_filaru)

Na końcowy global_score wpływają dodatkowo:

  • Kary za uciążliwości w promieniu 250 m (np. kluby nocne, zakłady przemysłowe, cmentarze z mechanizmem tłumienia skumulowanych kar),
  • Korekta bezpieczeństwa oparta na danych statystycznych GUS BDL oraz infrastrukturze służb ratunkowych.

Dlatego w symulatorze suma ważona samych pasków filarów może różnić się o kilka punktów od ostatecznego wyniku.

Niestandardowe wagi

Możesz dostosować wagi do własnych potrzeb, przekazując custom_weights w żądaniu /evaluate:

curl -X 'POST' \
'https://api.lokalscore.pl/api/v1/evaluate' \
-H 'Authorization: Bearer ls_TWOJ_KLUCZ_API' \
-H 'Content-Type: application/json' \
-d '{
"latitude": 51.1093,
"longitude": 17.0289,
"custom_weights": {
  "transit": 0.30,
  "convenience_retail": 0.20,
  "environment_comfort": 0.25,
  "family_education": 0.15,
  "leisure_culture": 0.10
}
}'

Uwaga: Wagi muszą sumować się do ~1.0 (akceptowany zakres 0.5–1.5). Wartości są automatycznie normalizowane.

Predefiniowane profile (presety)

Zamiast ręcznie ustawiać wagi, możesz użyć predefiniowanych profili oceny (scoring_preset). Gdy preset jest aktywny, custom_weights i radius_meters są ignorowane na rzecz wartości zdefiniowanych w presecie.

Dostępne presety:

PresetOpis
rodzinaPodnosi wagę edukacji i środowiska (przedszkola, szkoły).
studentPodnosi wagę rekreacji/kultury i transportu (uniwersytety).
imprezowiczPodnosi wagę życia nocnego (kluby, puby, bary).
blisko_naturySilnie podnosi wagę środowiska i zieleni.
aktywny_wypoczynekPodnosi wagę sportu, parków i kultury.
seniorPodnosi wagę aptek, parków, bibliotek i centrów kultury.
zabudowa_wielorodzinnaProfil dla zabudowy wielorodzinnej.
zabudowa_jednorodzinnaPodnosi wagę przedszkoli i szkół podstawowych.
dzialalnosc_handlowaProfil dla działalności handlowej.
premiumPodnosi wagę środowiska i zieleni (segment premium).

Algorytm Distance Decay

Kluczowym mechanizmem jest wykładniczy rozpad odległości (Distance Decay). Im dalej od punktu analizy znajduje się obiekt (POI), tym mniejszy ma wpływ na wynik:

score = exp(-λ × distance)

gdzie:

  • distance — odległość w metrach,
  • λ (lambda) — współczynnik rozpadu charakterystyczny dla typu obiektu.

Interpretacja λ:

  • Wysoka λ → wynik spada szybko z odległością (np. sklepy osiedlowe, bankomaty — ważne, by były blisko).
  • Niska λ → wynik spada wolno (np. parki, dworce kolejowe — ludzie są skłonni pokonać większą odległość).

Przykładowe wartości λ z LAMBDA_CONFIG:

Obiektλ
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) ≈ 0.368

Dla tego samego supermarketu w odległości 100 m:

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

Widzimy, że obiekt w odległości 100 m ma ponad 2× większy wpływ niż w odległości 500 m.

Interaktywnie: Zobacz, jak zmienia się krzywa Distance Decay w zależności od λ i dystansu w wizualizatorze Distance Decay.

Jak liczony jest wynik filaru?

Dla każdego filaru:

  1. W promieniu analizy (radius_meters, domyślnie 1000 m) wyszukiwane są obiekty POI.
  2. Każdy obiekt otrzymuje wagę bazową (np. supermarket = 50, przystanek = 10) i współczynnik rozpadu λ.
  3. Wkład każdego obiektu jest ważony przez exp(-λ × distance).
  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.