Skip to Content
KoncepcjeLocation Intelligence Model (LIM)

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

WarstwaŹródło danychCo dostarcza
1. Bazowy scoringPOI (OSM/RSPO/BDOT), H3, RCN, GIOŚ, Valhalla5 filarów 0–100, global_score, wycena rynkowa, insights
2. Planowanie przestrzennezoning_plans (PostGIS) → WMS fallbackzoning_mpzp — ustalenia, przeznaczenie, status planu
3. Konkurencjarejestr GUNB (h3_building_permits)competitor_pipeline — pozwolenia, wnioski, zgłoszenia
4. Demografiadane demograficzne H3 L9demographics — gęstość, struktura wiekowa
5. GospodarkaGUS BDL (po TERYT)local_economy — wynagrodzenia, bezrobocie, migracje
6. Ryzyka środowiskoweISOK, Natura 2000, GDOŚ, BDOT10k, NIDenvironmental_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 metodzie evaluate_lim_location serwisu ewaluacji.


Warstwa 1: Bazowy scoring

Fundamentem jest standardowy algorytm LokalScore opisany w Modelu scoringu. Pięć filarów z domyślnymi wagami:

FilarKluczWaga domyślna
Transport i skomunikowanietransit25%
Codzienna wygoda i usługiconvenience_retail25%
Komfort środowiskowyenvironment_comfort20%
Rodzina i edukacjafamily_education15%
Rekreacja i kulturaleisure_culture15%

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:

  1. MPZP (Miejscowy Plan Zagospodarowania Przestrzennego) — zapytanie ST_Intersects na tabeli zoning_plans.
  2. POG (Plan Ogólny / studium) — fallback, gdy brak MPZP.
  3. 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:

PodblokSprawdzaŹródło
flood_hazardST_Contains w strefach zalewowychISOK (GIOŚ)
nature_protectionNatura 2000 (siedliskowa/ptasia), korytarze ekologiczneGDOŚ
infrastructure_nuisanceST_DWithin: wiatrak 700 m, biogazownia/PV 500 m, zakład przemysłowy 250 mBDOT10k / GDOŚ
heritage_conservationST_Contains / ST_DWithin (50 m): zabytki ZEN, cmentarze wojenne, strefy AZPNID

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:

RyzykoKomunikat w cons
Strefa zalewowaPoziom prawdopodobieństwa (Q10% / Q1% / Q0,1%) i wpływ na ubezpieczenie/zabudowę
Natura 2000Restrykcyjne wymogi środowiskowe, możliwa OOŚ
Korytarz ekologicznyRyzyko odmowy WZ lub utrudnień na etapie uzgodnień
Turbina wiatrowaNaruszenie ustawowych odległości minimalnych (ustawa odległościowa)
BiogazowniaUciążliwości zapachowe, protesty NIMBY
Farma PVUciążliwości krajobrazowe / ograniczenia sieciowe
Zabytek (ZEN)Konieczność uzgodnień z konserwatorem, wydłużenie procedur
Cmentarz wojennyRyzyko całkowitego wstrzymania prac
Strefa AZPNadzór archeologiczny, kosztowne badania wykopaliskowe
Obiekt lotniczyOgraniczenia 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

  1. Rozwiąż lokalizację — współrzędne / adres / działka → (lat, lon).
  2. Uruchom równolegle bazowy scoring i rozwiązywanie MPZP.
  3. Pobierz sekwencyjnie pipeline GUNB, ryzyka środowiskowe, demografię (bufor H3 L9 + k-ring), kontekst gospodarczy (TERYT → GUS BDL).
  4. Nałóż korekty ryzyk — flat penalty –30 pkt + twarde alerty w cons, prozy popytowe w pros.
  5. Wzbogać MPZP o klasyfikację semantyczną przeznaczenia.
  6. Zwróć LIMResponse — bazowa ewaluacja + 5 bloków due diligence.

Podsumowanie

  • LIM to scoring + due diligence w jednym raporcie.
  • Bazowy global_score może być korygowany w dół przez ryzyka krytyczne (Natura 2000, strefy zalewowe).
  • Twarde alerty w cons przekazują 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 w insights.

Następne kroki

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