它听起来很简单，直到你试图定义它。想象一下旅行、财产、当地发现或类似的应用程序。用户打开一个地方，你想展示周围的内容。有几种方法可以建模这个问题： 选项A。半径 — 每种情况下500米。500米的圆圈给了我们一个清晰的答案。但是，圆圈对人们实际上如何通过该区域的方式一无所知： 最简单的模型：在固定的直线距离内的任何东西都算是附近的。容易理解和计算，但它忽略了街道、过街天桥和物理障碍。 选项B. 步行时间 — 可以在10分钟内到达的任何地方。步行10分钟会产生一个完全不同的形状。街道、过街天桥和连接性决定了实际上什么是感觉靠近的： 附近意味着在一定的步行时间内可以到达。结果的区域遵循行人网络，因此两个距离相同的地点可能有完全不同的可达性。 3. 选项C. 网络距离 — 实际街道和路径上的距离。测量800米沿行人网络，而不是通过空气。看起来平等的地点突然变得非常不同： 而不是测量直线距离，测量人们实际上需要沿着街道和路径行走的距离。这考虑了网络而不假设行走速度。 选项D. 类别依赖 — “附近”是否对咖啡馆和博物馆是一样的？也许“附近”不应该对每种类型的地点都意味着同样的事情。5分钟的步行可能是理想的咖啡馆，而超市可能需要10分钟，而景点可能需要20分钟仍然感觉附近： 我们期待附近的东西，但我们愿意为其他东西旅行更远。 选项E. 相关性 — 没有固定的边界；使用距离、类别、重要性、可达性等排列结果。完全去掉硬边界。使用距离、行程时间、类别、重要性、可达性或其他信号排列地点。一个值得注意的地点尽管距离较远也可能排在更不实用的地点之前： 而不是决定一个地点是否在一个任意的区域内，排列选项。距离变成了几个信号之一。 障碍。200米远。 但你会称之为附近吗？ 目的地看起来几乎邻近。然后，河流、铁路或高速公路把200米变成了1.4公里行走的距离。应用程序应该关心哪种距离？ 直线距离可能会误导。 我制作了这六个可视化以比较这些方法。对于那些已实施类似内容的人： 你使用了什么？ 简单的半径？行程时间？某种相关性评分？还是组合？