Согласование радиуса: summary = max_distance × средний психотип-множитель

- search_engine: max_distance_km передаётся в analyzer (case_data).
- rules_analysis: search_radius = max_distance × _psychotype_radius_multiplier
  (среднее по полосам 0-500/0.5-1.5/1.5-2.5/2.5+). Убран двойной учёт
  age/season: score_zone.distance_multiplier их уже содержит, а max_distance
  их тоже учёл — раньше radius = multiplier×2.0 (хардкод) давал 1.6 км при
  радиусе 2.4 км.
- UI: подсказка у «×0.8» — коэффициент скоринга, не радиуса.
- Тест: согласованность summary↔формула.

backend/tests/test_zone_reason.py

@@ -70,3 +70,20 @@ class TestZoneReason:
         r2 = _build_zone_reason(dict(zone), dict(case))
         assert r1 == r2
         assert 'совпадает с направлением' in r1
+class TestRadiusConsistency:
+    def test_summary_radius_matches_max_times_multiplier(self):
+        """Радиус в summary = max_distance × психотип-множитель (согласован с хедером)."""
+        import asyncio
+        from services.rules_analysis import rules_analyze
+        case = {
+            'age': 9, 'gender': 'м', 'season': 'лето', 'elapsed_hours': 4.0,
+            'profiles': ['гармоничный'], 'psychotype': 'harmonic',
+            'psychotype_modifiers': {'zone_0_500': 1.0, 'zone_500_1500': 1.0,
+                                     'zone_1500_2500': 1.1, 'zone_2500plus': 1.0},
+            'max_distance_km': 2.4,
+            'lat': 54.5, 'lon': 28.5,
+        }
+        result = asyncio.run(rules_analyze(case))
+        # Средний психотип-множитель полос (1.0+1.0+1.1+1.0)/4 = 1.025 → 2.4×1.025=2.46→2.5
+        assert result.search_radius_km == 2.5, result.search_radius_km
+        assert f'{result.search_radius_km} км' in result.summary

frontend/src/pages/analysis/AnalysisResult.jsx

@@ -199,7 +199,10 @@ const AnalysisResult = () => {
             <div className="decision-value radius">
               {analysisData?.max_distance_km} км
               {analysisData?.distance_multiplier !== 1 && (
-                <span className="radius-mult">×{analysisData?.distance_multiplier}</span>
+                <span
+                  className="radius-mult"
+                  title="Суммарный коэффициент скоринга (возраст/сезон/профили) — влияет на сравнение секторов, не на радиус."
+                >×{analysisData?.distance_multiplier}</span>
               )}
             </div>
           </div>

services/rules_analysis.py

@@ -178,6 +178,17 @@ def _psychotype_phrase(case_data: dict, distance_km: float) -> str | None:
     return None
 
 
+def _psychotype_radius_multiplier(case_data: dict) -> float:
+    """Средний множитель психотипа по полосам дистанции (без двойного учёта
+    возраст/сезон — они уже в max_distance)."""
+    mods = case_data.get('psychotype_modifiers')
+    if not mods:
+        return 1.0
+    vals = [mods.get(k, 1.0) for k in ('zone_0_500', 'zone_500_1500',
+                                       'zone_1500_2500', 'zone_2500plus')]
+    return sum(vals) / len(vals)
+
+
 def _build_zone_reason(zone: dict, case_data: dict) -> str:
     """Словесное пояснение приоритета зоны — по тем же факторам, что считает
     WeightedScorer (детерминированно, без выдумок): рельеф, вода, дороги, НП,
@@ -238,7 +249,8 @@ async def rules_analyze(case_data: dict[str, Any]) -> AnalysisResult:
     urgency = _age_urgency(age, profiles)
 
     primary_zones: list[PrimaryZone] = []
-    search_radius_km = 5.0
+    base_km = float(case_data.get('max_distance_km') or 5.0)
+    search_radius_km = round(base_km * 1.0, 1)
 
     if case_data.get('lat') and case_data.get('lon'):
         try:
@@ -273,7 +285,11 @@ async def rules_analyze(case_data: dict[str, Any]) -> AnalysisResult:
                     distance=zone['distance_km'],
                     reason=_build_zone_reason(zone, case_data),
                 ))
-            search_radius_km = scorer.distance_multiplier * 2.0
+            # Радиус = max_distance (НормС×коэффициенты) × средний психотип-множитель.
+            # score_zone.distance_multiplier НЕ используется: он накопил age/season,
+            # уже учтённые в max_distance — двойной учёт.
+            base_km = float(case_data.get('max_distance_km') or 2.0)
+            search_radius_km = round(base_km * _psychotype_radius_multiplier(case_data), 1)
         except Exception as e:
             logger.warning(f'Geo/scoring service error: {e}')
 

services/search_engine.py

@@ -269,6 +269,7 @@ async def build_search_model(
         case_data['psychotype_modifiers'] = psychotype_modifiers
 
     max_distance_km = calculate_max_distance(case_data)
+    case_data['max_distance_km'] = max_distance_km
     analysis = await analyzer(case_data)
 
     scorer = WeightedScorer()