Street Drop · خوراک اندیشه

یک مکان، از روی نشانه‌هایش

این بازی گونهٔ حدس‌زدن مکان را از نو مشخصات‌بندی می‌کند و به‌جای تصویرهای خیابانی، مجموعه‌ای تقطیرشده از سرنخ‌های محیطی می‌گذارد که جای یک مکان را روی نقشه تنگ‌تر می‌کنند.

به انگلیسی نوشته و ویرایش شده است. این نسخهٔ فارسی با ترجمهٔ ماشینی تهیه شده است؛ هر جا دقت اهمیت دارد، متن اصلی انگلیسی معتبر است. خواندن متن اصلی به انگلیسی ←

ایدهٔ هستهٔ این گونه

گونهٔ حدس‌زدن مکان از بازیکن می‌خواهد از روی مجموعه‌ای از نشانه‌ها استنتاج کند که یک مکان کجای نقشهٔ جهان است، و سپس آن مکان را با یک سنجاق نشانه بزند. هر دور یک مکان را پیش می‌گذارد و بازیکن سنجاقی می‌نشاند تا حدسش را نشان دهد. امتیاز به این بستگی دارد که سنجاق چقدر به مکان واقعی نزدیک باشد؛ حدس‌های نزدیک‌تر امتیاز بیشتری می‌گیرند و انطباق کامل بیشترین امتیاز را. این ساختار حلقه‌ای از مشاهده، فرضیه و بازخورد می‌سازد که دسته‌ای گسترده از بازی‌های جغرافیایی را تعریف کرده است. این گونه در مه 2013 پدید آمد، وقتی Anton Wallén، مشاور سوئدی فناوری اطلاعات، بازی‌ای مرورگری منتشر کرد که نام خود را به کل این دسته داد. آن بازی، GeoGuessr، پنج دور دارد که هر یک تا 5,000 امتیاز می‌ارزد، و الگویی را بنیان نهاد که در آن بازیکنان نشانه‌ها را وارسی می‌کنند و نقطه‌ای را روی نقشه می‌یابند، با امتیازدهی بر پایهٔ نزدیکی به مکان راستین. ¹

Street Drop همچون یکی از خویشاوندان به این گونه وارد می‌شود: حلقهٔ اصلی استنتاجِ یک مکان و نشاندن سنجاق را نگه می‌دارد و آنچه را عوض می‌کند سرنخ‌های در دسترس است. به‌جای عکس‌های هم‌سطح خیابان یا نماهای پانوراما، هر دور پرونده‌ای کوتاه و نوشتاری از سرنخ‌های تعمیم‌یافتهٔ محیطی را زیر عنوان «What you can see» («آنچه می‌بینید») به دست بازیکن می‌دهد. سرنخ‌ها این‌ها را می‌گویند: سمتی از جاده که خودروها در آن می‌رانند، نیم‌کره، اقلیم، پوشش گیاهی، زبان تابلوها، معماری، و واحد پول — به همین ترتیب. بازیکن آن‌ها را می‌خواند، روی نقشهٔ مسطح جهان کلیک می‌کند تا سنجاقی بنشاند، و آن را می‌اندازد تا پاسخ قفل شود. هرچه سنجاق نزدیک‌تر، امتیاز بالاتر. سازوکار همان بنیاد این گونه می‌ماند: مکانی باید از روی نشانه‌ها استنتاج و روی نقشه یافته شود، با امتیازدهی بر پایهٔ نزدیکی به نقطهٔ راستین. مجموعه‌دادهٔ گزیدهٔ خود بازی، شامل شصت‌ویک شهر، سرنخ‌هایی را فراهم می‌کند که این استنتاج را راه می‌برند. ²

آنچه این بازمشخصات‌بندی را متمایز می‌کند انتزاعی‌بودن سرنخ‌هاست. بازی به‌جای عرضهٔ جزئیات دیداری که تفسیر سایه‌ها، برگ‌وبار یا خط تابلوها را می‌طلبد، مجموعه‌ای ساخت‌یافته از میدان‌ها را فراهم می‌کند که ویژگی‌های محیطی را خلاصه می‌کنند. یکی از میدان‌ها زبانی را نام می‌برد که روی تابلوها ظاهر می‌شود. دیگری می‌گوید خودروها از چپ می‌رانند یا از راست. سومی مکان را در نیم‌کرهٔ شمالی یا جنوبی می‌نشاند. چهار میدان دیگر اقلیم، پوشش گیاهی، معماری و واحد پول را می‌دهند. این هفت عبارت کوتاه، همهٔ آن چیزی است که بازی دربارهٔ یک مکان می‌داند، و بازیکن باید آن‌ها را در یک فرضیهٔ جغرافیایی ترکیب کند. ²

این گونه پرسشی ساده می‌پرسد: این مکان کجای نقشه نشسته است؟

ساختار یک دور

هر دور با برگزیدن یک هدف از مجموعه‌دادهٔ گزیدهٔ بازی آغاز می‌شود: شصت‌ویک شهر واقعی پراکنده در پنجاه کشور، که هر یک با عرض و طول جغرافیایی تقریبی و مجموعهٔ سرنخ‌های تعمیم‌یافتهٔ محیطی‌اش ذخیره شده است. این گزینش قطعی است. مولدی کوچک و بذرمند یک عدد را به یک نمایه در آن فهرست بدل می‌کند، پس یک بذر همواره همان شهر را می‌دهد. در حالت روزانه آن بذر درهم‌سازیِ تاریخ تقویمی به وقت UTC است، که باعث می‌شود سنجاق‌اندازی آن روز برای همهٔ بازیکنان یکسان باشد؛ حالت تمرین به‌جای آن بذر خود را از ساعت می‌گیرد و با هر اندازِ تازه بذر را جلو می‌برد، پس یک دور تمرینی دورِ هیچ‌کس دیگری نیست. ²

دو تنظیم دشواری تعیین می‌کنند که بازیکن چه اندازه از آن پرونده را می‌بیند و آیا ساعتی در کار است. تنظیمی که بازی آن را Classic («کلاسیک») می‌نامد هر هفت سرنخ را بدون زمان‌سنج آشکار می‌کند. تنظیمی که Speed («سرعت») برچسب خورده تنها چهار سرنخ نخست را آشکار می‌کند — سمت رانندگی، نیم‌کره، اقلیم و پوشش گیاهی — و به بازیکن سی ثانیه وقت می‌دهد؛ زبان تابلوها، معماری و واحد پول یکسره دریغ می‌شوند. Speed در ازایش امتیاز نهایی را در 1.25 ضرب می‌کند. هیچ‌یک از این دو تنظیم سازوکار اصلی نشاندن سنجاق را عوض نمی‌کند. آنچه آسان است فرضش کنیم و نادرست است این است که سرنخ‌ها قطره‌قطره در طول دور بیرون بیایند: هر سرنخی که تنظیم اجازه‌اش را بدهد همان لحظهٔ آغاز دور یکجا چاپ می‌شود، پس ترتیب ثابت سرنخ‌ها تعیین می‌کند Speed کدام‌ها را نگه دارد و به چه ترتیبی فهرست شوند، نه آهنگی که با آن از راه می‌رسند. ²

همین‌که بازیکن سنجاق را انداخت، بازی فاصلهٔ دایرهٔ عظیمهٔ میان حدس و هدف را با فرمول هاورساین، روی کره‌ای به شعاع 6,371 کیلومتر، محاسبه می‌کند. آن فاصله با یک فروکاست نمایی به امتیاز بدل می‌شود: پنج هزار، ضرب در e به توان منهای فاصله تقسیم بر دو هزار کیلومتر، گرد شده به عددی صحیح. پس یک سنجاق بی‌خطا در Classic امتیاز 5,000 می‌گیرد؛ در Speed ضریب 1.25 یک سنجاق بی‌خطا را به 6,250 می‌رساند. در هر حال نتیجه درجه‌بندی‌شده است نه دوگانه، و بازی هر دو نیمهٔ آن را گزارش می‌کند: فاصله به کیلومتر و امتیاز. ²

هر سرنخی که بازی قرار است به شما بدهد، پیش از آنکه حتی یک حدس بزنید، روی صفحه است.

سرنخ‌ها همچون صافی‌های جغرافیایی

هفت میدان سرنخ همچون صافی‌هایی کار می‌کنند که مجموعهٔ مکان‌های محتمل را تنگ‌تر می‌کنند، اما به‌هیچ‌رو به یک اندازه تیز نیستند. زبان تابلوها تیزترینِ آن‌هاست: چهل توصیف گوناگون از تابلوها میان آن شصت‌ویک مدخل پخش شده و سی‌ویکی از آن‌ها دقیقاً یک بار می‌آیند، پس سرنخی که بگوید ایسلندی، تایلندی یا امهری، شهر را یکراست لو می‌دهد. سمت رانندگی چنان می‌نماید که باید جهان را نصف کند، و نمی‌کند. نوزده شهر از آن شصت‌ویک شهر از چپ می‌رانند و چهل‌ودو از راست، پس این خبر که خودروها سمت راست می‌رانند — پاسخ رایج‌تر — تنها نوزده نامزد را کنار می‌گذارد، کمتر از یک‌سوم میدان. ضمناً همان سرنخی است که نخست فهرست می‌شود، همانی که بازیکن باید از آن آغاز کند. ²

سرنخ نیم‌کره سیاره را از خط استوا دو نیم می‌کند، و به همان سمت کج است. چهل‌ونه شهر از آن شصت‌ویک شهر شمال استوا می‌نشینند و تنها دوازده شهر جنوب آن، پس «نیم‌کرهٔ شمالی» حدود یک‌پنجم میدان را حذف می‌کند حال آنکه «نیم‌کرهٔ جنوبی» حدود چهارپنجم را حذف می‌کند و به‌مراتب پاسخ ارزشمندتری است که به تورتان بیفتد. سرنخ‌های اقلیم، پوشش گیاهی و معماری با توصیف شرایطی که در کمربندهای عرضی و منطقه‌ای خوشه می‌زنند ویژگی می‌افزایند: اقلیم‌های گرمسیری نزدیک استوا متمرکزند حال آنکه اقلیم‌های بری و نیمه‌قطبی عرض‌های بالاتر را اشغال می‌کنند، پوشش گیاهی از اقلیم پیروی می‌کند، و سبک‌های معماری سنت‌های ساخت‌وساز منطقه‌ای را بازمی‌تابانند. سرنخ واحد پول مکان را به یک نظام پولی ملی گره می‌زند، هرچند کندتر از آن است که می‌نماید — تنها یورو ده شهر از آن شصت‌ویک شهر را پوشش می‌دهد. ²

سرنخ‌ها بیش از همه در ترکیب با یکدیگر کارساز می‌شوند. بازیکنی که به او گفته‌اند خودروها از چپ می‌رانند و مکان در نیم‌کرهٔ جنوبی است، پیشاپیش به هفت شهر از آن شصت‌ویک شهر رسیده است، و اقلیم و پوشش گیاهی معمولاً آن هفت شهر را از هم جدا می‌کنند. در تنظیم Classic، زبان تابلوها و واحد پول سپس فاصله را تقریباً به‌تمامی می‌بندند. در Speed هیچ‌یک از آن دو روی صفحه نیست، و به همین دلیل تنظیم سریع صرفاً نسخهٔ کوتاه‌ترِ تنظیم کند نیست — از بازیکن می‌خواهد کار را تنها با اقلیم و پوشش گیاهی تمام کند. ²

ظرافت این گونه در سادگی‌اش است: مشاهده کن، فرضیه بساز، نشانه بزن، امتیاز بگیر.

از نشانه‌ها تا مختصات

کار بازیکن این است که سرنخ‌های انتزاعی را به مختصات مشخص ترجمه کند. عرض و طول جغرافیایی هر هدف تقریبی اما واقعی است و هنگام افزوده‌شدن شهر به مجموعه‌داده تثبیت شده است. بازیکن باید تنها از روی نمایهٔ محیطی برآورد کند که آن مختصات کجا می‌افتند، و این یعنی دانستن اینکه ویژگی‌های جغرافیایی چگونه روی سیاره توزیع می‌شوند. زبان‌ها در منطقه‌های خاصی خوشه می‌زنند. سمت‌های رانندگی از الگوهای تاریخی و استعماری پیروی می‌کنند. اقلیم‌ها کمربندهای عرضی می‌سازند. پوشش گیاهی آینهٔ کمربندهای اقلیمی است. نظام‌های پولی به مرزهای ملی گره خورده‌اند. معماری سنت‌های منطقه‌ای و مصالح در دسترس را بازمی‌تاباند. خودِ سنجاق با یک کلیک ماوس روی نقشهٔ استوانه‌ای هم‌فاصلهٔ جهان می‌نشیند، جایی که طول جغرافیایی مستقیم در عرض صفحه و عرض جغرافیایی مستقیم در ارتفاع آن نگاشته می‌شود، پس کلیک تنها با دو تقسیم و نه بیشتر به عرض و طول جغرافیایی بدل می‌شود. ²

ارزش دارد دقیق باشیم که بذر واقعاً چه چیزی را کنترل می‌کند، چون کمتر از آن چیزی است که واژهٔ «قطعی» می‌نمایاند. بذر شهر هدف را برمی‌گزیند و نه هیچ چیز دیگر. اینکه کدام سرنخ‌ها ظاهر شوند را تنظیم دشواری تعیین می‌کند نه بذر، و ترتیبی که در آن فهرست می‌شوند ثابتی است که در موتور بازی کامپایل شده و در هر دوری که تاکنون بازی شده یکسان است. تضمین تجربهٔ مشترک تنها برای سنجاق روزانه برقرار است، که بذرش درهم‌سازی تاریخ UTC است؛ بذرهای تمرینی از ساعت می‌آیند، پس بسیار بعید است دو بازیکن به یک شهر تمرینی برسند. آنچه این قطعیت واقعاً می‌خرد بازتولیدپذیری است: یک بذر و یک دشواری همواره دقیقاً همان دور را از نو می‌سازند، و همین است که موتور را آزمون‌پذیر می‌کند. ²

هندسهٔ امتیازدهی بر فاصلهٔ دایرهٔ عظیمهٔ میان حدس و هدف استوار است: کوتاه‌ترین مسیر میان دو نقطه روی یک کره، اندازه‌گیری‌شده در امتداد کمان دایرهٔ عظیمه‌ای که از آن دو می‌گذرد. فرمول هاورساین راه استاندارد محاسبهٔ آن از روی عرض‌ها و طول‌های جغرافیایی است، و اینجا از آن استفاده می‌شود چون در فاصله‌های کوچک از نظر عددی خوش‌رفتار می‌ماند، جایی که قانون کهنه‌ترِ کسینوس‌های کروی دقتش را از دست می‌دهد. برخورد با زمین همچون یک کره، به‌جای بیضی‌گونِ پهن‌شده‌ای که در واقع هست، اندکی از دقت می‌کاهد، اما اندک است: فرمول‌های دایرهٔ عظیمه که بر طول جغرافیایی و عرض جغرافیایی ژئودتیک اعمال شوند تا حدود نیم درصد دقیق‌اند، و موتور از شعاع متوسط متعارف 6,371 کیلومتر استفاده می‌کند. ³

یک مجموعه‌دادهٔ گزیده به بنیاد استنتاج و اندازه‌گیری بدل می‌شود.

مجموعه‌داده همچون دانشی گزیده

مجموعه‌داده بنیاد هر دور است: شصت‌ویک شهر واقعی در پنجاه کشور، که هر یک عرض و طول جغرافیایی تقریبی و هفت سرنخ تعمیم‌یافتهٔ خود را دارد. از ریکیاویک در شصت‌وچهار درجهٔ شمالی تا ملبورن در نزدیک سی‌وهشت درجهٔ جنوبی کشیده شده است. جفت‌هایی را هم در خود دارد که آن‌قدر به هم نزدیک‌اند که اشتباه‌گرفتنشان زیان چندانی ندارد — کیوتو 363 کیلومتر از توکیو فاصله دارد، پس حدس‌زدنِ نادرستِ یکی از آن دو باز هم 4,170 امتیاز از 5,000 ممکن را برمی‌گرداند، و ملبورن 713 کیلومتر از سیدنی دور است که 3,500 می‌ارزد. هر مدخل مکانی واقعی با ویژگی‌های محیطی واقعی است، فشرده در هفت عبارت کوتاه. ²

تعمیم داده‌های محیطی به این هفت میدان انتخابی طراحانه است که شکل می‌دهد بازیکنان چگونه با اطلاعات جغرافیایی درگیر شوند. بازی به‌جای عرضهٔ تصویرهای مفصل هم‌سطح خیابان یا داده‌های پیچیدهٔ محیطی، خلاصه‌ای ساخت‌یافته فراهم می‌کند که بازیکنان باید آن را ترکیب کنند. این انتزاع از بازیکنان می‌خواهد به این بیندیشند که ویژگی‌های جغرافیایی چگونه روی سیاره توزیع می‌شوند و آن ویژگی‌ها چگونه مجموعهٔ مکان‌های محتمل را مقید می‌کنند.

ترتیب سرنخ‌ها ثابتی است و به‌جای یک کار، دو کار می‌کند. هم ترتیبی را تعیین می‌کند که سرنخ‌ها در صفحه فهرست می‌شوند، و هم — چون تنظیم Speed صرفاً چهار سرنخ نخست را برمی‌دارد — تعیین می‌کند Speed کدام سه سرنخ را دور می‌اندازد. آن ترتیب داوری طراحانهٔ واقعی است. گذاشتن سمت رانندگی و نیم‌کره در صدر یعنی تنظیم سریع دو صافیِ از همه درشت‌ترِ بازی را نگه می‌دارد و سه صافیِ از همه تیزتر را دور می‌ریزد: زبان، معماری و واحد پول. بازیکن Speed نسخهٔ کوچک‌تری از معمای Classic را حل نمی‌کند. نسخهٔ مبهم‌تری را حل می‌کند، در ازای 1.25 برابر امتیاز. ²

ساختار بازی استنتاج جغرافیایی را به نتیجه‌ای سنجش‌پذیر بدل می‌کند.

سازوکار امتیازدهی

قاعدهٔ امتیازدهی یک سطر حساب است. فاصلهٔ هاورساین به کیلومتر وارد می‌شود؛ پنج هزار، ضرب در e به توان منهای آن فاصله تقسیم بر دو هزار، بیرون می‌آید، ضرب در پاداش دشواری و سپس گرد شده به عددی صحیح. دو هزار کیلومتر تمام شخصیت این منحنی است: هر دو هزار کیلومتر خطای بیشتر، آنچه را از امتیاز مانده در حدود 0.37 ضرب می‌کند. سنجاقی که دویست کیلومتر خطا داشته باشد 4,524 امتیاز نگه می‌دارد. هزار کیلومتر خطا 3,033. دو هزار کیلومتر خطا — به پهنای یک قاره — باز هم 1,839 نگه می‌دارد. ²

آن شکل، هر جا که این گونه به بخشندگی نیاز دارد بخشنده است و هر جا نیاز ندارد نابخشنده. چون فروکاست بر فاصلهٔ مطلق می‌گردد نه بر نسبت میان دو فاصله، آنچه اهمیت دارد این است که چند کیلومتر خطا کرده‌اید، نه چند برابر: دوبرابرکردن یک خطای کوچک و دوبرابرکردن یک خطای بزرگ هزینه‌هایی کاملاً متفاوت دارند. دویست کیلومتر نخست کمتر از یک‌دهم بیشینه هزینه می‌برد، پس بازیکنی که کشور درست را تشخیص دهد تقریباً همیشه بیشترِ امتیاز را به جیب می‌زند. با این همه، دنباله آن‌قدر تند می‌افتد که حدسی در آن سوی جهان ارزش چندانی ندارد — ده هزار کیلومتر خطا سی‌وچهار امتیاز برمی‌گرداند، و تنها آن سوی حدود هجده هزار و چهارصد کیلومتر، نزدیک به مرز پادنقطه‌ای که حدود بیست هزار کیلومتر است، امتیاز گردشده سرانجام به صفر می‌رسد. ²

گام ارزیابی پلی میان اندازه‌گیری جغرافیایی و امتیازدهی بازی است: دور و مختصات حدس‌زده‌شده را می‌گیرد، کمان را اندازه می‌گیرد، فروکاست و پاداش دشواری را اعمال می‌کند، و هر دو عدد را برای نمایش بازمی‌گرداند. یک حالت مرزی‌اش ارزش اشاره دارد، چون همان موردی است که فرمول نمی‌تواند دربارهٔ آن سخنی بگوید. اگر زمان‌سنج Speed بی‌آنکه سنجاقی روی نقشه باشد تمام شود، اصلاً کمانی برای اندازه‌گیری وجود ندارد و دور با صفر بسته می‌شود. یک حدس و نبودِ حدس دو چیز متفاوت‌اند، و تنها اولی فاصله دارد. ²

اندازه‌گیری به زبانی بدل می‌شود که بازی با آن فهم جغرافیایی را ارزیابی می‌کند.

جذابیت دیرپای این گونه

گونهٔ حدس‌زدن مکان ماندگار است چون دانش جغرافیایی را به چالشی تعاملی بدل می‌کند. بازیکنان باید نشانه‌ها را مشاهده کنند، فرضیه بسازند و آن فرضیه‌ها را در برابر سازوکاری امتیازدهنده بیازمایند. ساختار این گونه حلقه‌ای گیرا از استنتاج و بازخورد می‌سازد. هر دور معمایی تازه پیش می‌گذارد، و هر حدس اطلاعاتی دربارهٔ این می‌دهد که بازیکن سرنخ‌ها را چقدر خوب فهمیده است. سازوکار امتیازدهی به دقت پاداش می‌دهد و سنجه‌ای روشن از عملکرد فراهم می‌کند. ¹

بازمشخصات‌بندی Street Drop از این گونه حلقهٔ اصلی را نگه می‌دارد و سرشت نشانه‌ها را عوض می‌کند. بازی با عرضهٔ مجموعه‌ای گزیده از سرنخ‌های تعمیم‌یافتهٔ محیطی به‌جای تصویرهای هم‌سطح خیابان، تمرکز را از تفسیر دیداری به استدلال جغرافیایی جابه‌جا می‌کند. بازیکنان باید به این بیندیشند که زبان‌ها، سمت‌های رانندگی، اقلیم‌ها و دیگر ویژگی‌ها چگونه روی سیاره توزیع می‌شوند. باید چند سرنخ را در یک فرضیهٔ جغرافیاییِ هم‌بسته ترکیب کنند و آن فرضیه را به مختصات ترجمه کنند. ²

بذر روزانه و مجموعه‌دادهٔ گزیده به آن استدلال قابی یکدست می‌دهند: همه در یک تاریخ همان شهر را می‌گیرند، و هر بذر مفروضی دقیقاً همان دور را از نو می‌سازد. قاعدهٔ امتیازدهی نتیجه را به سنجه‌ای روشن از دقت جغرافیایی بدل می‌کند. بنیاد این گونه — استنتاج یک مکان و حدس‌زدن آن روی نقشه، با امتیازدهی بر پایهٔ نزدیکی — دست‌نخورده می‌ماند. Street Drop همچون یکی از خویشاوندان به این گونه وارد می‌شود و به دستهٔ گسترده‌تر بازی‌های حدس‌زدن مکان می‌افزاید؛ بازی‌هایی که از بازیکنان می‌خواهند مکان‌ها را از روی نشانه‌ها بیابند و بر پایهٔ نزدیکی حدسشان به حقیقت امتیاز می‌دهند. ¹

Sources & notes

“GeoGuessr,” Wikipedia: a geography game in which players deduce locations and then guess where they are on a world map. The classic game runs five rounds, each showing a different location; the player places a pin on a map and receives up to 5,000 points a round depending on how close the pin is to the actual location, for a maximum of 25,000. It was designed by the Swedish IT consultant Anton Wallén and launched in May 2013 as a browser-based game, and gave its name to a broad genre of location-guessing games in which a place must be deduced from cues and located on a map, scored by proximity to the true spot. en.wikipedia.org/wiki/GeoGuessr.
Street Drop game engine: a pure, deterministic, clue-based re-spec of the location-guessing genre. A curated dataset holds sixty-one real cities in fifty countries, each with an approximate latitude and longitude and seven generalised environment clues — driving side (left or right), hemisphere (north or south), climate, vegetation, signage language, architecture, and currency — listed in that fixed order. The round's target is chosen deterministically from a single seed: a hash of the UTC date in the daily mode, a clock-derived value advanced on every new drop in the practice mode. The difficulty setting fixes how many clues are shown and whether a timer runs; the Classic setting reveals all seven with no timer, the Speed setting reveals the first four with a thirty-second timer and a 1.25× score multiplier. Every revealed clue is printed at once when the round starts. The player clicks an equirectangular world map to place a pin; the great-circle distance between pin and target is computed with the haversine formula on a sphere of radius 6,371 km, and the score is 5,000 × e raised to minus the distance divided by 2,000 km, rounded, times the difficulty multiplier. If the Speed timer expires with no pin placed, there is no distance and the round scores zero. Read from the game's own source.
“Great-circle distance,” Wikipedia, for the geometry the scoring rests on: the haversine formula is “numerically better-conditioned for small distances” than the spherical law of cosines, and great-circle formulas applied to longitude and geodetic latitude on the Earth are “accurate to within about 0.5%”. The mean Earth radius is about 6,371.009 km for the WGS84 ellipsoid. en.wikipedia.org/wiki/Great-circle_distance.
Further reading: Lukas Haas, Michal Skreta, Silas Alberti and Chelsea Finn, “PIGEON: Predicting Image Geolocations” (2023), a model trained on GeoGuessr data that locates photographs from their visual cues. arxiv.org/abs/2307.05845.