BoatraceCSV

確率的スリット(展開モンテカルロ)実装計画

slit_tenkai.md の検証で「スリット隊形は結果を強く規定するが、 点推定では 7 割外す」ことが分かった。その結論を受けて、スリットを 1 本の点推定 ではなく ST の予測分布からのサンプリング で表現し、隊形・決まり手の確率として 出力する仕組みの実装計画。

⚠ Phase 0 の結果(2026-08-10): 本命案は不合格。撤退ライン 3(ST 帯のみ)で実装する

検証記録は notebooks/slit_sim/report.md。

案 判定
隊形 6 分類 + 決まり手(§2 の本命) FAIL — 4 基準すべて。隊形 Brier 0.6402 が定数予測 0.6343 に負ける
撤退 1: 隊形 3 分類 FAIL — σ スケールを全探索しても五分位校正が 7.5pt 未満にならない
撤退 2: 決まり手を落とす FAIL — 撤退 1 が前提のため同時に不成立
撤退 3: ST 帯 (p25〜p75) のみ PASS — Student-t で被覆率が名目 ±1pt 以内

原因は調整不足ではなく構造的なもの。in_margin(1 コースの前後量)の 分散のうち事前に説明できるのは 3.9%(corr 0.197)しかなく、 レース単位の散らばりも観測変数と相関しない(A1 人数 -0.109 / 風速 0.065 / 場 -0.016)。 どうサンプリングしても出力はレース非依存の定数に潰れる。

以下 §1〜§5 は当初計画の記録。実際に実装するスコープは §9 を見ること。

0. 事前に判明している設計上の落とし穴

プロトタイプ(2025-11〜2026-08 の 36,767 レース)で以下を確認済み。 Phase 1 に入る前にこれらを織り込むこと。素朴な実装は必ずミスキャリブレーションする。

0.1 ST 分散の 56% は「レース共通ショック」

分解 sd 分散比
実測 ST(周辺) 0.0721 100%
レース平均 ST(共通成分: 風・水面・場全体の緩急) 0.0539 55.9%
レース内偏差(個別成分) 0.0479 44.1%

スリット隊形は レース内の相対位置なので、共通成分は完全にキャンセルする。 サンプリングに使う σ は選手の周辺 sd(0.067)ではなくレース内残差 sd(≈0.047)。 周辺 sd をそのまま使うと隊形が散らばりすぎる(下表)。

0.2 コース別 ST オフセットを入れないと隊形が偏る

in_margin(1 コースが外の最先行艇より前に出ている量, m)の分布:

  mean sd 揃い(±0.6m) 大幅遅れ(≦-1.75m)
実測 -0.497 0.881 56.7% 7.6%
MC(全国平均ST + 独立正規 σ=0.0465) -0.754 0.778 38.5% 10.1%

平均が -0.25m ずれる原因は、全国平均 ST がコース非依存なこと。実測のコース別平均 ST は 1C 0.151 / 6C 0.181 と 0.030 秒(0.42m)の系統差がある。 racer_st.py の COURSE_OFFSET(1C -0.0090 〜 6C +0.0119)はこれを部分的に持つので、 MC の μ には全国平均 ST ではなく data/estimate/racer_st/ の推定 ST を使うこと。

0.3 予測偏差には収縮が必要

予測 ST のレース内偏差 pdev と実測偏差 dev の相関は 0.241、回帰係数 β = 0.586。 pdev をそのまま使うと予測が自信過剰になる。μ は race_mean + β × (推定ST - race_mean) として縮める。β は Phase 0 で racer_st 版に対して再推定する。

0.4 レース内偏差は極端に裾が厚い(超過尖度 26.1)

分位 実測 |dev| 同 sd の正規
50% 0.0283 0.0328
90% 0.0750 0.0799
99% 0.1450 0.1252

芯は正規より鋭く、裾ははるかに重い(大出遅れ)。Student-t(df≈5.9, scale≈0.0388)が よく当てはまる。ただしプロトタイプでは t 化しても隊形の周辺分布はほとんど改善しなかった (0.2 のコースオフセット欠落のほうが支配的)。t の採用可否は Phase 0 で 0.2/0.3 を 直した状態で判定すること。先に t を入れて満足しないこと。

0.5 選手別 σ は実在する(作る価値がある)

30 走以上の 1,544 選手を期間で半分に割った split-half:

グローバル σ 固定でも動くが、選手別 σ は Phase 1 で入れるだけの再現性がある。

1. 全体構成

boatracecsv (Python)                          fun-site (TS)
─────────────────────────                     ──────────────────────
racer_st.py  ── 推定ST μ + σ                  fetcher/slit-sim-schemas.ts
     │                                              │
slit_sim.py  ── MC サンプリング                site-builder/prediction-builder.ts
     │         隊形分類 → 確率                       │
build_slit_sim.py                             StartPredictionDiagram.astro (ST 帯)
     │                                        TenkaiScenario.astro (新規)
data/estimate/slit_sim/YYYY/MM/DD.csv ───────▶

計算は boatracecsv 側に置く。理由:

2. Phase 0 — 校正パラメータの確定(notebook)

成果物: notebooks/slit_sim/calibration.ipynb + report.md + 凍結する定数一式

racer_st.py の推定 ST を μ に使い、以下を決める。

パラメータ 決め方
BETA(収縮係数) 推定 ST のレース内偏差 → 実測偏差 の回帰係数
SIGMA_GLOBAL 収縮後残差のレース内 sd
SIGMA_BY_COURSE コース別残差 sd(6C は他より大きい見込み)
選手別 σ の収縮定数 K_SIGMA racer_st.K_PRIOR(=10)に倣い split-half で決定
分布形(正規 / Student-t df) §0.4 の判定。t なら df と scale
隊形テーブル slit_tenkai.md §3.1 の 6 分類 × 決まり手 3 値

学習窓 / テスト窓(決定): 学習 2026-03-01〜06-20 / テスト 2026-06-21 以降。 racer_st.py の Phase 2 と同一窓に揃える。μ を供給する推定 ST の定数がこの窓で 凍結されている以上、σ と β を別窓で引くと μ の残差構造とずれる。 2025-11 以降の全期間を使わないのはこの理由による(サンプル数より整合性を優先)。

受け入れ基準(上記テスト窓、レース単位で時系列分割):

  1. in_margin の mean / sd / |·|≦0.6m 率 が実測と ±0.05m / ±0.05 / ±3pt 以内
  2. 隊形 6 分類の周辺確率が実測出現率と 各 ±3pt 以内 (プロトタイプの現状: 「ほぼ揃い」39.6% vs 実測 56.9% で 不合格)
  3. 決まり手 3 値の五分位校正で、各ビンの予測平均と実測が ±5pt 以内 (現状: 逃げ 最上位ビン 予測 52% vs 実測 65% で 不合格)
  4. 隊形確率の Brier score が「全レース一律に周辺分布を出す」定数予測を下回る

1〜3 が通らない限り Phase 1 に進まない。 校正が取れていない確率を UI に出すのは、 点推定スリットより悪い(数字がついている分だけ信用されてしまう)。 どうしても通らない場合の撤退ラインは §6。

工数目安: 2〜3 日。

3. Phase 1 — boatracecsv 側の実装

3.1 scripts/boatrace/racer_st.py に σ 推定を追加

現状の状態ファイルは 登録番号, 重み付き和, 重み計, 基準日 の 3 変数 EWMA。 σ 用に 二乗和 の列を 1 本足すだけで同じ増分更新が使える。

data/estimate/racer_st/state.csv
  登録番号, 重み付き和, 重み付き二乗和, 重み計, 基準日
                ^^^^^^^^^^^^^^ 追加

注意: load_day_runs() は F(負値 ST)を履歴から除外している。σ でも同じ扱いにする。 F を含めると σ が跳ね上がり、隊形が散らばりすぎる。

触るファイル: scripts/boatrace/racer_st.py / scripts/build_racer_st.py / scripts/tests/unit/test_racer_st.py

3.2 scripts/boatrace/slit_sim.py(新規)

SIGMA_BY_COURSE: dict[int, float]   # Phase 0 で凍結
BETA: float
KIMARITE_BY_PATTERN: dict[str, tuple[float, float, float]]  # 逃げ/まくり系/差し

def classify_formation(st: np.ndarray) -> np.ndarray:
    """(..., 6) の ST → 隊形ラベル。slit_tenkai.md §3.1 と同一定義。"""

def simulate(mu: np.ndarray, sigma: np.ndarray, n: int = 2000, seed: int) -> SlitSimResult:
    """μ を BETA で収縮 → n 本サンプル → 隊形確率・先手率・ST 分位点を返す。"""

daily の進入コース(決定): 枠なり固定。Nコース_艇番 = N として計算し、 stt が入った時点で realtime 行に差し替える。前検情報から進入を予想する余地はあるが、 枠なり以外の進入は当日朝には根拠が無く、外すと隊形が丸ごとずれる。 daily は「暫定表示」と割り切る(build_index.py が preview 由来成分を 50 で 中立化しているのと同じ思想)。

6 艇立て以外の扱い(決定): build_index.py に倣い、列スキーマは常に 6 コース分を 保ち、不在コースは空欄にする(同ファイルが欠場枠の全列を NaN で埋めるのと同じ)。 その上で:

3.3 scripts/build_slit_sim.py(新規)+ 出力 CSV

data/estimate/slit_sim/YYYY/MM/DD.csv(1 レース 1 行):

列 内容
レースコード / レース日 / レース場コード / レース回 他ファイルと共通
状態 daily(枠なり進入固定)/ realtime(stt 進入確定)
Nコース_艇番 daily は枠番と同一(枠なり固定)、realtime は stt 由来。不在コースは空欄
Nコース_推定ST / Nコース_ST_p25 / Nコース_ST_p75 帯描画用
Nコース_先手率 そのコースがスリット先頭になる確率
隊形_イン明確先手 … 隊形_大幅遅れ外 (6 列) 合計 1.0
決まり手_逃げ / 決まり手_まくり系 / 決まり手_差し 隊形確率 × §2 の表

Nコース_1着率 は出さない。 スリットだけの 1 着率はモーター・選手の 強さを無視した数字で、強さpt 由来の買い目と並べると矛盾して見える。 展開の言葉(隊形・決まり手)に留める。

CLI は build_index.py に合わせる:

python scripts/build_slit_sim.py --date 2026-08-09 --mode daily
python scripts/build_slit_sim.py --date 2026-08-09 --mode realtime --races 1001,1002

3.4 バッチへの接続

3.5 ドキュメント(CLAUDE.md のルールにより同 PR 必須)

ファイル 追記内容
docs/data/estimate.md Slit Sim 節を新設(列構成・生成タイミング)。Racer ST 節に N枠_推定ST_sd を追記
docs/data/README.md 新ファイル種別として slit_sim を追加
docs/development.md build_slit_sim.py の CLI
docs/operations.md daily / realtime の実行順序、--rebuild の 1 回運用
docs/infrastructure.md run-daily-sync.sh の sparse-checkout 追加

工数目安: 3〜4 日。

4. Phase 2 — fun-site 側の表示

4.1 データ取り込み

4.2 型

packages/shared/src/types/prediction.ts:

/** 確率的スリット。slit_sim CSV 由来。無い日は undefined */
export type SlitSimulation = {
  readonly state: "daily" | "realtime";
  readonly entries: readonly {
    readonly courseNumber: number;
    readonly boatNumber: number;
    readonly st: number;        // 中央値
    readonly stP25: number;
    readonly stP75: number;
    readonly leadProbability: number;   // 先手率
  }[];
  /** 6 艇立て以外は undefined(CSV が空欄。§3.3 の決定) */
  readonly formations?: readonly { readonly key: FormationKey; readonly probability: number }[];
  readonly kimarite?: { readonly nige: number; readonly makuri: number; readonly sashi: number };
};

formations / kimarite を optional にしているのは 6 艇立て以外への対応。 entries は常に存在する(不在コースは配列から落とす)。

RacePrediction に readonly slitSimulation?: SlitSimulation; を追加(optional なので 既存 JSON との後方互換が保てる)。

4.3 描画

4.4 テスト

工数目安: 3〜4 日。

5. Phase 3 — 運用と継続検証

6. 撤退ライン(3 を採用)

Phase 0 の受け入れ基準 1〜3 が通らない場合、以下の順に縮退する。 校正が取れないまま Phase 1 に進むことはしない。 → 実際に 1・2 とも不成立で 3 を採用した。改訂後のスコープは §9。

  1. 隊形 6 分類 → 3 分類に粗くする(イン先手 / 揃い / イン遅れ)。 分類が粗いほど校正は取りやすい
  2. 決まり手確率をやめ、隊形確率だけ出す。決まり手は隊形テーブル経由の 二段推論なので誤差が乗りやすい
  3. 確率をやめ、ST 帯(p25〜p75)の描画だけ実装する。 §0 の分散分解が正しければ帯の幅は素直に出る。これだけでも 「点推定スリットは 7 割外す」問題への回答にはなっており、 Phase 1 の 3.1(σ 推定)と Phase 2 の 4.3 前半のみで到達できる

3 まで落ちるなら実装規模は約 1/3(2〜3 日)になる。

7. 見積まとめ

Phase 内容 目安 前提
0 校正パラメータ確定(notebook) 2〜3 日 —
1 boatracecsv: σ 推定 + MC + CSV + バッチ + docs 3〜4 日 Phase 0 合格
2 fun-site: 取り込み + 型 + 描画 + テスト 3〜4 日 Phase 1 の CSV
3 校正モニタ整備 1 日 Phase 2

Phase 1 と 2 は CSV スキーマ(§3.3)さえ先に固めれば並行できる。

8. 決定事項

着手前の未決 3 点はいずれも決着済み。実装時に蒸し返さないこと。

論点 決定 記載箇所
Phase 0 の学習窓 racer_st.py Phase 2 と同一の 2026-03-01〜06-20(テストは 06-21 以降)。μ の定数がこの窓で凍結されているため、σ / β を別窓で引くと残差構造がずれる §2
状態=daily の進入コース 枠なり固定。stt 取得後に realtime 行へ差し替える §3.2
6 艇立て以外(1.05%) build_index.py に倣い 6 コース分の列スキーマを維持。ST 帯・先手率は出し、隊形_* / 決まり手_* は空欄 §3.2 / §4.2

Phase 0 の結果に依存していた 2 点も決着した。

論点 決定
分布形 Student-t(df 9.14 / scale 0.879)。正規は被覆が名目より +3.5pt 過大
隊形 6 分類のまま出せるか 出さない。§6 の撤退 3 へ

9. 改訂後の実装スコープ(撤退ライン 3)

「ST の予測分布を帯で描く」だけを実装する。隊形確率・決まり手確率は作らない。

9.1 boatracecsv 側

scripts/boatrace/racer_st.py に σ を追加(当初計画 §3.1 のまま):

列 内容
N枠_推定ST_p25 推定ST + t.ppf(0.25, 9.14) × 0.879 × 0.0684 × 相対倍率
N枠_推定ST_p75 同 0.75

build_slit_sim.py と data/estimate/slit_sim/ は作らない。 出力は既存の racer_st CSV に 2 列足すだけで足りる。ファイルを増やすと sparse-checkout・ GCS ミラー・fetcher をすべて増やすことになり、得るものに対して割に合わない。 当初計画 §3.2〜§3.4 は破棄。

進入コースの扱い: 帯幅は進入コースにほぼ依存しない(σ のコース差は 1C 0.048〜6C 0.053)ので、racer_st が持つ枠番ベースのままでよい。 daily / realtime の 2 段構えも不要 — 当初計画 §3.4 の realtime フックは破棄。

6 艇立て以外: racer_st は枠単位の出力なので特別扱い不要(§8 の決定は slit_sim CSV 前提だったため失効)。

ドキュメント: docs/data/estimate.md の Racer ST 節に 2 列を追記。新ファイル種別が無いので docs/data/README.md / docs/infrastructure.md の変更は不要。--rebuild の 1 回運用は docs/operations.md に記載する。

9.2 fun-site 側

スタート予想図を useEstimatedST から切り離す(必須): 帯を持つのは AI 推定 ST 版 (startPredictionEstimated)だけだが、これを描画するのは PredictorSpec.useEstimatedST が true の予想者のカードに限られていた。その 3 者(v5_slit / v7_aggregate / v8_aionly)は 2026-08-10 までに全て退役したため、そのままでは帯がどのカードにも出ない。

帯幅は中央値 0.082 秒 = 1.14m(≒0.4 艇身)なので、図の上で十分見える。

9.3 進捗

Phase 内容 状態
0 校正 完了 — notebooks/slit_sim/report.md
1 boatracecsv: σ 推定 + 2 列追加 + docs 完了
2 fun-site: 取り込み + 型 + 帯描画 完了(実サイトでの目視は未)
3 月次の被覆率モニタ 未着手

Phase 1 で入ったもの:

Phase 2 で入ったもの:

9.4 残作業

9.5 再挑戦の条件

隊形予想は「今のデータでは無理」であって「原理的に無理」ではない。 新しい情報源(周回展示の行き足、部品交換情報、直前気象の細分化など)が 取得できるようになった時点で notebooks/slit_sim/diagnose.py の corr(実測 in_margin, 予測 in_margin) を測り直し、 R² が 0.15 を超えたら §2 の本命案を再検討する(現在 0.039)。