Quito Traffic Jam

MotivationEine Taxi-App in Quito will Fahrgästen vorab sagen, wie lange sie im Stau stehen werden. Wer es weiss, erlebt die Fahrt weniger schlecht — und für das Unternehmen sind Staufahrten unattraktiv, weil nach Strecke abgerechnet wird und nicht nach Zeit.

KernfrageDie Aufgabenstellung nennt eine Messlatte und stellt die Frage selbst: eine einfache lineare Regression erreicht 164,09 s mittleren Fehler. Kannst du das unterbieten? Die gebaute Pipeline erreicht 138,94 s — 15,3 % besser, gemessen auf Werten, die während der Modellierung nicht vorlagen.

Was dabei herauskam280 Modellkonfigurationen von linearer Regression bis Gradient Boosting landen im selben Vier-Sekunden-Band. Nicht die Modelle sind am Ende, sondern die Daten: sie enthalten Start, Ziel und eine Fahrzeitschätzung — aber weder die gefahrene Route noch die Verkehrslage.

GrenzenDer Fehler beträgt weiterhin 61 % der Median-Wartezeit. Für eine Vorwarnung reicht das, für eine Sekundenangabe nicht. Und MAE als Zielfunktion trifft den Median — also liegt die Hälfte aller Schätzungen zu niedrig, was für eine Zusage an einen wartenden Fahrgast die falsche Eigenschaft ist.