Der Median liegt bei 222 s, der Mittelwert bei 304 s. Ein Training auf der Rohskala würde seine Kapazität auf wenige Extremfahrten verwenden.

Nach der Log-Transformation ist die Verteilung annähernd symmetrisch — das ist der Grund, warum das transformierte Ziel später den grössten einzelnen Sprung bringt.

Von der reinen Physik — Distanz und geschätzte Fahrzeit — zu den konstruierten Sets sind es rund 20 Sekunden.

Danach passiert nichts mehr: die beiden besten Sets liegen weniger als eine Sekunde auseinander, obwohl eines 14 und das andere 21 Spalten hat.

Beim SVR sind es 19 Sekunden Gewinn, bei Gradient Boosting knapp 7.

Bei den linearen Modellen kehrt sich der Effekt um: sie werden um 4 Sekunden schlechter. Die Transformation hilft Modellen, die eine umverteilte Fehlerfläche ausnutzen können, und schadet denen, die eine Gerade hindurchlegen.

Sechs von 280 Konfigurationen kommen unter 145 Sekunden. Lineare Regression, SVR, Random Forest und Gradient Boosting trennen an der Spitze weniger als vier Sekunden.

Wenn völlig verschiedene Verfahren auf denselben Boden fallen, liegt die Grenze nicht am Verfahren.

Die geschätzte Fahrzeit trägt 49 % — mehr als alle Geo- und Zeitmerkmale zusammen.

Das ist bemerkenswert, weil diese Schätzung nicht aus der Analyse stammt, sondern bereits in den Rohdaten liegt. Wie viel eigene Wertschöpfung übrig bleibt, klärt die Ablation im Methodik-Teil.

Wiederholte Kreuzvalidierung ergibt eine Streuung von rund ± 3 Sekunden — grösser als die Abstände zwischen den besten Kandidaten.

Validierung und Kreuzvalidierung küren unterschiedliche Sieger. Die belastbare Aussage lautet nicht „SVR gewinnt“, sondern „diese sechs sind ununterscheidbar“.

Ein temporaler Split ist der bessere Test für den Einsatz — er verlangt, dass das Modell in eine ungesehene Periode überträgt.

Hier liefert er die bessere Zahl, weil sein Testabschnitt keine einzige Regenzeit-Fahrt enthält. Bei 14 Monaten Daten fällt der letzte Zeitabschnitt zwangsläufig in eine Jahreszeit. Eine Zahl, die sich verbessert, wenn die Methodik strenger wird, misst das Fenster, nicht das Modell.

Von rund 53 Sekunden Gewinn über der Baseline liefert die bereits vorhandene Fahrzeitschätzung allein etwa 28.

Sie wegzulassen kostet aber nur rund 8 Sekunden — Schätzung und konstruierte Features sind grösstenteils redundant. Das Modell verpackt keine fremde Schätzung neu, aber die eigene Wertschöpfung ist kleiner, als die Gesamtzahl vermuten lässt.

Der mittlere vorzeichenbehaftete Fehler liegt bei rund +60 Sekunden und liest sich wie eine systematische Unterschätzung.

Er ist überwiegend die Schiefe der Zielverteilung: MAE wird vom bedingten Median minimiert, und bei rechtsschiefem Ziel liegt der Mittelwert zwangsläufig darüber. Die tatsächliche Drift des Modells beträgt rund 14 Sekunden.

Die gebaute Pipeline unterbietet die Referenz der Aufgabe um 15,3 % und den ersten eigenen Anlauf vom März um 9,0 %.

Gemessen auf 1.635 Fahrten, deren echte Werte erst nach der Projektbesprechung vorlagen. Auf dem vorgeschriebenen Testsplit sind es 135,70 s bei einem Bestimmtheitsmass von 0,3673.

Der mittlere absolute Fehler steigt von 74 auf 220 Sekunden — längere Fahrten bieten mehr Gelegenheit, im Stau zu stehen, und streuen entsprechend.

Die Verzerrung wächst deutlich schwächer mit: von +8 auf +26 Sekunden. Der Grossteil des scheinbaren Anstiegs ist wieder die Schiefe, nicht das Modell.

MAE wird vom Median minimiert — die Hälfte aller Schätzungen liegt damit zu niedrig. Für eine Zusage an einen wartenden Fahrgast ist das die falsche Zielfunktion.

Ein auf das 80. Perzentil trainiertes Modell hat die deutlich schlechtere Kennzahl und hält seine Zusage in vier von fünf Fahrten statt in gut der Hälfte.