UTMB Index 算法刚升级,你的分数升还是降?


(法国霞慕尼,2026  4  27 日)随着越野跑运动的快速发展,全球越野跑赛事体系 UTMB World Series 宣布对 UTMB INDEXUTMB 表现指数)进行重要升级


本次更新在与职业越野跑运动员协会(PTRA)及多位越野跑领域代表人士协作下完成,并对过去五年的全部成绩进行了重新核算


越野跑的世界里,完赛时间往往是最具欺骗性的指标。为了帮助跑者更清晰地理解 UTMB Index 的计算逻辑与自身表现,我们将通过两组 CCC 的夺冠数据来看看新一代的 UTMB Index 系统是如何在环境波动巨大的情况下,给出如此接近且相对更公平的分数的?


答案就藏在 UTMB 指数那个类似“黑匣子”的四步算法逻辑中。


2022 年 Petter Engdahl 以 9 小时 53 分的成绩夺冠和 2024 年 Hayden Hawks 以 10 小时 20 分夺冠,最终 Petter Engdahl 拿到 968 分,而慢了 27 分钟的 Hayden Hawks 拿到了 961 分,仅 7 分之差。



为何 Petter Engdahl 和 Hayden Hawks 在 27 分钟的时间差之下却取得了几乎持平的评价。要弄清楚这个问题,我们首先要意识到为什么完赛时间无法直接比较?因为越野跑的赛道每年都在“变脸”。

2022 年与 2024 年的 CCC 展现了截然不同的竞技现实。2022 年是近五年最快的一届,气温维持在 6-14°C,极利于刷出好成绩,其 DNF(未完赛)率仅为 18%。而 2024 年,选手们面临的是山谷 30°C 的高温洗礼,DNF 率飙升至 28%,意味着每四名选手就有一人折戟。


此外,2024 年赛道末段弃用了相对平缓的 Tête aux Vents,转而选择了技术性更高、下坡更折磨人的 Béchar 路径。即便努力公里数 (Effort-Kilometer, KME)  在字面上维持一致,KME 也无法捕捉到这种肌肉损耗和技术难度的细微差别。

天气改变一切。在长距离赛事中,高温会重新分配平衡:补水、散热管理以及加速的肌肉疲劳,完赛时间会直观地感受到这些压力。”为了消除这些噪音,算法不采用绝对速度,而是通过“系数”来吸收变量。值得注意的是,系统在校准时会排除所有 DNF 数据,仅利用完赛者的表现来锚定当天的难度。


在算法的第一步“寻找相似赛事”中,模型展现了一种有趣的“信息不对称”。为了评估赛道难度,系统从 30,000 场赛事数据库中筛选参考点。

其核心指标有两个:距离和海拔密度。但在利用跑者的历史数据时,模型遵循“向下兼容”原则:一个能跑完 100 公里的选手,其表现可以为 50 公里赛事提供有效参考;反之,50 公里选手的历史却无法准确预测其在 100 公里高山赛中的潜力。


例如,在计算 CCC 参考系时,像 UT4M(距离和海拔密度极度接近)这样的“双胞胎赛事”权重极高;而像“疯子对决 (Diagonale des Fous)”这样距离更长、更崎岖的“远亲赛事”,虽然会被纳入,但其信号会被标记为“嘈杂”,权重随之降低。

从这一点我们也就可以理解,为什么在新的 UTMB Index 之下,中国女子越野跑运动员的最高分获得者从近些年专注短距离赛事的姚妙(822 分)变为了以百公里和百英里赛事为主的向付召(825 分)。


在确定了参考赛事后,系统会对每位参赛者计算预期得分与稳定性指数 (Stability Index) 。这是一个从 0 到 1 的置信度区间。

系统会通过非线性函数放大对比:高质量的原始数据会被推向 1,而缺乏历史数据或表现波动的原始分会被反向推到 0。模型通过这种方式增强对比,确保最终回归分析建立在最可靠的跑者之上。


Hayden Hawks (0.884):尽管他从未跑过 CCC,但凭借在西部 100 等类似赛事的极高一致性,被算法视为高度可靠。

Dakota Jones (0.888):拥有 2023 年 CCC 实战纪录,这在算法中属于“最强奖励锚点”,稳定性最高。

Arnaud Bonin (0.184):尽管排名第 10,但此前缺乏 100km 级别历史纪录,其数据被视为“高噪声”。但在本次完赛后,他的 886 分将成为其后续比赛的“直接信号”,从而提升其未来的稳定性指数。

这些信任度得分将作为权重,决定每位选手在确定整场比赛“系数”时的话语权。


2024 年 CCC 比赛里有 648 人在冠军的两倍用时内完赛,也就是 20 小时 40 分 22 秒。系统将会这些人中里构建一个由 102 人组成的回归池 (Regression Pool) 。该池由 80% 的“精英选手”(反映当天最前线的竞技状态)和 20% 的“稳定选手”(历史预测极准的标尺)组成,。

80% 的精英组就是最快的那些完赛者,最快的前 82 位,而 20% 的稳定选手代表的就是那些历史表现最可预测、最可靠的 20 位“锚点选手”。


在校准过程中,系统采用的是 非对称回归 。这意味着算法对“超常发挥”极其严苛,而对“发挥失常 ”相对宽容。以 2024 年的 CCC 为例,该算法在三个关键维度进行调节:

1.坡度:122m/km 的高海拔密度使得模型对超常发挥的审视更加严厉,因为技术性赛道的偶然性更高。

2.海拔:2,500 米以上的峰顶使得模型更偏向精英选手,因为他们通常拥有更好的高海拔适应性,业余跑者的意外爆发会被谨慎对待。

3.竞争烈度:0.69 的高竞争力指数略微放宽了对顶尖选手的限制,因为高手间的激烈对峙更容易催生出突破极限的真实好成绩。


从现在开始,1000 分并非无法逾越的天花板,而是根据该场比赛最终计算出的系数确定的特定时间点。在 2024 年 CCC 赛事中,经过对回归池的优化,系统得出的最终系数为  98.3 pts/km/h 。这意味着:


2022 年(更快的那一届):需跑出 9 小时 34 分才能达千分。

2024 年(更难的那一届):只需跑出 9 小时 56 分即可达千分。

这里体现了算法最核心的误差抵消原理 :即便官方测量的距离或爬升不精准(例如将 103 公里误标为 101 公里),只要全场选手的相对排名和速度层级确定,生成的系数会自动补偿这些地理数据的偏差,确保分数在跨赛事对比时的绝对公平。

准确来说,UTMB Index 系统并不是为了单纯地打分,它的出现是为了让每一场比赛的独特性都能被尊重,每一场赛事的系数都是由那一天、那一群选手、那一种天气共同“投票”产生的。跑者所获得分数也不只是一个排名和数字,它是一把动态的尺子。它不仅测量跑者跑得有多快,更在测量跑者克服了多少不可抗力。


文字 跑野 / 编辑大卫
图片网络 视觉:Max

图片

原创文章,作者:跑野,如若转载,请注明出处:https://runyeah.world/89262.html