競輪勝ちたい

バンク
直線長
天候/風
落車確率 -
車 着 選手名 競走得点 S数 H数 B数 脚質 / 戦法 勝率/2連/3連 機動 ダッシュ 差し ポテ 実績 危険
ゴール / 内線
大外 / 後方

🎯 AI推奨・資金配分戦略

計算中...
⚖️
推奨投資判断
最上位予測確率: -

シミュレーション結果に基づき、期待値の高い最適な購入点数と枚数を自動判別します。

📋 推奨買い目・枚数 (3連単) 合計: 0円
1着
- - -
2着
- - -
3着
- - -

払い戻し金

3連単 - -
2車単 - -

予測計算中...

AIが展開シミュレーションを実行しています

管理者認証

管理パスコードを入力してください。

パスコードが正しくありません。

AI予測モデルの再学習

蓄積された最新データ（約12,800件）を用いて、AI展開予測モデルを再学習します。

※この処理には数分かかる場合があります。実行中のブラウザ操作は可能ですが、一時的に予測機能が利用できなくなります。

最新レースデータの取得・更新

取得するレースデータの範囲を選択してください。

※当月の場合は、明後日以降のレースは自動で除外されます。

データを取得しています...

0 / 0 0%
0
新規保存
0
スキップ
0
失敗
0
除外

展開解説

×

システム仕様

×
DBファイルサイズ
0.00 MB
蓄積レース総数
0
結果確定レース
0
選手データ総数
0

サーバー稼働環境 (FastAPI)

OS環境 -
Pythonバージョン -
データベースパス -
データ対象期間 -
サーバー現在時刻 -

モデル学習ステータス

学習状態: 学習済み
最終学習日時: -
学習レース件数: 0 レース
予測エンジン: LightGBM Regressor / Classifier
着順予測誤差 (MAE)
※全9車の予測順位と確定順位の差の平均
1.120
1着予測精度 (AUC)
※1着予測確率の精度指標 (1.000が完璧)
0.845
落車予測精度 (AUC)
※落車が発生するかの二値分類精度指標
-

バックテスト（回収率シミュレーション）結果

検証用データ（2025-08-14 〜 2026-06-21）を用いて、今回構築した拡張ハイブリッド予測モデルのバックテストを実行しました。

■ シミュレーション条件:
  • 対象レース: データベース内の結果が確定している検証用の全 1,904 レース
  • 賭け方: 予測スコア（期待値確率）上位5点を毎レース均等BET
  • BET単価: 1点 100 JPY（1レースあたり 500 JPY）
券種 総投資額 総払戻額 的中数 (的中率) 回収率
2車単 (2連単) 952,000 JPY 721,720 JPY 766 / 1,904 (40.23%) 75.81%
3連単 952,000 JPY 688,340 JPY 312 / 1,904 (16.39%) 72.30%

多段階シミュレーション予測ロジック

本予測エンジンは、競輪レースを「4つの時系列ステージ」に分割し、前段の予測結果を後段の特徴量（インプット）として順次引き継ぐ**時系列連鎖型（Cascade型）AI予測モデル**です。競輪特有の展開変化をリアルに再現します。

STAGE 1 周回・赤板 (初手予測)
[予測ターゲット] 周回時の初手位置順位 (first_lap_rank)
※レース開始直後の周回で、どのラインが前段・中段・後段をキープするかを予測します。
📊 使用する全特徴量:
車番 年齢 登録期（期別） 直近4ヶ月得点 過去着順回数(1〜3着/着外) B数（バック数） H数（ホーム数） 打鐘数 S数（スリット数） 決まり手回数(逃/捲/差/マ) 機動力評価 ダッシュ評価 差し評価 危険度評価 実績評価 ポテンシャル評価 先法タイプ(先行/ダッシュ/追込) ライン構成人数 ライン総得点 ライン平均得点 ライン先頭フラグ 勝率 2連対率 3連対率
▼
予測初手位置 (pred_first_lap_rank_leader) を後段へ引き継ぐ
▼
STAGE 2 打鐘・HS (主導権ライン予測)
[予測ターゲット] 打鐘〜HS通過時のライン順位 (final_hs_rank)
※「前段から抑えに行くか」「後方から一キー叩きに行くか」といった主導権争いを予測します。
📊 使用する全特徴量:
※STAGE 1の全特徴量に加え、以下を追加：
周回予測位置 先頭の周回予測位置 先頭のH数占有率 先頭のB数占有率 先頭と同県フラグ 先頭と同地区フラグ
▼
予測HS通過位置 (pred_final_hs_rank_leader) を後段へ引き継ぐ
▼
STAGE 3 最終BS (捲り・決着予測)
[予測ターゲット] 最終バック(BS)通過位置順位 (final_bs_rank)
※主導権ラインの残り脚と、別線自力型の捲り返し・不発、番手捲りの成立条件をシミュレートします。
📊 使用する全特徴量:
※STAGE 2の全特徴量に加え、以下を追加：
最終HS予測位置 先頭の最終HS予測位置 HSライン千切れ予測乖離 番手捲りフラグ 他先頭最大B数 他先頭最大捲り回数 他先頭最大ダッシュ値
▼
予測BS通過位置 (pred_final_bs_rank_leader) を後段へ引き継ぐ
▼
STAGE 4 ゴール（最終着順予測）
[予測ターゲット] 確定順位 (final_rank) & 1〜3着確率
※最終直線の長さや幅員、各選手のゴール前急襲の伸びに加え、地元アドバンテージによる勝率向上効果などを総合的に加味して予測します。
📊 使用する全特徴量:
※STAGE 3の全特徴量に加え、以下を追加：
最終BS予測位置 先頭の最終BS予測位置 BSライン千切れ予測乖離 番手と先頭の得点差 見なし直線長 ライン間最大得点差 逃げ×短直線交差 追い込み×長直線交差 地元都道府県フラグ 地元地区フラグ
▼
独立モデル トラブル予測モデル
[予測ターゲット] レース内での個別選手の落車・棄権・失格確率 (accident_prob)
※レース全体の混戦度合いや危険レベルから、落車やアクシデントが発生するリスクを個別に予測します。
📊 使用する全特徴量:
レース内最大選手危険度 レース内平均選手危険度 レース内合計選手危険度 レース内平均得点 レース内最大得点 レース内ライン数 見なし直線長

🎯 AI推奨投資戦略ルール

3連単の買い目のうち、最も高い予測確率（最上位確率 p_top3）をもとに、回収率が理論上最大化される以下の最適資金配分ルールを適用しています。

🔥 勝負レース
p_top3 ≥ 3.0% の場合に発動。上位3点に対し、各5枚（1点あたり500円、計1,500円）の厚張りを実行。
⚖️ 推奨レース
1.8% ≤ p_top3 < 3.0% の場合に発動。上位3点に対し、各1枚（1点あたり100円、計300円）の標準投資を実行。
❌ 見送り推奨
p_top3 < 1.8% の場合に適用。AIの予測信頼度が基準を下回るため、投票を「見送り（0円）」とします。

競輪ドメイン交差特徴量の詳細解説

■ 脚質×直線長交差 (`nige_short_straight`, `oi_long_straight`):
逃げ選手と短い直線長、および追い込み選手と長い直線長の相乗効果（直線幅など）から抜け出しや差し・逃げ残り予測の精度を定量化。
■ 番手捲り判定フラグ (`bante_makuri_flag`):
先頭選手の「先行危険度（垂れやすさ）」が一定値以上で、かつ番手選手自身のバック数が3以上あり、先頭選手と番手選手の実力差が逆転している場合に1を立てるフラグ。

データ取得・スクレイピング仕様

  • サーバー負荷回避: Yen-Joy からの大量スクレイピング発生時は、1アクセスあたり最低 0.5 秒 of のディレイウェイトを自動的に適用してアクセスを制御します。
  • 当月除外制御: 期間指定データ取得時、当月の年月が指定された場合は、サーバー時刻を基準に「明後日以降の未開催レース」をカレンダー段階で検知し、タスクから自動的に除外して無駄なリクエストを完全に遮断します。

開催レースを選択

×
読み込み中...