Strava usuwa samochody z rankingów biegowych i rowerowych dzięki machine learning

Strava uruchomiła nowy system oparty na machine learningu, który automatycznie wykrywa i usuwa aktywności zarejestrowane w pojazdach z rankingów segmentów biegowych i rowerowych.

Jak to działa

Model o nazwie Cars on Segments analizuje 57 cech każdej przesłanej aktywności — od średniej prędkości i przyspieszenia po bardziej zaawansowane wskazniki, takie jak tempo wznoszenia (VAM) na podjazdach czy pochodna przyspieszenia (jerk). Na tej podstawie przypisuje wynik prawdopodobienstwa od 0 do 1. Gdy przekroczy prog klasyfikacji, aktywnosc zostaje oznaczona, a uzytkownik otrzymuje prosbę o przycięcie fragmentu przejechanego samochodem lub ustawienie aktywnosci jako prywatnej.

Jednym z ciekawszych wskaznikow jest tzw. wspolczynnik Sendrixa, opracowany we wspolpracy z pracownikiem Stravy. Mierzy on, jak szybko kolarz moze przyspieszyc z miejsca do ok. 32 km/h i ile razy jest w stanie to powtorzyc. Kolarz z biegiem czasu zwalnia — samochod nie.

Skutecznosc i plany

Model trenowano na dziesiątkach tysięcy ręcznie oznaczonych aktywności, używając algorytmu XGBoost. Obecna skuteczność wynosi ok. 81% w identyfikowaniu aktywności z udziałem pojazdu, zanim trafią one na tablice wyników.

Strava zapowiedziała kolejne modele: jeden do wykrywania przejazdów rowerowych błędnie oznaczonych jako biegi, drugi do rozróżniania rowerów elektrycznych od tradycyjnych. Firma planuje też ponowne przeanalizowanie wszystkich pozycji w top 10 rankingów segmentów, co ma potrwać kilka miesięcy.