最終更新: 2026-05-22

レースタイム予測とは

レースタイム予測とは、既知の距離とタイムから別の距離のレースタイムを推定する手法であり、Riegel や Cameron のように距離とタイムの関係を表す式に基づきます。直近のレース結果ひとつを入力すると、目標距離の見出し予測に加えて、1500 m からフルマラソンまで標準距離すべての予測表を、2 つの確立されたモデルのいずれかで算出します。たとえば直近の 10K が 45 分のときに現実的なフルマラソン目標を見積もる、5K 20 分からハーフでサブ 90（1:30 切り）が届くかを判断する、といった用途に使えます。

Riegel モデル

最も広く使われているのは Riegel の式（Pete Riegel, 1981 年）。レースタイムは距離の 1 をわずかに超えるべき乗で増えるという経験則です。

$t_2 = t_1 \cdot \left(\frac{d_2}{d_1}\right)^{e}$

両辺に対数を取ると線形化できます。

$\log t_2 = \log t_1 + e \cdot \log\!\left(\frac{d_2}{d_1}\right)$

指数 $e$ — 標準値 1.06 — は「距離が 2 倍になるたびにペースが少し落ちる」という経験則を捉えています。$e = 1.06$ では、距離を 2 倍にするとペースに約 4.3% のコスト（$2^{1.06} \approx 2.085$）。指数 1.0 は「どんな距離でも同じペースを保てる」（不可能）を意味し、1.20 は訓練されたランナーが実際に示すよりずっと急な低下を意味します。

指数は生理学の法則ではなく経験的な最良適合なので、本ツールでは指数を調整できます。距離が伸びてもペースを維持しやすいスピード型ランナーでは 1.03 寄り、持久力が平均より早く落ちるランナーでは 1.10 寄りが目安になります。Tanda らの研究は、特にフルマラソンは 1.06 を超える指数のほうがよく当てはまると示唆しています。

Cameron モデル

Riegel はすべての距離に同じ指数を使います。一方 Cameron の式（David Cameron, 1998 年）は、400 m〜80 km400 m〜50 マイルの世界トップ記録に当てはめた距離依存の疲労関数を使います。

$t_2 = t_1 \cdot \frac{d_2}{d_1} \cdot \frac{f(d_1)}{f(d_2)}, \qquad f(x) = 13.49681 - 0.000030363\,x + \frac{835.7114}{x^{0.7905}}$

ここで $x$ はメートル単位です。疲労項が距離によって形を変えるため、Cameron は長距離側でやや現実的なことが多く、フルマラソンのタイムを Riegel より少し遅めに予測します。2 つのモデルの予測値が近ければ予測は頑健であり、開きがあれば真の値はたいていその中間に位置します。

換算例

2 つのモデルは近い距離ではほぼ一致し、基準レースから離れるほど扇形に開きます — 予測がもともと最も不確かな領域です。

応用

フルマラソンの目標設定

直近のハーフを単純に 2 倍してフル目標を立てる方法は精度に欠けます。どちらのモデルも、45 分 10K の予測フルは約 3:27〜3:30 と算出し、3:00 ではありません（3:00 には 39:08 の 10K が必要）。予測値は、現状の走力でサブスリーを達成するにはさらなる距離特化の練習が必要であることを示しています。

ペースグループの選択

レース当日のペースグループは一定間隔（フル 3:30、3:40、3:50 など）で設定されます。目標タイムではなく、全距離表から読み取った予測タイムに合うグループを選ぶのが妥当です。Riegel と Cameron の予測が隣接するグループの境界をまたぐときは、控えめなグループを選ぶほうが安全です。

異なる距離の記録の比較

5K 19:30 とハーフ 1:30 のように、異なる距離を走った二者の走力を直接比較したい場合、全距離表で両者の記録を共通の基準距離に換算して比較できます。一方の予測 5K ともう一方の 5K 実績、または一方の予測ハーフともう一方のハーフ実績を対照させます。

トラック種目への外挿

両モデルは短距離方向にも外挿できます。5K 16:00 の記録は 1500 m 約 4:28 の走力に相当します5K 16:00 の記録は 1 マイル約 4:49 の走力に相当します。ただし 1500 m 以下は無酸素系の比重が増すため、精度は低下します。

予測が外れる場面

• 距離間で一貫した練習を前提にしている。 5K しか練習していないランナーはフル予測に届きません — ロング走の持久力は別の適応です。
• モデルは経験的。 Riegel の指数も Cameron の疲労関数も回帰フィットであり、導出ではありません。フル特化の練習をしていないランナーの実走は、どちらの予測より遅れることが多いです。
• 両極端で破綻する。 1500 m 未満のスプリント1 マイル未満のスプリントや 50 km 超のウルトラは別の生理学に従い、どちらのモデルもうまく外挿できません。
• コース・気候・ペースを反映できない。 予測は条件が近いことを前提にしています — 平坦で速い 10K と起伏のある強風フルは直接比較できません。

標準距離を似た条件で目指す市民ランナーにとって、レース予測は当てずっぽうよりはるかに有用な計画ツールです。ただし算出される数値はあくまで「目安」であり、保証ではありません。