パフォーマンス予測は、サブスクライバーの過去のStravaアクティビティデータに基づいて、主要なランニングレース距離の完走予想タイムを表示します。サポートされるレース距離は、5km、10km、ハーフマラソンと、フルマラソンです。

パフォーマンス予測は、レースの地形や標高の変動は考慮せず、アスリートがトラックと同様の平坦なコースでレースを走ることを想定しています。パフォーマンス予測はサブスクライバーのみに提供され、「あなた」タブの「進捗」画面で確認できます。 モバイル アプリのランニング アクティビティでも表示されます。

予測を確認するには、サブスクライバーは過去24週間（約5ヶ月半）の期間内に、少なくとも20件のランニングアクティビティをアップロードする必要があります。この閾値を設けることにより、パフォーマンス予測機能を支える機械学習モデルが、高品質で正確な予測を行うのに十分なデータを持っていることが保証されます。パフォーマンス予測は、各ランニングのアップロード後、および3日間ランニングのアップロードがない場合に、そのサブスクライバーの新しい予測データを生成します。期間内に十分なランニングアクティビティをアップロードしていないサブスクライバーには、直近で十分なアップロードがあった時の予測データがキャッシュされた状態で表示されます。サブスクライバーがアップロードを再開し、アクティビティ数が閾値に達すると、パフォーマンス予測が更新されます。

屋内でのアクティビティやランニングマシンでの運動は、予測の対象外となっています。 GPSで記録された屋外でのランニングのみが対象となります。このモデルでは、これまでのすべての実行履歴と最高のパフォーマンスが考慮されますが、直近24週間の期間内のアップロードにはより大きな重みが付けられます。これにより、予測結果が、遠い過去のパフォーマンスではなく、現在のフィットネスレベルと密接に連動するようになります。

過去1時間、3時間、6時間の予測の推移を確認できます。 1ヶ月表示では、毎日のパフォーマンス予測を確認できます。 3か月および6か月の期間について、各週の予測中央値を確認できます。過去のパフォーマンス予測を表示するには、選択した距離について、対象期間内に少なくとも2件のパフォーマンス予測が必要です。また、今日のパフォーマンス予測を算出するための十分なランニングデータがない場合でも、対象期間内の過去のパフォーマンス予測は確認できます。

Stravaのパフォーマンス予測機能は、過去のランニング履歴やベストエフォートなど、100以上のアスリートデータを活用するMLモデルによって支えられています。推定VO2マックスのような理論的な指標に依存する他のレース予測機能とは異なり、Stravaはレース結果を予測するために、実際のアクティビティデータのみを使用します。この機能はまた、同様のトレーニング履歴を持つアスリートのパフォーマンスデータも活用しているため、推定タイムは現実的で、同様の能力を持つ他のユーザーのパフォーマンスにも依存します。

各レース距離のタイムは独立して計算されるため、予測精度が高くなります。例えば、マラソンに向けてトレーニングを行っているアスリートが、週あたりの走行距離を増やし、より長いインターバル走にフォーカスすると、ハーフマラソンやマラソンの予測タイムは大幅に改善される一方で、より短い距離の予測タイムには同等の改善が見られない場合があります。

同様に、短距離にフォーカスし、トレーニングでスピードとパワーを重視するアスリートは、それらの能力がそれほど重要ではない長距離種目よりも、5Kや10Kの予測タイムにおいてより大きな向上が見られる可能性がある。