El método, completo y abierto

Un número sin método no sirve para tomar decisiones. Acá está exactamente cómo medimos, qué descartamos y cómo nos validamos. Si encuentras un error, escríbenos.

1. Qué se mide contra qué

Un ETA se juzga contra una referencia. Usamos dos, en este orden de preferencia:

Tus viajes reales. Hora de salida y duración efectiva. Es la única verdad y manda sobre cualquier otra cosa.
Una fuente de tráfico en vivo independiente de la que usa tu operación, cuando todavía no hay viajes reales con qué comparar.

Cada corredor se consulta cada 30 minutos, de forma continua, para tener la curva completa del día y no una foto conveniente.

2. Cuándo dos mediciones se pueden comparar

Un par es una predicción y una observación del mismo viaje. Para que cuente exigimos dos cosas:

Menos de 5 minutos de diferencia entre ambas. El tráfico cambia en minutos; comparar a media hora de distancia es comparar dos días distintos.
Menos de 6% de diferencia en distancia. Si la predicción tomó otro camino que el viaje real, sus tiempos no son comparables: es otro viaje.

Por qué importa el segundo filtro: un par mal emparejado no se nota en el resultado, se aprende como si fuera sesgo. Al apretar ese umbral de 15% a 6%, la dispersión dentro de una misma ruta bajó de 6,6% a 6,0%, perdiendo solo 8 pares de 99.

3. El factor de corrección

Para cada par calculamos el cociente entre lo observado y lo predicho, en logaritmo:

coeficiente = log(tiempo real / tiempo predicho)

En logaritmo, pasarse un 20% y quedarse corto un 20% pesan igual, que es lo correcto: un ETA optimista y uno pesimista cuestan distinto, pero se equivocan lo mismo.

El factor de una ruta y franja es el promedio de esos coeficientes, encogido hacia el nivel superior cuando hay poca evidencia: la franja se apoya en el resto de la ruta, y la ruta en "no corregir". Así una sola medición no arrastra la corrección a un extremo.

Cuántas mediciones hacen falta

Mediciones previas de esa ruta	Error al predecir la siguiente
1	13,1%
2	5,8%
3 o más	5,7%

La segunda medición es la que vale. La tercera casi no aporta. Por eso el piloto dura dos semanas y no dos meses.

4. Cómo nos validamos

La trampa habitual en este tipo de medición es evaluar el modelo con datos que ya vio. Nosotros reportamos la métrica honesta: entrenar solo con el pasado y predecir la medición siguiente, que es exactamente lo que ocurre en producción.

Forma de validar	Error calibrado
Hacia adelante en el tiempo (la que reportamos)	6,3%
Dejando una medición fuera (optimista)	5,5%
Sin corregir, fuente cruda	11,9%

Y el límite, dicho por nosotros: en un corredor nunca medido, calibrar no sirve de nada (12,0% contra 12,7% sin corregir). El sesgo es propio de cada ruta y no se traslada entre ciudades. Cualquiera que te venda un factor genérico te está vendiendo humo.

5. Lo que probamos y descartamos

Publicamos también lo que no funcionó, porque ahorra tiempo a quien quiera replicar esto:

Ponderar por antigüedad. Vidas medias de 30 minutos a 12 horas. Con dos o más mediciones, ponderar empeora o da igual.
Usar la congestión como variable. La correlación entre nivel de congestión y sesgo dentro de una ruta es +0,14, o sea nada.
Forzar la ruta con puntos intermedios para que coincida con el camino real. Once variantes probadas, todas peores que dejar que el ruteo elija.
Ajustar la fuerza del encogimiento. Barrimos de 0,1 a 2,0 y el óptimo estaba donde ya estaba.

6. Qué hacemos con los datos

Tus viajes son tuyos. No los publicamos, no los revendemos y no los usamos para calibrar rutas de otro cliente.
No republicamos datos de terceros. Las respuestas de los proveedores de ruteo no se almacenan más allá de la ventana necesaria: de cada par se conserva el coeficiente, que es un número nuestro, y la respuesta original se borra.
El método es abierto; los datos, no. Esta página existe para que puedas auditar cómo calculamos, sin que eso exponga a nadie.