大家好，我是 GO ASIA TRAIL 的堤。
前幾天，我在 GitHub 上以開源形式公開了一款運用蒙地卡羅法（Monte Carlo method）的越野跑賽事壅塞模擬工具。在上一篇文章中，以新聞稿的形式介紹了工具概要。
Code for Trail：打造越野跑賽事壅塞模擬工具
這次將聚焦於更具體的應用案例。利用這款工具，以實際賽事數據為基礎，模擬不同參賽人數對完賽率和 DNF（Did Not Finish，退賽）人數的影響。相信對賽事主辦方和跑者都能帶來有價值的洞察。
工具概要與本次模擬目的
這款工具以 GPX 檔案（賽道數據）作為輸入，運用蒙地卡羅法（隨機抽樣的機率模擬）來模擬賽事進程，考量跑者的配速分佈、賽道坡度及壅塞的影響。能夠模擬在容易發生壅塞的單軌路段造成的延遲，並預測整體時間和 DNF 率。
自上次公開以來已進行了更新，特別新增了「關門（檢查點）位置與限制時間」的設定功能。這使得能更精確地模擬符合實際賽事規則的 DNF 發生情況。
本篇文章以 2025 年 6 月舉辦的「加賀 Spa Trail by UTMB」100km 賽道為例。比較實際參賽人數 1200 人與假設的 500 人版本，驗證 DNF 數量的變化。賽道數據（GPX）取自實際賽事，兩種情境的跑者配速設定完全相同，藉此純粹分析參賽人數差異帶來的影響。
工具的詳細資訊和原始碼已在以下 GitHub 儲存庫公開。歡迎 fork 來自行客製化！
1200 人參賽的情況：實際賽事模擬
首先來模擬實際參賽人數 1200 人的情境。賽道為 100km，關門設定如下：
- 39km 處：限制時間 10 小時 5 分
- 66km 處：限制時間 16 小時（從起跑算起）
結果如下：
- 39km 關門時：DNF 686 人
- 66km 關門時：累計 DNF 729 人
- 最終 DNF：729 人（完賽率約 39.2%）
此模擬顯示，在中段 39km 處就已有超過半數的跑者 DNF。這是因為起跑後的壅塞和單軌路段的塞車，導致跑者無法維持預定配速。相較於國際大型賽事（如 UTMB 本賽）約 65-70% 的完賽率，這場賽事不到四成，顯示賽道容量明顯不足以應對參賽人數。
500 人參賽的情況：減少人數的改善模擬
接著以相同條件模擬參賽者減少至 500 人的情境。賽道和配速設定不變，僅壅塞程度會改變。
結果如下：
- 39km 關門時：DNF 59 人
- 66km 關門時：累計 DNF 136 人
- 最終 DNF：136 人（完賽率約 72.8%）
改善幅度相當顯著！中段 DNF 大幅減少，整體完賽率接近 UTMB 本賽的水準。這是因為參賽人數減少使壅塞得到緩解，每位跑者更容易維持自己的配速。
| 參賽人數 | 39km 關門 DNF（人） | 66km 關門 DNF（人，累計） | 最終 DNF（人） | 完賽率（%） |
|---|---|---|---|---|
| 1200 | 686 | 729 | 729 | 39.25 |
| 500 | 59 | 136 | 136 | 72.8 |
從這個比較可以看出，僅僅減少參賽人數就有可能讓完賽率提升 30% 以上。特別是在 1200 人的情境中，中段就有 686 人 DNF，主辦方需要運送大量的跑者。
以大型觀光巴士計算，大約需要 13 到 14 輛，但實際上可能是以 2 到 3 輛巴士來回接駁。即便如此，要將數百人送回起點仍需數小時，當天發生混亂的風險很高。
工具的應用優勢與結論
這款模擬器的優勢在於能夠事先在桌面上預測賽事風險。例如：
- DNF 預測與運輸規劃：根據預估的退賽人數，優化巴士和接駁車的調度。在控制成本的同時提升安全性。
- 參賽人數調整：設定符合賽道容量的報名人數，提升完賽率。提高跑者滿意度，促進回頭參賽。
- 賽道設計改善：找出容易壅塞的路段，增設替代路線或重新規劃賽道。
從這次加賀 Spa Trail 的案例來看，完賽率低的主因在於賽道容量不足。若要以 1200 人規模舉辦，需大幅增加運輸資源，但從現實角度來看，減少參賽人數才是較合理的做法。透過工具反覆進行這類分析，就能實現更公平、更愉快的賽事營運。
關於加賀 Spa Trail，除了賽道容量設計之外，還存在補給站水和食物嚴重不足以及財務方面的問題。不過，補給站的水和食物問題，透過減少參賽人數在一定程度上是可以解決的。
歡迎大家把自己的賽事數據輸入試試看！如有任何回饋，請到 GitHub 上留言。下次或許會介紹更進階的功能？那麼，我們下篇文章見。
