Обзор проекта
=============

Что предсказываем
-----------------

- Прогноз задержки автобуса/троллейбуса/трамвая на целевой остановке маршрута.
- Целевая переменная — ``target_delay_s`` (отклонение факта от плана, секунды).
- Обучение — как **residual regression**: модель предсказывает
  ``target_delay_s - cur_dev_s`` (остаток относительно текущего отклонения).
- Горизонт: от текущей точки маршрута до целевой остановки в том же рейсе.

Метрика
-------

- Основная метрика соревнования — **MAE** между предсказанной и фактической
  задержкой в секундах.
- Дополнительно контролируются медиана, 90-й перцентиль абсолютной ошибки
  и разрезы по маршруту/времени суток (см. ``ml/src/metrics_slices.py``).
- Валидация — proxy K-fold + holdout + LOVO (leave-one-vehicle-out).
- Целевой уровень качества фиксируется в ``ARCHITECTURE_AND_ROLES.md §12``.

Роли команды
------------

- **Степан + Фёдор** — ML: фичи, обучение, инференс, валидация.
- **Даниил Герман** — backend: сервис FastAPI, интеграция с NDTP-стримом.
- **Вероника** — frontend: карта, таблица прогнозов, дэшборд.
- **Даниил Шелестов** — аналитика: разрезы, метрики качества, отчётность.

Ссылки
------

- `Архитектура и роли <../../ARCHITECTURE_AND_ROLES.md>`_ — единый источник правды
  по контрактам, ролям и критериям приёмки.
- `Корневой README <../../README.md>`_ — быстрый старт, структура репозитория.
- `README ML-модуля <../../ml/README.md>`_ — детали обучения и инференса.