Cameron 公式由 Dave Cameron 開發，根據跑者平均速度隨距離增加而下降的曲線來預測賽事時間。與 固定指數的 Riegel 公式 不同，Cameron 的曲線在短距離時陡峭、在長距離時趨於平緩，因此預測會放慢多少，取決於兩場賽事位於曲線上的哪個位置。
公式
T2 = T1 × (D2/D1) × [f(D1) / f(D2)]
f(d) = a − b·d + c / dk
公式的運作原理
Cameron 的函數 f(d) = a − b·d + c / dk（d 以公尺為單位）代表跑者在某個距離上能維持的平均速度。它在最初幾公里下降得很快，之後則緩慢下降。預測時間就是將已知時間依距離及兩個速度的比值進行換算：T2 = T1 × (D2/D1) × f(D1)/f(D2)。
從 5K 或 10K 預測全程馬拉松時，f(D1)/f(D2) 分別約為 1.16 和 1.11，因此 Cameron 放慢配速的幅度大於 Riegel 的固定指數：預測的馬拉松成績會慢上幾分鐘。在相鄰距離之間（5K → 10K、10K → 半程馬拉松），兩個公式的差距僅在幾秒之內。
Calcpace 採用 Cameron 於 2001 年發表的公制版本，此版本是根據 800 公尺到全程馬拉松的成績擬合而成。遠遠超出此範圍後，曲線便不再合理（約在 445 公里處降至零），因此 Calcpace 只在 100 公里以內使用 Cameron；更長的距離請使用 Riegel。
範例
您跑了 10K 42:00。您的預測馬拉松時間是多少？
f(10000) ≈ 13.7687
f(42195) ≈ 12.4001
T2 = 2520 × (42195/10000) × (13.7687 / 12.4001)
T2 ≈ 11,807 s ≈ 3:16:46
Riegel 對同樣輸入的結果為 3:13:12，Cameron 的預測則謹慎了幾分鐘。
計算需要網路連線。恢復連線後，按鈕就會回來。
Cameron vs Riegel — 使用時機
| 已知 → 目標 | Cameron | Riegel | 差異 |
|---|---|---|---|
| 5K (20:00) → 10K | 41:39 | 41:41 | −0:02 (幾乎相同) |
| 5K (20:00) → 全程馬拉松 | 3:15:11 | 3:11:49 | +3:22 (Cameron 較保守) |
| 10K (42:00) → 全程馬拉松 | 3:16:46 | 3:13:12 | +3:34 (Cameron 較保守) |
兩種公式均未考慮地形、訓練歷史或比賽當天的環境條件。請將其視為參考，而非保證。
同時測試兩種公式
輸入已知賽事結果，並列比較 Riegel 與 Cameron 的預測。
計算需要網路連線。恢復連線後，按鈕就會回來。
Cameron公式：何時及如何使用
Cameron公式由Dave Cameron開發，根據平均速度隨距離下降的曲線來預測跑步時間—短距離時陡峭，長距離時較平緩。與Riegel使用單一固定指數不同，它預測的減速幅度取決於兩個距離在這條曲線上的位置。Calcpace採用Cameron於2001年發表的公制版本，距離以公尺為單位。
在實際應用中，只要目標是全馬，Cameron就比Riegel更為保守：無論從5K、10K還是半馬預測，都會慢上幾分鐘。在相鄰距離之間的預測，兩個公式的結果非常接近。Calcpace的預測器並行運行兩者，讓您可以進行比較。
沒有哪個公式在普遍意義上更準確—兩者都是具有已知限制的經驗模型。最好將兩個結果之間的範圍視為目標時間的置信區間。
運作原理
什麼時候應該使用Cameron而不是Riegel？
從短距離比賽（例如5K或10K）預測長距離比賽—尤其是全馬—時，可以把Cameron當作謹慎的第二意見：它比Riegel更大幅地放慢配速，為短距離比賽無法檢驗的耐力保留餘地。對於相鄰距離的預測（10K到半馬），兩個公式給出的結果非常相近。
哪個公式更準確？
沒有哪個普遍更好。兩者都是從大型比賽資料庫推導出來的，捕捉了距離-速度關係的不同方面。實際準確性取決於努力的品質、賽道特徵和訓練特異性。
我可以將這些預測用於超馬嗎？
不—兩個公式都是基於馬拉松以內的比賽資料校準的，而且Calcpace只在100公里以內使用Cameron。在超長距離（50K、100K、100英里）上，表現主要取決於補給、睡眠、地形和精神韌性—這些都是任何基於配速的公式無法掌握的。對於超馬，針對特定賽道的資料庫和教練指導要可靠得多。