Основой машинного обучения является количество и качество данных. Автомобили F1 имеют ECU, который по сути является небольшим, но очень мощным компьютером, который контролирует, обрабатывает и передает огромное количество данных от автомобилей F1 командам.

ЭБУ обеспечивает управление различными системами, включая двигатель, коробку передач, дифференциал, дроссельную заслонку, сцепление, систему рекуперации энергии (ERS) и систему снижения лобового сопротивления (DRS). Это также основная служба регистрации данных, которая передает оперативные данные — посредством телеметрии — командам и руководству гонки. Это позволяет командам визуализировать возможности и производительность своих автомобилей в режиме реального времени, включая состояние двигателя, износ шин и расход топлива.

С помощью более чем 300 датчиков на каждой машине ЭБУ обрабатывает более 1500 входных параметров и передает команде более 3 ГБ данных в режиме реального времени в течение Гран-при в среднем на 300 км. Во время двухчасовой гонки ЭБУ будет получать и отправлять более 750 миллионов точек данных.

Исследователи данных Формулы-1 используют Amazon SageMaker для обучения моделей глубокого обучения на исторических данных гонок за 65 лет, чтобы извлекать критическую статистику результатов гонок, делать прогнозы и предоставлять болельщикам информацию о решениях и стратегиях, используемых командами и командами за доли секунды. водители.

По словам Зои Чилтон, главы отдела технического партнерства Aston Martin Red Bull Racing, успех в Формуле-1 теперь заключается в цикле гонок, расчетов, анализа, проектирования и последующего повторения этого процесса. каждую гонку в календаре или 30 000 за сезон.

Непредсказуемость

Погода, пожалуй, самый изменчивый аспект гонки. Даже если у команд есть доступ к сводкам о погоде в режиме реального времени, трудно точно определить, что произойдет. На Гран-при Венгрии 2020 года ожидался дождь, но его не было, что повлияло на планы шин и пит-стопов каждого гонщика.

Непротиворечивость прогнозов часто ставится под сомнение при обсуждении таких проблем, как:

  • Аварии. Со времени первого Гран-при чемпионата мира в Сильверстоуне в 1950 году, когда не было медицинской помощи или защитных мер на случай столкновения, условия безопасности изменились. 29 ноября 2020 года было обнаружено, что автомобиль Грожана врезался в барьер с тройным ограждением на скорости 192 км/ч с максимальной силой удара 67g. Никто не может угадать, когда произойдет крушение.
  • Штрафы, понесенные во время гонки. Водители могут быть оштрафованы за различные нарушения, в том числе за слишком ранний старт, превышение скорости на пит-лейн, аварию или несправедливую блокировку. Большая часть этих штрафов налагается на водителя. В результате прогнозировать мгновенные решения водителей нецелесообразно.
  • Механические/технические неполадки. Характер спорта, в котором производство мотивировано жесткой конкуренцией, означает, что возможности изготовления изделий могут превзойти возможности их правильного понимания. Независимо от существующих процедур, обеспечивающих надежность и эффективность транспортных средств, все равно будет небольшая вероятность отказа.
  • Инциденты на пит-лейн. Пит-стопы стали формой искусства для команд Формулы-1. Red Bull по-прежнему удерживает рекорд по самой быстрой замене всех четырех шин на автомобиле — 1,82 секунды. В такой напряженной среде ошибки неизбежны, что стоит командам драгоценного времени.

Глубокое обучение можно использовать для прогнозирования возникновения механических отказов для решения этой проблемы. Но насколько это точно? Пит-стопы часто занимают 20–25 секунд, а это означает, что неправильно рассчитанная по времени / неправильно оцененная остановка может стоить гонщику подиума и ценных очков чемпионата; точность должна быть максимально точной.

Отслеживание реконструкции

Поскольку гонки каждый год повторно вводятся или удаляются из расписания, данные по конкретному Гран-при не всегда будут применимы. Гран-при Нидерландов в Зандвоорте возвращается через 35 лет — эти данные были бы значительно устаревшими, особенно потому, что трасса реконструируется, а автомобили с тех пор сильно изменились.

Изменения трасс между сезонами также не помогают, так как трасса будет «другой» даже при малейших изменениях, особенно если это повлияло на расстояние трассы. Команды должны будут построить модель каждой трассы, которая объединяет добавление/удаление различных элементов, а также алгоритм, который оценивает среднее время прохождения круга.

Прогнозы

Некоторые фанаты используют машинное обучение, чтобы делать свои собственные прогнозы, а другие создают визуальные информационные панели, чтобы увидеть, какие факторы с большей вероятностью повлияют на результаты. Теперь, когда значение квалификационных позиций определено, необходимо изучить вероятность победы в зависимости от стартового места, учитывая, что все остальные факторы равны, то есть гонщик, прошедший квалификацию первым, не подвергается штрафам на стартовой решетке.

Трасса Баку в Азербайджане наименее предсказуема, но, учитывая короткую историю и результаты гонки, это неудивительно. Гонщик с поул-позиции выиграл только один раз. В 2017 году победитель стартовал с 10-го ряда, демонстрируя хаотичность гонок Формулы-1, предлагая возможность выиграть из-за пределов первого ряда. Ясно, что это показывает важность схемы для надежного прогнозирования результатов соревнования, когда не все схемы так просто предсказать, как некоторые.

В целом, большое количество данных, доступных командам, позволяет им изучать различные аспекты гонки по отдельности, но сложность переменных, составляющих гонку, означает, что в настоящее время использование методов машинного обучения для прогнозирования стратегии гонки является неточным. . Несмотря на эти проблемы с результатами, нет никаких сомнений в том, что машинное обучение и искусственный интеллект скоро обгонят спорт — единственное беспокойство заключается в том, сколько времени это займет и насколько оно будет точным.