AWS 助力 F1 媒体处理框架
了解 AWS 如何使用 AWS 解决方案的 Media2Cloud(M2C)参考实施设计自定义修复架构,以用来满足 Formula 1 过去和未来许多年的媒体资产。
AWS 为
F1 Insights
制动性能是 AWS 为 2021 赛季提供支持的六款新的 F1 Insights 中的第一款,将于今年 4 月亮相,可帮助车迷理解赛道上瞬间做出的决定的意义

AWS 为
F1 Insights 提供支持
最快车手利用 AWS 技术,从方程中剔除 F1 赛车的差异,从而对 1983 年至今的所有 F1 车手提供客观、以数据为驱动的排名。进一步了解如何创造跨时代的车手速度排名。

AWS 为 F1 提供支持
基于在 AWS 上运行的模拟,Formula 1 为 2022 赛季设计了一款赛车,可将赛道缠斗中的下压力损失从 50% 降低到 15%,为车迷带来更令人兴奋的观赛体验。

F1 为何选择 AWS
我们需要一家技术提供商,帮助我们加快创新,并推动我们的组织迈向未来,而 AWS 无疑是最合适的合作伙伴。利用 AWS 及其创新云技术的广度和深度,我们能够让车迷更接近赛道上的瞬间决定,重新设计我们未来的 F1 赛车,帮助我们更好地了解 F1 数据的丰富性,并运用分析和机器学习来发挥数据的力量等等。我们对所取得的成就感到非常兴奋,也很高兴看到我们能一起做更多的事情。
- Ross Brawn,F1 赛车运动总经理
我们需要一家技术提供商,帮助我们加快创新,并推动我们的组织迈向未来,而 AWS 无疑是最合适的合作伙伴。利用 AWS 及其创新云技术的广度和深度,我们能够让车迷更接近赛道上的瞬间决定,重新设计我们未来的 F1 赛车,帮助我们更好地了解 F1 数据的丰富性,并运用分析和机器学习来发挥数据的力量等等。我们对所取得的成就感到非常兴奋,也很高兴看到我们能一起做更多的事情。
- Ross Brawn,F1 赛车运动总经理
在世界一级方程式锦标赛 (F1) 中,车手时速高达 230 mph,进站时间不到两秒,并且高速过弯时的受力达到 5G,因此 F1 急需一家能够跟上其运动速度的技术供应商。F1 是世界上最好的车手之间的竞速,同时也是世界上一些最具创新能力的工程师的竞技场。在 AWS 的帮助下,F1 正利用创新技术(如机器学习 (ML) 模型和高性能计算 (HPC))对这项运动进行数字化改造。
以下是它的工作原理:
一项运动的转型
AWS 最为广泛深入的功能和无与伦比的创新步伐正在改变 F1 收集、分析和利用数据和内容做出决策的方式。每辆 F1 赛车上都有 300 个传感器,每秒可产生超过 110 万个数据点,并从赛车传输到维修站,因此 F1 是一项真正以数据为驱动的运动。
采取
更多行动
F1 和 AWS 共同利用数据提高赛车和车手表现。利用 AWS 高性能计算,F1 能够运行空气动力学模拟,用比以往快 70% 的速度开发新一代赛车,打造出一款能将下压力损失从 50% 降低到 15% 的赛车。这种下压力的大幅降低为车手提供了更高的超车机会,同时也给车迷带来了更多精彩的赛道缠斗。这款新一代赛车将于 2022 赛季推出。F1 还在探索机器学习在模拟过程中的应用,通过 5,000 多次单车和多车模拟收集了超过 5.5 亿个数据点,为组织提供了全新洞察。
吸引并
取悦球迷
在赛车周末,车迷的体验正在发生变化。在 AWS 的帮助下,F1 已经能够通过 F1 Insights 将赛车和赛道旁传输而来的数百万个数据点转变成一场引人入胜的车迷体验。F1 利用 Amazon S3 上存储的 70 年历史比赛数据,通过复杂的模型进行分析,作为丰富的数据洞察与车迷分享,揭示出瞬间决策的细微差别,并通过这些先进的统计数据突出不同车手的表现。

吸引球迷
F1 Insights 由 AWS 提供支持,大幅提升了车迷在每场比赛赛前、赛间和赛后的体验。利用不同的数据点来洞察各个细节,F1 使车迷能够了解车手如何在瞬间做出决定,以及车队如何实时设计和实施比赛策略,从而影响比赛结果。以下几个例子说明了如何将这一切结合在一起。
单击下方展开

利用计时数据,F1 能够创造出可视化的洞察,让车迷客观分析各支车队和车手的表现、策略和战术对整体比赛结果的影响。
-
Battle Forecast
利用赛道历史记录和预估的车手速度,Battle Forecast 能够预测追车经过多少圈后就能进入对前方赛车的“攻击距离”。
-
Pit Strategy Battle
Pit Strategy Battle 能够为车迷提供更多洞察,让他们了解如何实时评估每个车手的战略成功的概率。车迷将能够追踪微妙的战略变化,并看到其对最终结果的影响。
-
进站窗口
进站窗口基于轮胎类型、圈速和赛车分布进行估计。观众能够根据比赛最新动向看到赛况的变化,包括其他车队的比赛策略、安全车和黄旗。
-
预测进站战略
利用历史数据计算暖胎圈内的赛道策略,并对预测的轮胎和赛道策略进行比较。这种洞察能够让观众看到,车手在战略上应该何时使用下一次进站机会。

通过数据分析,F1 能够比较特定赛车、车队和车手不同相关参数的表现,并对其进行直观排名,以呈现给车迷。
-
赛车分析/赛车开发
这项洞察展示了车队如何开发赛车、开发赛车的效率有多高,以及整个赛季的赛道结果如何。赛季和每年的赛车开发竞赛是 F1 车队的主要 KPI,这为了解 F1 的内部运作以及各车队在这方面的表现提供了独特的洞察。
-
赛车性能评分
-
车手表现
车手表现强调与队友和竞争对手相比,哪些车手使其赛车达到绝对的性能极限。计算在每一圈中赛车轮胎产生的力,并与赛车的最大性能相比,这样将可显示车手正在发掘出的赛车潜在性能水平。将会显示三个参数以突出对终极目标(每圈时间)有重大影响的三个车手表现关键领域:加速、制动、转弯。
-
车手赛季表现
通过分析赛车、轮胎、赛况、燃油等影响因素的大量数据,以及根据资格赛、发车、第 1 圈、正赛、轮胎管理、车手进站技巧和超车等七个关键指标对每个车手在整个赛季的表现进行评分,从而根据这些最重要的驾驶技能因素对车手表现进行详细分析。这些指标在 0-10 的范围内进行标准化处理,以提供“评分”式的指标,为观众、车迷和车队提供某个车手的优势和劣势所在,以及与赛场内其他车手比较的洞察。
-
资格赛
-
开始分析

F1 密切关注空气动力学、轮胎性能、动力装置、赛车动力学和车辆优化,以提供洞察帮助车迷解读赛车整体性能。
-
制动性能
制动性能显示,一个驾驶员的制动风格在转弯操作时如何从弯道中体现出优势。它通过测量驾驶员在制动前与弯道顶点的距离来比较他们的制动风格和性能,并展示了汽车和驾驶员在转弯时是如何配合的,如接近时的最高速度,制动时的减速,所使用的制动功率,以及驾驶员在转弯时所承受的巨大重力加速度。
-
转弯分析
这是 F1 赛车性能中最重要的一个方面,能提供优秀赛车与卓越赛车对比的深入洞察。这种方式将转弯细分为 4 个主要部分,即制动、入弯、中弯和出弯,并通过赛车遥测数据分析和比较转角主要部分的性能。
-
出弯速度
转弯分析由特定(且关键)弯道处的最佳制动和加速点确定,这也是每个车手能够收获最多优势的领域。这项洞察能够使观众详细了解了圈速损益,并对不同赛车进行比较。
-
轮胎性能
利用赛车数据(即赛车速度、纵向和横向加速度,以及陀螺仪),我们能够估计侧滑角,然后得出每辆赛车的车辆平衡模型。这就能够得出轮胎磨损能量的结果。(注:轮胎磨损能量不是物理上的轮胎磨损,而是在路面上滑动的轮胎接触片的能量传递。) 该结果为我们提供了轮胎在每次转弯时的性能,表明轮胎在其最终使用寿命内已经使用了多少程度。
最快车手
利用 AWS 机器学习技术,这种洞察能够从方程中剔除 F1 赛车的差异,对 1983 年至今的所有 F1 车手提供客观、以数据为驱动的排名,从而解答一个古老的问题:谁是最快车手? F1 和 Amazon Machine Learning (ML) Solutions Lab 的数据科学家创造了历史上首个跨时代、客观、复杂、以数据为驱动的车手速度排名。

从数据开始
每辆 F1 赛车都包含 300 个传感器,这些传感器每秒钟能生成从汽车传输到维修站的 110 万个遥测数据点。这些实时数据与存储在 Amazon S3 上的超过 70 年的历史比赛数据相结合,提取出丰富的见解,以告知、指导和丰富球迷的体验,并为如何选择在赛道上创造胜利表现的比赛策略带来更多见解。









转变车迷的驾驶体验
通过获取历史数据并将其用于教授 Amazon SageMaker 复杂的机器学习算法,F1 可以预测比赛策略的结果,提高团队、赛车和车手的准确性。然后,这些模型能够在 GRAND PRIX 大赛正式开始时使用刷新的实时数据预测未来场景,从而提供丰富且迷人的车迷体验。
使用 F1 数据进行机器学习



博客
了解有关车手赛季表现的详情
更多信息
F1 性能工程和分析首席技术工程师 Rob Smedley 详细介绍了 AWS 提供支持的最新 F1 Insight。车手表现强调与队友和竞争对手相比,哪些车手使其赛车达到绝对的性能极限。
了解有关制动性能的详情
更多信息
F1 性能工程和分析首席技术工程师 Rob Smedley 详细介绍了 AWS 提供支持的最新 F1 Insight。制动性能展示了汽车和驾驶员在转弯时是如何配合的,如接近时的最高速度,制动时的减速,所使用的制动功率,以及驾驶员在转弯时所承受的巨大重力加速度。
向专家了解有关车手赛季表现的详情
F1 性能工程和分析首席技术工程师 Rob Smedley 详细介绍了新的 F1 Insight。Driver Season Performance 根据最重要的驾驶技能子集对车手的表现进行了细分。其通过分析了量数据,提供了车手在七大指标上的赛季表现情况。
向专家了解有关排位赛的
更多信息
F1 性能工程和分析首席技术工程师 Rob Smedley 详细介绍了新的 F1 Insight。排位赛会分析周末训练期间的表现,有助于洞察排位赛期间团队的预期进度和表现。这项新洞察利用机器学习和分析方法、提取练习数据并使用车队在周六和周日比赛之间的进展情况的历史数据,尝试给出有关资格赛结果的答案。
向专家了解关于赛车分析/
赛车开发的更多信息
F1 性能工程和分析首席技术工程师 Rob Smedley 详细介绍了新的 F1 Insight 的重要性。该图形专注于 F1 赛车开发的三个核心元素,将在单圈时间分析的基础上使用遥测数据作为主要的源输入来测量气动阻力、气动下压力和发动机功率等性能的发展。
向专家了解关于弯道分析的
更多信息
F1 性能工程和分析首席技术工程师 Rob Smedley 详细介绍了新的 F1 Insight 弯道分析的重要性。这通过根据汽车遥测数据中关于弯道部分的主要数据来分析和比较汽车的性能,提供了有些汽车在高速和低速弯道上的性能高于其他汽车的详细原因分析,这是 F1 赛车最重要的性能方面。
向专家了解有关赛车性能
分数的更多信息
F1 性能工程和分析首席技术工程师 Rob Smedley 详细介绍了新的 F1 Insight 赛车性能分数的重要性。Formula 1 赛车性能的这些重要方面让车迷从一开始就能更加清楚地了解不同赛车之间的相对性能。


加快车迷体验
想要了解幕后工作原理? 了解 AWS 和 F1 如何利用 Amazon SageMaker 内置的机器学习算法,以提供全新洞见并为赛道增添精彩,以及 F1 如何利用 AWS 设计新一代赛车。
.c927460c4d64d9162ddc4ccd13d98969700a50cf.png)

各种产品为
F1 INSIGHTS 提供支持
开始使用专业服务
F1 一直与专业服务团队和 Amazon ML Solutions Lab 一起创新,通过对使用案例进行原型设计和开发新的概念验证来加快 F1 Insights 的开发。ProServ 团队随后还帮助 F1 将模型投入生产并集成到 F1 基础设施中。