GRAPHIC_Orange-rule_01

MENGAPA F1 MEMILIH AWS

Kami memerlukan penyedia teknologi yang akan membantu kami berinovasi lebih cepat dan mendorong organisasi kami ke masa depan, dan AWS adalah pilihan yang jelas untuk dijadikan partner. Dengan memanfaatkan keluasan dan kedalaman AWS serta teknologi cloud inovatifnya, kami dapat membawa penggemar lebih dekat dengan keputusan sepersekian detik di lintasan, mendesain ulang mobil F1 masa depan kami, membantu kami lebih memahami kekayaan data F1, serta menjalankan analitik dan machine learning untuk memanfaatkan data tersebut, dan banyak lagi. Kami senang dengan apa yang telah kami capai dan senang melihat apa lagi yang bisa dilakukan bersama-sama.

- Ross Brawn, Direktur Pengelola Olahraga Mesin (Managing Director of Motor Sports), F1

Kami memerlukan penyedia teknologi yang akan membantu kami berinovasi lebih cepat dan mendorong organisasi kami ke masa depan, dan AWS adalah pilihan yang jelas untuk dijadikan partner. Dengan memanfaatkan keluasan dan kedalaman AWS serta teknologi cloud inovatifnya, kami dapat membawa penggemar lebih dekat dengan keputusan sepersekian detik di lintasan, mendesain ulang mobil F1 masa depan kami, membantu kami lebih memahami kekayaan data F1, serta menjalankan analitik dan machine learning untuk memanfaatkan data tersebut, dan banyak lagi. Kami senang dengan apa yang telah kami capai dan senang melihat apa lagi yang bisa dilakukan bersama-sama.

- Ross BrawnDirektur Pengelola Olahraga Mesin (Managing Director of Motor Sports), F1

Dengan driver mencapai kecepatan setinggi 230 mph, mengambil pit stop dalam waktu kurang dari dua detik, dan terbang di tikungan dengan kekuatan 5G, FORMULA 1 (F1) membutuhkan penyedia teknologi secepat olahraga mereka. F1 adalah pertarungan antara driver terbaik dunia, tetapi juga pertarungan beberapa rekayasawan paling inovatif di dunia. Dengan menggunakan AWS, F1 menggunakan teknologi inovatif, seperti model machine learning (ML) dan komputasi performa tinggi (HPC), untuk mentransformasi olahraga secara digital.

Inilah cara kerjanya:

Mengubah Olahraga

Fungsionalitas AWS yang terluas dan terdalam serta kecepatan inovasi yang tak tertandingi mengubah cara F1 mengumpulkan, menganalisis, dan memanfaatkan data dan konten untuk membuat keputusan. Dengan 300 sensor pada setiap mobil balap F1 yang menghasilkan lebih dari 1,1 juta titik data per detik yang ditransmisikan dari mobil ke pit, F1 benar-benar olahraga yang didorong data.

Meningkatkan Aksi
di Lintasan

F1 dan AWS menggunakan data untuk meningkatkan performa kendaraan dan driver. Dengan menggunakan komputasi performa tinggi AWS, F1 mampu menjalankan simulasi aerodinamis untuk mengembangkan mobil generasi berikutnya 70% lebih cepat dari sebelumnya, menciptakan mobil yang mengurangi kehilangan gaya turun dari 50% menjadi 15%. Pengurangan yang dramatis ini menawarkan driver yang mengejar peluang menyalip yang lebih tinggi dan dengan demikian menawarkan lebih banyak aksi wheel-to-wheel untuk para penggemar. Mobil generasi berikutnya ini akan diperkenalkan pada musim 2022. F1 juga mengeksplorasi penggunaan machine learning dalam proses simulasinya, memberi organisasi wawasan baru dan lebih dari 550 juta titik data yang dikumpulkan melalui lebih dari 5.000 simulasi tunggal dan banyak mobil. 

Penggemar yang menarik dan
menyenangkan

Pengalaman penggemar berubah selama akhir pekan balapan. Dengan AWS, F1 telah mampu mengubah jutaan titik data yang ditransmisikan dari mobil dan pinggir lintasan menjadi pengalaman penggemar yang menarik melalui F1 Insights-nya. F1 menggunakan 70 tahun data balapan historis yang disimpan di Amazon S3, dianalisis dengan model kompleks dan dibagikan kepada penggemar sebagai wawasan data kaya yang mengungkapkan nuansa pengambilan keputusan sepersekian detik, dan menyoroti performa melalui statistik lanjutan ini.

GRAPHIC_Orange-rule_01

MELIBATKAN PARA PENGGEMAR

F1 Insights yang didukung oleh AWS mengubah pengalaman penggemar sebelum, selama, dan setelah setiap balapan. Dengan menggunakan poin data yang berbeda untuk menginformasikan setiap wawasan, F1 memungkinkan penggemar untuk memahami bagaimana driver membuat keputusan cepat dan bagaimana tim merancang dan menerapkan strategi balapan secara langsung yang berdampak pada hasil balapan. Berikut adalah beberapa contoh tentang bagaimana semuanya dilakukan bersama-sama.

Klik di bawah ini untuk memperluas

Insights_RaceStrategy

Dengan menggunakan data waktu, F1 mampu menciptakan wawasan visual yang memungkinkan penggemar menganalisis secara objektif performa tim dan driver, strategi dan taktik yang akan berdampak pada hasil balapan secara keseluruhan.

  • Prakiraan Pertandingan

    Menggunakan riwayat lintasan dan kecepatan driver yang diproyeksikan, Prakiraan Pertandingan akan memprediksi berapa lap sebelum mobil yang mengejar berada dalam 'jarak serangan' dari mobil di depan.

  • Pertandingan Strategi Pit

    Grafik Pertandingan Strategi Pit memberikan wawasan tambahan kepada penggemar tentang cara menilai seberapa sukses setiap strategi driver secara langsung. Fans akan dapat melacak perubahan strategi yang halus dan melihat dampaknya pada hasil akhir.

  • Jendela Pit

    Perkiraan jendela pit stop berdasarkan kompon ban, waktu putaran, dan penyebaran mobil. Pemirsa akan melihat bagaimana balapan dapat diubah berdasarkan dinamika balapan, termasuk strategi balap tim lain, mobil keselamatan, dan bendera kuning. 

  • Strategi Pit Stop yang Diprediksi

    Data historis digunakan untuk menghitung strategi balapan selama putaran formasi, membandingkan prediksi ban dan strategi balapan. Wawasan ini mengizinkan pemirsa untuk melihat kapan seorang driver harus secara strategis melakukan pit stop berikutnya.

  • Undercut Threat

    ‘Undercut’ yang sukses dapat membuat Anda memenangkan balapan atau memperoleh posisi vital. Tidak diragukan lagi ini adalah salah satu momen paling menegangkan yang harus dihadapi tim teknis selama balapan. Grafik ini akan membawa penggemar lebih dekat ke dunia ahli strategi F1 di mana keputusan sepersekian detik ini dapat memenangkan atau kehilangan poin kejuaraan yang vital.

    Pelajari selengkapnya ›
Insights_CompetitorAnalysis

Analisis data memungkinkan F1 untuk membandingkan performa mobil, tim, dan pembalap tertentu di semua parameter yang relevan dan memberi peringkat secara visual untuk mendidik penggemar. 

  • Analisis Mobil/Perkembangan Mobil

    Wawasan ini menunjukkan bagaimana tim mengembangkan mobil mereka, seberapa cepat mereka mengembangkan mobil mereka, dan apa hasil di lintasan sepanjang musim. Perlombaan pengembangan baik selama musim dan dari tahun ke tahun adalah KPI utama untuk tim F1, dan ini memberikan wawasan unik tentang cara kerja F1 dan bagaimana performa tim satu sama lain di area ini.

    Pelajari selengkapnya ›
  • Skor Performa Mobil

    Wawasan ini mengisolasi performa mobil individu dan memungkinkan penggemar untuk membandingkan performanya dengan kendaraan yang berbeda secara langsung membandingkan blok bangunan yang membentuk performa mobil – yaitu performa menikung, performa garis lurus dan keseimbangan atau penanganan mobil.

    Pelajari selengkapnya ›
  • Performa Driver

    Performa Driver menyoroti driver mana yang mendorong mobil mereka ke batas performa absolut dibandingkan dengan rekan satu tim dan pesaing mereka. Dengan menghitung gaya yang dihasilkan oleh ban mobil selama satu putaran, dan membandingkannya dengan kemampuan maksimum mobil, ini akan menunjukkan seberapa besar potensi performa mobil yang diekstrak oleh driver. Tiga parameter akan ditampilkan untuk menyoroti tiga bidang utama performa driver yang memiliki pengaruh besar pada tujuan akhir - waktu putaran: Akselerasi, Pengereman, Tikungan.

    Pelajari selengkapnya ›
  • Performa Musiman Driver

    Ini memberikan perincian performa driver berdasarkan bagian terpenting dari keterampilan mengemudi dengan menganalisis banyak data di seluruh efek mobil, ban, lalu lintas, bahan bakar, dan lainnya ke output skor dari performa setiap driver sepanjang musim terhadap tujuh kunci metrik – Kecepatan Kualifikasi, Permulaan Balapan, Lap Balap 1, Kecepatan Balap, Manajemen Ban, Keterampilan Pit Stop Driver, dan Menyalip. Metrik ini dinormalisasi menggunakan rentang 0-10 untuk memberikan metrik gaya 'skor', dan memberikan wawasan bagi pemirsa, penggemar, dan tim tentang di mana letak kekuatan dan kelemahan driver tertentu dan bagaimana mereka dibandingkan dengan yang lain di lintasan.

    Pelajari selengkapnya ›
  • Performa Pit Lane

    Pit Lane Performance akan memberikan peluang kepada para penggemar dan penyiar untuk memahami seluruh acara di pit stop, memahami waktu yang dialami oleh pengemudi saat masuk ke dan keluar dari jalur pit.

    Pelajari selengkapnya ›
  • Kecepatan Kualifikasi

    Secara historis merupakan sesi subjektif, F1 Insight yang didukung oleh AWS ini akan menggunakan machine learning dan metodologi analitik, mengambil data latihan dan menggunakan data historis tentang bagaimana kemajuan tim antara balapan hari Sabtu dan Minggu.

    Pelajari selengkapnya ›
  • Start Analysis

    Memberi penggemar pandangan mendetail tentang bagaimana setiap pengemudi dapat mengeksploitasi performa (atau tidak!) di fase start atau peluncuran.

    Pelajari selengkapnya ›
Insights_CarPerformance

F1 melihat secara dekat aerodinamika, performa ban, unit daya, dinamika kendaraan, dan pengoptimalan kendaraan untuk menawarkan wawasan yang membantu penggemar menafsirkan performa mobil secara keseluruhan.

  • Performa Pengereman

    Performa Pengereman menunjukkan bagaimana gaya pengereman driver saat melakukan manuver menikung dapat memberikan keuntungan saat menikung. Performa Pengereman membandingkan gaya pengereman dan performa driver dengan mengukur seberapa dekat mereka mendekati puncak tikungan sebelum pengereman dan akan menunjukkan bagaimana mobil dan driver bekerja bersama saat menikung, seperti kecepatan tertinggi saat mendekat, penurunan kecepatan melalui pengereman, daya pengereman yang digunakan, dan yang driver G-forces sangat besar alami saat menikung.

    Pelajari selengkapnya ›
  • Analisis Tikungan

    Satu-satunya area terpenting untuk performa mobil F1 dan ini menawarkan wawasan yang bagus tentang bagaimana mobil bagus dibandingkan dengan mobil hebat. Ini memecah tikungan menjadi 4 bagian utama – pengereman, belok, tikungan tengah, dan keluar – menganalisis dan membandingkan performa melalui bagian utama tikungan melalui data telemetri mobil.

    Pelajari selengkapnya ›
  • Kecepatan Keluar

    Analisis menikung yang ditentukan oleh pengereman optimal dan titik akselerasi di sekitar tikungan tertentu (dan penting), yang merupakan area di mana setiap driver memiliki keuntungan paling banyak. Wawasan ini memberi pemirsa pemahaman terperinci tentang kerugian dan keuntungan pada waktu putaran dan memungkinkan perbandingan antar mobil.

  • Performa Ban

    Dengan menggunakan data mobil, yaitu kecepatan mobil, percepatan longitudinal dan lateral, dan Gyro, kita dapat membuat estimasi sudut slip lalu menurunkan model keseimbangan kendaraan untuk setiap mobil. Ini memberikan output energi keausan ban. (Catatan: energi keausan ban bukanlah keausan fisik ban, melainkan transfer energi dari bidang kontak ban yang meluncur melintasi permukaan jalan.) Output-nya memberi kami performa ban untuk setiap sudut, yang menunjukkan seberapa banyak ban telah digunakan sehubungan dengan masa pakai performa tertingginya.

Driver Tercepat

Dengan menggunakan teknologi machine learning AWS, wawasan ini memberikan peringkat objektif dan didorong data dari semua driver F1 dari tahun 1983 hingga saat ini, dengan menghapus diferensial mobil F1 dari persamaan untuk menjawab pertanyaan yang telah lama diajukan: Siapakah pembalap tercepat? Ilmuwan data dari F1 dan Lab Solusi Amazon Machine Learning (ML) untuk pertama kalinya dalam sejarah menciptakan peringkat kecepatan driver lintas era, objektif, kompleks, dan didorong data.

Baca blog berikut ›
GRAPHIC_Orange-rule_01

DIMULAI DENGAN DATA

Setiap mobil F1 berisi 300 sensor yang menghasilkan 1,1 juta titik data telemetri per detik yang ditransmisikan dari mobil ke pit. Data secara langsung ini digabungkan dengan lebih dari 70 tahun data balapan historis yang disimpan di Amazon S3 untuk mengekstrak wawasan kaya yang menginformasikan, mendidik, dan memperkaya pengalaman penggemar serta menghadirkan lebih banyak wawasan tentang pilihan strategi balapan yang menciptakan performa unggul di lintasan.

IMAGE_CarData_MOBILE-03
Track-Graphic-MOBILE_02
IMAGE_CarData_04
Car-data-HEADER_02
IMAGE_TrackData_03
Track-data-HEADER_02
GRAPHIC_Orange-rule_01

ALIHKAN PENGGEMAR KE PERLENGKAPAN

Dengan mengambil data historis dan menggunakannya untuk mengajarkan algoritma machine learning kompleks Amazon SageMaker, F1 dapat memprediksi hasil strategi balapan dengan akurasi yang meningkat untuk tim, mobil, dan driver. Model-model ini kemudian dapat memprediksi skenario masa depan menggunakan data waktu nyata yang diperbarui saat balapan GRAND PRIX dibuka untuk menghadirkan pengalaman penggemar yang kaya dan menarik.

MACHINE LEARNING DENGAN DATA F1

F1_architecture_desktop
F1_architecture_mobile
GRAPHIC_Orange-rule_01

BLOG

GRAPHIC_Orange-rule_01

MEMPERCEPAT PENGALAMAN PENGGEMAR

Ingin membuka di balik kap mesin dan melihat bagaimana hal itu dilakukan? Pelajari bagaimana AWS dan F1 menggunakan algoritma machine learning yang dibuat dengan Amazon SageMaker yang memberikan wawasan baru dan meningkatkan aksi di lintasan, dan bagaimana F1 menggunakan AWS untuk merancang mobil balap berikutnya.

Baca selengkapnya >
F1 eBook Cover(2)
GRAPHIC_Orange-rule_01

PRODUK YANG MENDUKUNG
F1 INSIGHTS

Memulai dengan Layanan Profesional

F1 telah berinovasi dengan tim Layanan Profesional dan Tim Amazon ML Solutions Lab untuk mempercepat pengembangan F1 Insights dengan membuat prototipe kasus penggunaan dan mengembangkan bukti konsep baru. Tim ProServ kemudian membantu F1 memasukkan model ke dalam produksi dan diintegrasikan ke dalam infrastruktur F1.