F1 で AWS を選んだ理由

イノベーションを加速させ、組織を将来へと駆り立てるテクノロジープロバイダーが必要だったので、AWS をパートナーにするのは明確な選択でした。AWS およびその革新的なクラウドテクノロジーの幅広さと深さを活用することで、ファンをトラック上での瞬間的な意思決定により近づけること、将来の F1 マシンを再設計し、豊富な F1 のデータをさらに理解することが可能になりました。また、分析および機械学習を行い、データの機能を活用することなども可能です。私たちは、今まで達成したことについて嬉しく思っており、さらなることに協力して取り組めるのを楽しみにしています。

- Ross Brawn、 F1、Motor Sports のマネージングディレクター

イノベーションを加速させ、組織を将来へと駆り立てるテクノロジープロバイダーが必要だったので、AWS をパートナーにするのは明確な選択でした。AWS およびその革新的なクラウドテクノロジーの幅広さと深さを活用することで、ファンをトラック上での瞬間的な意思決定により近づけること、将来の F1 マシンを再設計し、豊富な F1 のデータをさらに理解することが可能になりました。また、分析および機械学習を行い、データの機能を活用することなども可能です。私たちは、今まで達成したことについて嬉しく思っており、さらなることに協力して取り組めるのを楽しみにしています。

- Ross BrawnF1、Motor Sports のマネージングディレクター

ドライバーは 230 mph という速度で 2 秒以内のピットストップを行いながら、5G の力でコーナーを飛び回ります。そのためフォーミュラ 1 (F1) では、その速度と同じくらいの速さのテクノロジープロバイダーが必要です。F1 は、世界最高のドライバー同士で繰り広げるバトルですが、世界で最も革新的なエンジニアのバトルでもあります。AWS を使用することで、F1 は機械学習 (ML) モデル、ハイパフォーマンスコンピューティング (HPC) などの革新的なテクノロジーを利用して、スポーツをデジタルに変換できます。

手順の流れは以下のとおりです。

スポーツの変革

AWS の最も広範で層の厚い機能および比類のないイノベーションのペースにより、F1 における意思決定ためのデータおよびコンテンツの収集、分析、活用方法が変化しつつあります。F1 の各レースカーには 300 個のセンサーが搭載されており、マシンからピットに送信されるデータポイントが 1 秒あたり 110 万個生成されます。このように、F1 は実にデータに基づいたスポーツです。

アクションの増加
トラックで

F1 および AWS はデータを使用して、車両とドライバー両方のパフォーマンスを向上させています。AWS ハイパフォーマンスコンピューティングを使用することで、F1 は空気抵抗のシュミレーションを実行し、次世代の F1 車の速度を以前より 70% 向上させ、ダウンフォース損失を 50% から 15% まで削減した車を作り出しています。この劇的な削減により、後を追うドライバーが追い越す可能性が高くなり、さらなるホイールツーホイールアクションをファンに提供できます。この次世代の F1 車は 2022 年のシーズンに導入されます。F1 はまた、シュミレーションのプロセスに機械学習の使用も導入しようとしています。これにより、5,000 以上の単独または複数のマシンのシュミレーションを通して収集される 5 億 5,000 万以上のデータポイントに対する新しいインサイトを提供します。 

ファンを取り込み
喜ばせる

ファン体験はレースウィークエンド中に変化しています。AWS を使用すると、F1 はマシンおよびトラックサイドから配信される数百万ものデータポイントを F1 Insights を通じてファンを魅了するエクスペリエンスに変えることができます。F1 は Amazon S3 に保存されている 70 年分にものぼるレースの履歴データを使用しています。データは複雑なモデルで分析され、瞬時の意思決定における微妙な差異を明らかにするとともに、高度な統計を使用したパフォーマンスを強調する充実したデータインサイトとしてファンに公開されます。

ファンとのエンゲージメント

AWS による F1 Insghts は各レース前、レース時、およびレース後のファン体験を変革します。異なるデータポイントを利用して各インサイトの情報を通知することで、F1 のファンはドライバーがどのように瞬間的な意思決定を行ったか、チームがどのようにレースの戦略を考案し実施しているかなど、レースの結果に影響する事項をリアルタイムで把握できます。どのように機能するのか、ここにいくつかの例を示します。

下記をクリックして拡大

F1 はタイミングデータを使用して、レース全体の結果に影響を与える個々のチームとドライバーのパフォーマンス、戦略、戦術をファンが客観的に分析できる可視的なインサイトを作成できます。

  • 周回の履歴と予測されるドライバーのペースを使用して、バトル予想は、前走車が後続車の「射程距離」内となるまでに要するラップ数を予測します。

  • ピット戦略バトルのグラフィックは、リアルタイムで各ドライバーの戦略がどの程度成功するかの評価方法に関する追加のインサイトをファンに提供します。ファンは、微妙な戦略の変更を追跡し、最終的な結果への影響を確認できます。

  • タイヤコンパウンド、ラップタイム、車の分散の状況に基づいて、ピットストップウィンドウが推定されます。視聴者は、他のチームのレーシング戦略、セーフティカー、イエローフラッグを含むレースのダイナミクスに基づいて、レースがどのように変わり得るかを確認します。 

  • 過去のデータがフォーメーションラップ中のレース戦略を計算するために使用され、予測されるタイヤとレースの戦略を比較します。このインサイトによって、視聴者はドライバーが次のピットストップを戦略的に行うべきタイミングを確認することができます。

データ分析によって、F1 は特定のレーシングカー、チーム、ドライバーのパフォーマンスを、関連するパラメータ全体で比較し、視覚的にランク付けして、ファンに情報提供することができます。 

  • このインサイトは、チームがどのようにレーシングカーを開発するか、どれだけ短期に開発するか、そしてシーズンを通して順調に進んだ場合の結果はどうなるかを示します。シーズン中に限らず毎年の開発レースは、F1 チームの主要な KPI です。これにより F1 の内部の動きと、この分野でチーム同士がどのような戦いを繰り広げるかに関する独自のインサイトが得られます。

    詳細はこちら ›
  • このインサイトにより、個々のレーシングカーのパフォーマンスが分離され、ファンはそのパフォーマンスをさまざまな車両パフォーマンスと比較して、車両パフォーマンスを構成する構成要素、つまりコーナリングパフォーマンス、直線パフォーマンス、レーシングカーのバランスまたはハンドリングを直接比較できるようになります。

    詳細はこちら ›
  • ドライバーパフォーマンスは、チームメイトや競合と比較して、どのドライバーが自分の車のパフォーマンスを絶対的な限界まで発揮させているかに着目するものです。ラップ中に車のタイヤによって生成される力を計算し、それを車の最大能力と比較すると、ドライバーが車の潜在的なパフォーマンスをどれだけ引き出しているかがわかります。究極的な目標であるラップタイムに大きな影響を与えるドライバーパフォーマンスの 3 つの主要な領域に着目するために、3 つのパラメータ、すなわち、加速、ブレーキング、およびコーナーが表示されます。

    詳細はこちら ›
  • ここでは、レーシングカー、タイヤ、トラフィック、燃料などの影響に関する豊富なデータを分析することで、運転スキルの最も重要なサブセットに基づいて、ドライバーのパフォーマンスの内訳が提供されます。端的に言えば、7 つの主要なメトリクス (Qualifying Pace、Race Starts、Race Lap 1、Race Pace、Tyre Management、Driver Pit Stop Skill、Overtaking) に対するシーズン全体の各ドライバーのパフォーマンスのスコアが出力されます。これらのメトリクスは、0〜10 の範囲で正規化され、「スコア」型メトリクスが提供され、特定のドライバーの長所と短所はどこか、およびフィールド内の他のドライバーと比較する方法についてのインサイトが、視聴者、ファン、チームに対しても同じように提供されます。

    詳細はこちら ›
  • 従来の主観的なセッションである AWS がサポートするこの F1 インサイトは、機械学習と分析手法を使用します。機械学習と分析手法では、練習データを取得し、土日のレース間でチームがどのように経過するかについての履歴データを使用します。

    詳細はこちら ›
  • 各ドライバーがスタート段階またはローンチ段階でどのようにパフォーマンスを活用できるか (または活用できないか) に関する詳細なビューをファンに提供します。

    詳細はこちら ›

F1 は、空気力学、タイヤ性能、パワーユニット、車両ダイナミクス、および車両最適化を綿密に調べて、ファンが全体的な車両パフォーマンスを解釈するのに役立つインサイトを提供します。

  • Braking Performance は、コーナリング中のドライバーのブレーキングスタイルが、コーナーを抜ける際にどのようなメリットをもたらし得るかを示します。これは、ブレーキをかける前にドライバーがコーナーのエイペックスにどれだけ接近しているかを測定することにより、ドライバーのブレーキングスタイルとパフォーマンスを比較し、接近時の最高速度、ブレーキによる速度低下、利用されるブレーキ力、コーナリング中にドライバーが受ける巨大な重力加速度など、コーナリング時に車とドライバーがどのように連携するかを示します。

    詳細はこちら ›
  • F1 車のパフォーマンスにとって唯一の最重要エリアであり、ここでは、良い車と優れた車を比較するための優れたインサイトが得られます。コーナーが 4 つの主要セクション (ブレーキング、ターンイン、ミッドコーナー、エグジット) に分割され、カーテレメトリデータを介して、コーナーの主要セクションのパフォーマンスが分析および比較されます。

    詳細はこちら ›
  • 特定の (かつ重要な) コーナー周辺の最適なブレーキングポイントと加速ポイントによって特定される、コーナリングの分析です。コーナーは、各ドライバーにとって最も重要な領域です。このインサイトにより、視聴者はラップタイムの増減を詳細に理解し、F1 車同士の比較が可能になります。

  • レーシングカーの速度、縦方向と横方向の加速度、ジャイロなどの車両に関するデータを使用して、スリップ角の推定値を求め、各車の車両バランスモデルを導き出します。これは、タイヤの摩耗エネルギーの出力を示します。(注: タイヤの摩耗エネルギーは、物理的なタイヤの摩耗ではなく、路面を滑るタイヤ接地面のエネルギー伝達を指します。) 出力には、各コーナーのタイヤ性能が含まれますが、最終的な性能寿命に対してそのタイヤがどれだけ使用されたかを示します。

Fastest Driver

AWS の機械学習テクノロジーを使用すると、このインサイトにより、1983 年から現在までの全 F1 ドライバーのデータに基づく客観的なランキングが提供されます。方程式から F1 マシンの差異が排除されることで「誰が最速のドライバーなのか?」という昔ながらの疑問が明らかになります。 F1 および Amazon Machine Learning (ML) Solutions Lab のデータサイエンティストは、データに基づき、時代を越えた複雑で客観的なドライバーの速度ランキングを歴史上はじめて作成しました。

ブログを読む »

データから始まる

すべての F1 マシンには 300 個のセンサーが搭載されており、マシンからピットに送信されるテレメトリーデータポイントが 1 秒あたり 110 万個生成されます。このリアルタイムデータは、Amazon S3 に保存されている 70 年以上にわたる過去のレースデータと組み合わせて、豊富なインサイトを抽出します。これにより、ファンの体験に関する情報を提供し、教育し、豊かにする豊富なインサイトを抽出し、トラックで勝利のパフォーマンスを生み出すレース戦略についてより多くのインサイトをもたらします。

ファンの体験を大きく変える

履歴データを取得し、それを使用して Amazon SageMaker の複雑な機械学習アルゴリズムに学習させることで、F1 はチーム、車、ドライバーの精度を高めてレース戦略の結果を予測することができます。これらのモデルにより、グランプリレースの展開に合わせて、更新されたリアルタイムデータを使用して将来のシナリオを予測するため、豊かで魅力的な体験をファンに提供できます。

F1 データでの機械学習

ブログ

ファン体験を加速させる

マシンの詳細に移動して仕組みを確認したいですか? 新しいインサイトを配信し、トラック上でのアクションを増やす Amazon SageMaker を用いた機械学習アルゴリズムを AWS と F1 がどのように使用しているのか、F1 が次世代のレーシングカーの設計に AWS をどのように活用しているのかについての詳細はこちら。

続きを読む >

に使用されている商品
F1 INSIGHTS

プロフェッショナルサービスの開始

F1 はプロフェッショナルサービスチームと Amazon ML Solutions Lab チームで革新を遂げ、ユースケースのプロトタイプを作成し、新しい概念実証を行うことで F1 Insights の開発を加速させています。その後、ProServ チームは F1 がモデルを本番環境に導入し、F1 インフラストラクチャに統合するできるように支援しています。