F1이 AWS를 선택한 이유

빠른 혁신으로 미래로 나아가는 데 도움이 될 기술 공급자가 필요했습니다. AWS는 파트너로서 확실한 선택이었습니다. AWS의 방대하고 깊이 있는 혁신적인 클라우드 서비스를 통해 트랙에서 순식간에 벌어지는 의사 결정을 팬들에게 더 가까운 위치에서 보여주고, 미래의 F1 차량을 재설계하고, 풍부한 F1 데이터를 이해하고, 분석 및 기계 학습을 실행하여 이 데이터를 활용할 수 있었습니다. 이미 달성한 것에 대단히 만족하며 앞으로 함께 이루어 나갈 것에 대한 기대가 큽니다.

- Ross Brawn, F1 모터 스포츠 부문 상무 이사

빠른 혁신으로 미래로 나아가는 데 도움이 될 기술 공급자가 필요했습니다. AWS는 파트너로서 확실한 선택이었습니다. AWS의 방대하고 깊이 있는 혁신적인 클라우드 서비스를 통해 트랙에서 순식간에 벌어지는 의사 결정을 팬들에게 더 가까운 위치에서 보여주고, 미래의 F1 차량을 재설계하고, 풍부한 F1 데이터를 이해하고, 분석 및 기계 학습을 실행하여 이 데이터를 활용할 수 있었습니다. 이미 달성한 것에 대단히 만족하며 앞으로 함께 이루어 나갈 것에 대한 기대가 큽니다.

- Ross Brawn, F1 모터 스포츠 부문 상무 이사

최고 속도가 230mph에 달하고, 피트 정차 시간이 2초 미만이며, 5G의 힘으로 코너링하는 FORMULA 1(F1) 경주에는 이 스포츠만큼 빠른 기술 공급자가 필요합니다. F1은 세계 최고의 드라이버들이 겨루는 경기인 동시에 세계에서 가장 혁신적인 엔지니어들을 위한 경기이기도 합니다. F1은 AWS를 사용하여 기계 학습(ML) 모델 및 고성능 컴퓨팅(HPC)과 같은 혁신적인 기술로 스포츠의 디지털 전환을 주도합니다.

작동 방식:

스포츠 혁신

F1은 AWS의 가장 방대하고 깊이 있는 기능과 비교 불가능한 속도의 혁신을 통해 데이터 및 콘텐츠를 수집 및 분석한 후 의사 결정에 활용하는 방식을 바꾸고 있습니다. 각 F1 경주 차량에 장착되어 초당 110만 개의 데이터 포인트를 생성하고 차량에서 피트로 전송하는 300개의 센서를 통해 F1은 진정한 데이터 중심 스포츠로 거듭났습니다.

박진감 넘치는
트랙 액션

F1과 AWS는 데이터를 사용하여 차량의 성능과 드라이버의 운전 능력을 모두 개선합니다. AWS 고성능 컴퓨팅을 사용하여 F1은 이전보다 70% 빠른 차세대 차량을 개발하기 위한 공력 시뮬레이션을 실행하여 다운포스 손실을 50%에서 15%로 줄이는 차량을 만들 수 있었습니다. 이 극적인 감소는 추격하는 드라이버의 추월 가능성을 높여줍니다. 결과적으로 팬들은 더 많은 휠 투 휠 액션을 즐길 수 있습니다. 이 차세대 차량은 2022년 시즌에 소개될 예정입니다. F1은 또한 시뮬레이션 프로세스에 기계 학습을 사용하여 조직에 새로운 인사이트를 제공할 기회를 탐색 중입니다. 현재 5,000건 이상의 단일 차량 및 다중 차량 시뮬레이션을 통해 수집된 5억 5천만 개 이상의 데이터 포인트를 살펴보고 있습니다. 

즐거움을 통해
팬 참여도 개선

주말 경주 중의 팬 경험도 달라지고 있습니다. AWS를 통해 F1은 차량에서 트랙사이드로 전송된 수백만 개의 데이터 포인트를 활용하여 매력적인 팬 경험을 제공하기 위한 F1 Insights를 만들 수 있었습니다. F1은 Amazon S3에 저장된 70년 역사의 경주 기록 데이터를 사용합니다. 이 데이터는 복합 모델을 통해 분석된 후 리치 데이터 인사이트의 형태로 팬들과 공유됩니다. 팬들은 이 인사이트로부터 순간적인 의사 결정의 미묘한 차이를 보고 고급 통계가 제공하는 성능을 확인할 수 있습니다.

스포츠를 위한 생성형 AI

생성형 AI는 효율성과 팬 참여도를 높여 스포츠 산업을 혁신하는 데 도움을 주고 있습니다. AWS가 이 최첨단 기술을 통해 리그, 팀, 미디어 및 엔터테인먼트를 어떻게 지원하고 있는지 알아보세요.

팬들이 참여할 수 있는 환경 조성

AWS 제공 F1 Insights는 경기 전, 경기 중간 및 경기 후의 팬 경험을 완전히 새롭게 바꿉니다. F1은 개별 데이터 포인트를 사용하여 각 인사이트를 제공하는 데 필요한 정보를 얻습니다. F1 팬들은 드라이버가 순간적인 의사 결정을 내리는 방법과 경주 결과에 영향을 미치는 팀의 경주 전략에 대해 이해할 수 있습니다. 아래에 이 모든 인사이트가 결합되는 방법에 대한 예제가 나와 있습니다.

아래를 클릭하여 확장

F1은 타이밍 데이터를 사용하여 전체 경주 결과에 영향을 미치는 개별 팀 및 드라이버의 능력, 전략 및 전술을 객관적으로 분석할 수 있는 시각적 인사이트를 만들어 팬들에게 제공합니다.

  • Battle Forecast는 트랙 기록 및 예상 드라이버 속도를 사용하여 추격하는 차량이 앞 차량의 ‘공격 유효 거리’ 안으로 들어오기 전의 랩 수를 예측합니다.

  • Pit Strategy Battle 그래픽은 팬들에게 각 드라이버의 전략이 성공할 확률을 실시간으로 평가하는 방법에 대한 인사이트를 추가로 제공합니다. 팬들은 전략의 미묘한 변화를 추적하고 최종 결과에 미치는 영향을 볼 수 있습니다.

  • 타이어 재료, 랩 시간 및 차량 길이를 기반으로 예상되는 피트 정차 기간입니다. 시청자들은 다른 팀의 경주 전략, 안전 차량 및 옐로 플래그와 같은 경주 역학에 따라 경주가 조정되는 방식을 볼 수 있습니다. 

  • 기록 데이터를 사용하고 예상 타이어 및 경주 전략을 비교하여 포메이션 랩 중의 경주 전략을 계산합니다. 이 인사이트를 통해 시청자들은 드라이버가 전략적으로 다음 피트 정차를 수행해야 하는 시기를 알 수 있습니다.

F1은 데이터 분석을 통해 관련 파라미터 전체에서 특정 차량, 팀 및 드라이버의 성능을 비교하고 시각적 순위 표를 제공하여 팬들에게 유익한 정보를 제공할 수 있습니다. 

  • 이 인사이트는 팀의 차량 개발 방법, 차량 개발 속도 및 시즌 전체 트랙 결과를 보여줍니다. 시즌 및 연간 개발 경주는 F1 팀의 주요 KPI이며 F1의 내부 활동 및 이 분야에서 팀들이 서로 어떻게 경쟁하는지에 대한 고유한 인사이트를 제공합니다.

    자세히 알아보기 ›
  • 이 인사이트는 개별 차량의 성능을 분리함으로써 팬들에게 차량 성능을 구성하는 요소, 예를 들어 코너링 성능, 직진 성능 및 차량 균형 또는 핸들 조작과 같은 요소를 비교하여 서로 다른 차량의 성능을 나란히 비교하는 데 필요한 정보를 제공합니다.

    자세히 알아보기 ›
  • Driver Performance는 팀원 및 경쟁자와 비교하여 성능의 절대 한계까지 차량을 몰고 가는 드라이버를 강조하여 보여줍니다. 랩 중에 차량 타이어에서 생성되는 힘을 계산하고 차량의 최대 능력과 비교함으로써 드라이버가 끌어낼 수 있는 차량의 잠재적 성능이 얼마인지 보여줍니다. 최종 목표인 랩 시간에 지대한 영향을 미치는 드라이버 운전 능력의 세 가지 주요 요소를 보여주는 가속, 제동, 코너링의 3가지 파라미터가 표시됩니다.

    자세히 알아보기 ›
  • 이 인사이트는 예선 속도, 경주 시작, 경주 랩 1, 경주 속도, 타이어 관리, 드라이버 피트 정차 기술 및 추월이라는 7가지 핵심 지표를 기준으로 차량, 타이어, 교통량 및 연료가 드라이버의 시즌 실적에 미친 효과에 대한 풍부한 데이터를 분석하여 가장 중요한 주행 기술을 기반으로 드라이버의 운전 능력을 분류합니다. 0~10의 범위로 이러한 지표를 표준화하여 ‘점수’ 형식의 지표를 제공하며, 시청자, 팬 및 팀에 특정 드라이버의 강점과 약점에 대한 인사이트를 제공하고 현장에서 다른 드라이버와 어떻게 비교되는지 보여줍니다.

    자세히 알아보기 ›
  • 역사적으로 주관적인 세션인 이 AWS 제공 F1 Insight는 기계 학습 및 분석 방법론에서 토요일 경주와 일요일 경주 사이에 팀의 진척을 보여주는 기록 데이터와 연습 데이터를 사용합니다.

    자세히 알아보기 ›
  • 각 드라이버가 출발 또는 시작 단계에서 폭발적인 성능을 발휘하는 방법에 대한 자세한 정보를 팬들에게 제공합니다.

    자세히 알아보기 ›

F1은 공력, 타이어 성능, 동력 장치, 차량 역학 및 차량 최적화를 면밀히 조사하여 전체 차량 성능을 해석하는 데 도움이 되는 인사이트를 제공합니다.

  • Braking Performance는 코너링 중에 드라이버의 제동 스타일에 따라 코너가 유리하게 활용될 수 있음을 보여줍니다. 이 인사이트는 제동 전 코너 에이펙스와의 거리를 측정하여 드라이버의 제동 스타일과 능력을 비교하고, 전속력 진입, 제동을 통한 감속, 제동력 사용률 및 코너링 중에 드라이버가 겪는 엄청난 관성력 등 코너링 시 차량의 성능과 드라이버의 운전 능력을 보여줍니다.

    자세히 알아보기 ›
  • F1 차량의 성능에 있어서 가장 중요한 영역을 나타내는 이 인사이트는 일반적인 차량과 우수한 차량이 어떻게 비교되는지 보여줍니다. 이 인사이트는 코너를 제동, 선회, 중간 코너 및 출구라는 4개의 주요 구획으로 나눕니다. 그런 다음 차량 원격 측정 데이터를 통해 코너의 주요 구획에서의 성능을 분석하고 비교합니다.

    자세히 알아보기 ›
  • 특정(그리고 결정적인) 코너에 대한 최적의 제동 및 가속 지점으로 결정되는 코너링 분석입니다. 코너는 각 드라이버가 최대한 활용할 수 있는 영역입니다. 시청자들은 이 인사이트를 통해 랩 시간의 손실 및 이득을 이해하고 차량을 비교할 수 있습니다.

  • 차량 속도, 종방향 및 횡방향 가속과 자이로와 같은 차량 데이터를 사용하여 슬립각을 예측한 다음 각 차량에 대한 차량 균형 모델을 도출할 수 있습니다. 이렇게 하면 타이어 마모 에너지를 계산할 수 있습니다. 참고: 타이어 마모 에너지는 물리적인 타이어 마모가 아니라 도로 표면을 미끄러지는 타이어 접촉 패치의 에너지 전달을 의미합니다. 이 결과는 각 코너에 대한 타이어 성능을 알려주며 타이어의 최종 성능 수명과 관련하여 타이어가 사용된 시간을 나타냅니다.

Fastest Driver

이 인사이트는 AWS Machine Learning 기술을 사용하여 1983년부터 현재까지의 모든 드라이버에 대한 데이터 중심의 객관적 순위를 제공합니다. F1 차량에 차등을 두지 않고 순위를 계산하므로 가장 빠른 드라이버가 누구인지 묻는 오래된 질문에 대한 답을 얻을 수 있습니다. F1과 Amazon Machine Learning(ML) Solutions Lab의 데이터 사이언티스트들은 역사상 처음으로, 드라이버 속도에 대한 시대를 교차하는 객관적이고 복잡한 데이터 중심 순위를 만들었습니다.

블로그 읽기 »

시작은 데이터

모든 F1 차량에는 초당 110만 개의 원격 측정 데이터 포인트를 생성하고 차량에서 피트로 전송하는 300개의 센서가 장착되어 있습니다. 이 실시간 데이터는 Amazon S3에 저장된 70년 역사의 경주 기록 데이터와 결합되어 팬들에게 정보와 교육을 제공하고 팬 경험을 다채롭게 하는 풍부한 인사이트를 추출하고, 우승을 위한 경주 전략 선택에 대한 더 많은 인사이트를 생성하는 데 사용됩니다.

새로운 차원의 팬 경험

기록 데이터를 Amazon SageMaker의 복잡한 기계 학습 알고리즘을 가르치는 소스로 사용하여 F1은 팀, 차량 및 드라이버에 대한 정확도를 개선하면서 경주 전략의 결과를 예측할 수 있습니다. 그런 다음 그랑프리 경주가 펼쳐질 때 이러한 모델에 새로 고쳐진 실시간 데이터를 사용하여 향후 시나리오를 예측함으로써 풍부하고 흥미진진한 팬 경험을 제공할 수 있습니다.

F1 데이터와 기계 학습

블로그

팬 경험을 빠르게 개선하는 방법

본네트 안을 들여다보고 싶으신가요? AWS와 F1은 Amazon SageMaker로 구축된 기계 학습 알고리즘을 사용하여 새로운 인사이트를 제공하고 트랙 액션의 재미를 더합니다. 또한 F1은 AWS를 사용하여 차세대 경주 차량을 설계하고 있습니다. 그 자세한 방법을 알아보세요.

더 보기 >

지원 제품
F1 INSIGHTS

Professional Services로 시작하기

F1은 Professional Services 팀 및 Amazon ML Solutions Lab 팀과 함께 사용 사례의 프로토타입을 만들고 새로운 개념 증명을 개발하여 F1 Insights의 개발 기간을 단축하는 혁신을 이루었습니다. 그 후 F1은 ProServ 팀의 지원 아래 모델을 프로덕션으로 전환하고 F1 인프라에 통합했습니다.