AWS 提供的 F1 解決方案
透過機器學習、人工智慧和雲端技術的力量，探索全新、獨特且創新的方式，讓車迷享受 F1 的樂趣。
使用 AWS AI 加速賽事當天的問題解決
F1 與 AWS 一起使用 Amazon Bedrock 建立根本原因分析 (RCA) 解決方案。這個多代理系統利用大型語言模型和擷取工具來分析日誌、彙總調查結果、關聯事件並推薦修正方案。系統監控和解決問題的速度不僅快了 86%，而且還可以在問題出現之前預測並預防問題。
AWS 如何助力 Formula 1®？
✔ 改變運動：AWS 使 F1 能夠收集、分析和利用資料做出決策。每輛 F1 賽車上裝有 300 個感應器，每秒可產生超過 110 萬個資料點，而這些資料將從賽車傳送至維修區，因此 F1 堪稱一項真正的資料驅動型運動。
✔ 教育與娛樂球迷：透過 AWS 支援的 F1 Insights，球迷得以更深入理解這項極為複雜的運動。借助 AI 驅動的熒幕圖形，例如 Pit Stop Strategy、Time Lost, 和 Track Dominance，粉絲可以獲得通常為工程師和分析師保留的即時內容。
✔ 關鍵系統的可靠性：AWS 為 AI 系統提供支援，以確保關鍵系統在最需要它們的賽事日仍然可用。實作代理式 AI 系統能夠讓工程師從數小時的手動調查工作中解放出來，轉而投入高價值的工作。
為即時資料敘事提供助力
Track Pulse 是 F1 與 AWS 的最新合作，利用機器學習與生成式 AI 技術，讓 F1 轉播團隊隨時都能更清楚、更全面地掌握賽道上的即時動態，包括車手對決實況、冠軍預測、最高車速等等。轉播團隊可以使用這些即時更新的資訊來決定該向觀眾強調哪些賽事内容，同時預測即將發生的事件，以便預先鋪陳故事發展。
推動生成式 AI 創新：體育領導者的經驗教訓
探索 Formula 1、NFL 和 PGA TOUR 等領導者如何在 AWS 上使用生成式 AI 來提升客戶體驗、員工生產力和程序最佳化。善用這些真實世界的使用案例來推進您的生成式 AI 之旅。
Formula 1®：採用 AWS 技術
賽事資料
每一輛 F1 賽車大獎賽期間均包含 300 萬個感應器，它們每秒產生 110 萬個遙測資料點，將資料從賽車傳輸至維修站。將這一即時資料與儲存在 Amazon S3 上的 70 多年歷史比賽資料相結合，以擷取豐富的洞見，從而通知、指導車迷和豐富其觀賽體驗，並為他們帶來更多關於選擇可在賽車上表現出色的比賽策略洞見。
競爭對手分析
資料分析讓 F1 能夠在任何相關參數上比較指定賽車、車隊和車手的表現，並對其進行直觀排名，以指導車迷。
賽車效能
F1 密切關注空氣動力學、輪胎性能、動力單元、車輛動力學和車輛最佳化，以提供協助車迷解讀整體賽車性能的洞見。賽車表現是 F1 團隊的主要 KPI。它為車迷提供 F1 內部運作的獨特洞察，以及團隊在賽季前和賽季期間了解對方在賽車開發方面的表現。
Fastest Driver
藉助 AWS 機器學習技術，此洞見透過從方程式中移除 F1 賽車差速器來確定老掉牙的問題：誰是最快的車手，從而提供從 1983 年至今所有 F1 車手的客觀、以資料驅動的排名。 F1 和 Amazon Machine Learning (ML) 解決方案實驗室的資料科學家在歷史上首次創建了跨時代、客觀、複雜、資料驅動的車手速度排名。
賽事策略
透過使用計時資料，F1 能夠建立直觀的洞見，讓車迷能夠客觀地分析各個團隊和車手的表現、策略和戰術，這些都會影響整個比賽的結果。例如，「替代策略」是一個圖形，向團隊及其車迷顯示，如果他們做出不同的策略性決策，賽事可能會得到怎樣的結果。
AWS 上的最新 F1 新聞
吸引球迷
採用 AWS 技術的 F1 Insights 可以讓每次比賽之前、期間和之後的球迷體驗改頭換面。透過使用不同的資料點來告知每個洞見，F1 讓車迷能夠了解車手如何瞬間做出決定，以及車隊如何即時設計和實作能夠影響比賽結果的比賽策略。以下是一些有關如何將其組合在一起的範例。
賽事策略
透過使用計時資料，F1 能夠建立直觀的洞見，讓車迷能夠客觀地分析各個團隊和車手的表現、策略和戰術，這些都會影響整個比賽的結果。
透過追蹤歷史記錄和預計的車手速度，Battle Forecast 將預測追逐的賽車在前方賽車的「致命距離」以內之前有多少圈。
停站策略之戰圖形為車迷提供更多有關如何即時評估每個車手策略成功程度的見解。車迷將能夠追尋策略的細微變化，並查看對最終結果的影響。
根據輪胎混合料、圈速和賽車分佈估算出的停站時段。觀眾將看到比賽如何因比賽動態 (包括其他車隊的比賽策略、安全車和黃旗) 而改變。
歷史資料用於計算編隊圈的比賽策略，比較預測的輪胎和比賽策略。這種洞察讓觀眾可以看到車手何時應策略性地進行下一個停站。
成功的「提前進站」可以為您贏得比賽或獲得重要的排位。這無疑是技術團隊在比賽中必須面對的最緊張的時刻之一。此圖形將讓車迷更接近 F1 策略師的世界，在那裡，這些瞬間的決定可以贏得或失去至關重要的冠軍積分。
競爭對手分析
資料分析讓 F1 能夠在任何相關參數上比較指定賽車、車隊和車手的表現，並對其進行直觀排名，以指導車迷。
這些洞見顯示了車隊如何開發其賽車，所開發的賽車速度如何，以及整個賽季的比賽結果。無論是在賽季期間還是年度賽，開發比賽都是 F1 團隊的主要 KPI，這為 F1 的內部運作以及各個團隊在這一方面的表現提供了獨特的洞見。
Close to the Wall 為車迷和廣播公司提供獨特的檢視，切實了解 F1 賽車在冠軍賽最令人興奮的角落到底有多接近牆壁。F1 藉助特殊的相機與深度神經網路和電腦視覺演算法的融合，來計算 F1 賽車 (通常是輪胎) 最接近牆壁的距離。該計算使用四個步驟的程序來完成，即車架採集、賽車運動偵測、軌跡估算，以及演算法輸出。
此洞察將個別賽車性能隔離開來，並讓車迷將其性能與不同賽車的性能進行正面較量，從而對影響賽車性能的各個組成部分作比較，即轉彎性能、直線性能以及賽車的平衡性或操控性。
車手表現突出顯示與隊友和競爭對手相比，哪些車手將他們的汽車推向了性能的絕對極限。計算汽車輪胎在一圈中產生的力，並將其與汽車的最大能力進行比較，這將顯示車手發揮了汽車的多少潛在效能。將顯示三個參數，以突顯車手表現的三個關鍵方面，這會對終極目標產生重大影響- 單圈時間：加速、制動、彎道。
透過分析有關賽車、輪胎、交通、燃油等方面影響的大量資料，根據最重要的駕駛技能子集來細分車手的表現，以及針對七個關鍵指標 – 排位賽速度、比賽開始、比賽第 1 圈、比賽速度、輪胎管理、車手停站技能和超車，提供每個車手在整個賽季的表現得分輸出。這些指標使用 0 到 10 的範圍進行標準化，以提供「得分」式指標，並為觀眾、車迷和團隊提供洞見，以了解某個車手的優缺點，以及與該領域其他車手相比較的表現。
Pit Lane Performance 將為粉絲和廣播業者提供一個剖析整個進站事件的機會，了解從車手進入維修區並離開另一端的那一刻起迷失和被發現的時間。
賽車性能
F1 密切關注空氣動力學、輪胎性能、動力單元、車輛動力學和車輛最佳化，以提供協助車迷解讀整體賽車性能的洞見。
煞車表現顯示車手在轉彎操縱時的煞車風格可以提供從彎道出來的優勢。這透過測量車手在煞車之前接近彎道頂點的程度，比較車手的煞車風格和表現，並顯示賽車和車手在轉彎時的共同表現，如接近時的最高速度、煞車時的降速、使用的煞車功率以及車手在轉彎時承受的巨大重力。
F1 賽車性能最重要的方面，這可以提供好的賽車與卓越賽車相比較的洞見。這細分為四個主要部分 – 制動、轉彎、中彎和出口，透過賽車遙測資料來分析與比較彎道主要部分的性能。
彎道分析是由特定 (關鍵) 彎道附近的最佳制動和加速點確定的，彎道是每個車手獲得最大收益的區域。此洞見讓觀眾對單圈時間的損失和收益有更深入的了解，並在賽車之間作比較。
利用賽車資料，即賽車速度、縱向和橫向加速度以及陀螺儀，我們能夠估算出滑移角，然後得出每輛賽車的車輛平衡模型。這可得出輪胎磨損能量的輸出。(注意：輪胎磨損能量不是物理上的輪胎磨損，而是輪胎接觸面在路面上滑動的能量傳遞。) 該輸出為我們提供了每個拐角處的輪胎性能，指示相對於輪胎最終性能壽命，輪胎的使用程度如何。
車迷和廣播公司透過與安全車和「一般」公路車的單圈時間進行比較，單圈比較圖形能夠全盤了解 F1 車輛的性能水準。將透過資料模型證明該圖形的目的和輸出，如何將優異的 F1 技術與觀眾更熟悉的技術和性能進行比較。
立即觀看
預計的淘汰賽時間為球迷和評論員提供了「團隊層級」的洞察，可了解每個駕駛員的目標，以助其進入下一次資格賽。在每個比賽的後期階段，利用此圖形的目標時間，在飛行圈上越過界線時，將為車迷們顯示振奮人心的目標，對應至每個駕駛員時間，最後使車迷更接近最終結果的戲劇性場面。