Как автомобильный энтузиаст, мне всегда нравилось знать об автомобилях, водить их и играть в гоночные игры. Либо игра в игру F1 в аркаде, либо наблюдение за машинами F1, проносящимися по гоночной трассе на скорости до 370 км / ч (230 миль / ч), вызывает определенное волнение. Этот азарт скорости и стратегии - причина того, что у F1 более полумиллиарда поклонников по всему миру.
В этой статье я хотел бы представить, как Формула 1 использует машинное обучение для автоматизации, сбора, анализа и использования данных для принятия оперативных решений и распространения информации о гонках.
Технологии в спорте
Тем не менее, поскольку спорт во всем мире развивается с помощью технологий, Формула-1 долгое время называлась «самой быстрой научно-исследовательской лабораторией на Земле». Достижения в F1 не только улучшили жизнь людей на трассе, но и за ее пределами до такой степени, что произвели революцию в мире.
Формула 1 использует и использует технологии для снижения веса, улучшения ускорения, максимальной скорости и топливной экономичности с 1990-х годов, когда впервые была представлена система контроля тяги. Traction Control автоматически снижает мощность, подаваемую на колеса, для более контролируемого ускорения, идеального трогания с места и исключения заноса.
С момента появления гонок Формулы-1 этот вид спорта был направлен на то, чтобы увлекать зрителей. От комментариев со стороны трассы до нескольких камер на гоночной трассе, дающих общее представление о том, где находятся гонщики и в каком положении. Однако это никогда не было режимом реального времени, основными недостатками которого были неэффективное время пит-стопов и очень небольшое количество изменений стратегии на трассе.
Формула 1 становится партнером AWS
В Гран-при F1 каждое транспортное средство генерирует 3 ГБ данных, и каждую секунду с 120 датчиков, отправляемых с транспортных средств на боксы, генерируются 1500 точек данных. В 2018 году F1 заключила партнерское соглашение с AWS, чтобы полностью перенести свою архитектуру в облако и получать аналитические данные, прогнозы, улучшать стратегии и предоставлять фанатам улучшенный опыт, улучшая при этом цифровое вещание. Формула 1 использует несколько сервисов AWS, таких как Amazon SageMaker для машинного обучения, Amazon Kinesis для потоковой передачи в реальном времени, S3 для хранения данных датчиков за годы, EC2 и высокопроизводительные вычисления.
Пристегните ремни безопасности, поскольку мы кратко рассмотрим эти услуги и то, как AWS на самом деле внедряет в Формулу 1.
Сервисы AWS, используемые F1
Amazon SageMaker
Amazon SageMaker - это Машинное обучение как услуга, предоставляемая AWS, с помощью которой специалисты по обработке данных и разработчики машинного обучения могут создавать, обучать и развертывать модели машинного обучения (ML). SageMaker предоставляет множество инструментов, облегчающих процесс маркировки, подготовки данных, разработки функций, автоматического машинного обучения, обучения, настройки, хостинга, мониторинга и рабочих процессов.
Amazon SageMaker использует данные в реальном времени от датчиков автомобиля F1, собранные за 69 лет гоночных данных, хранящихся на S3, для информирования болельщиков и гоночных команд, чтобы они могли лучше принимать решения на трассе.
Amazon Kinesis
Amazon Kinesis упрощает сбор, обработку и анализ потоковых данных в реальном времени, чтобы вы могли своевременно получать аналитическую информацию и быстро реагировать на новую информацию, не дожидаясь, пока соберутся все ваши данные, прежде чем обработка может начаться. Рентабельная обработка потоковых данных любого масштаба наряду с гибкостью. Amazon Kinesis позволяет получать данные в реальном времени, такие как видео, аудио, журналы приложений и данные телеметрии Интернета вещей, для машинного обучения, аналитики и т. Д.
Amazon S3
Amazon Simple Storage Service (Amazon S3) - это служба хранилища объектов, которая предлагает масштабируемость, доступность данных, безопасность и производительность. Это означает, что клиенты всех размеров и отраслей могут использовать его для хранения и защиты любого объема данных для различных сценариев использования, таких как озера данных, веб-сайты, резервное копирование и восстановление, корпоративные приложения, устройства IoT и аналитика больших данных.
Amazon EC2
Amazon Elastic Compute Cloud (Amazon EC2) предоставляет изменяемые вычислительные ресурсы в облаке с возможностью выбора процессора, хранилища, сети, операционной системы и графических процессоров.
Amazon HPC
AWS предоставляет интегрированный набор услуг, который предоставляет все необходимое для быстрого и простого создания кластеров HPC в облаке и управления ими. Эти кластеры необходимы для выполнения наиболее ресурсоемких приложений, таких как моделирование финансовых рисков, прогнозирование погоды, сейсмические изображения, машинное обучение, глубокое обучение, автономное вождение и т. Д.
Как это работает?
Данные с автомобиля F1 поступают в центр обработки данных, а затем через шлюз API эти данные извлекаются в модель машинного обучения (Amazon SageMaker) с использованием функции Lambda, где данные в реальном времени сравниваются с ранее обученными данными прошлых гонок. .
Впоследствии принимаются решения и проводится анализ данных. Решения принимаются командой, а выводы транслируются в реальном времени в трансляцию F1. Более подробное объяснение того, что скрывается под капотом F1 Insights, можно найти в этом видео от AWS: https://www.youtube.com/watch?v=gYXqv1UxW3Y
Использование машинного обучения с использованием данных из автомобилей F1
Формула 1 вместе с AWS работали над двумя моделями: Преимущество пит-стопа и Прогноз битвы для мгновенных решений пит-стопа и стратегии гоночных трасс для команд. Различные данные датчиков, такие как данные телеметрии, прижимная сила, состав шин, положение, погода и т. Д., Получаются от автомобилей F1, после чего эти данные в реальном времени передаются в AWS SageMaker для прогнозирования результатов и мгновенного реагирования на сценарии движения на трассе ( Прогноз боя). Одна из ключевых составляющих гонок Формулы 1 - стратегия пит-стопа, которая играет важную роль в экономии времени во время гонки. Если автомобиль, достигший первого места, имеет большее преимущество перед вторым, а также многие другие факторы, которые могут дать улучшения за доли секунды.
Для фанатов команда Amazon ML Solutions Lab также запускает F1 Insights, в котором в режиме реального времени будут отображаться различные аналитические данные под названием «Оценка эффективности автомобиля». Характеристики автомобиля F1 Insights будут анализировать производительность и оценивать автомобиль от 0 до 10, а также оценивать его для сравнения с другими.
Специалисты по обработке данных вместе с автомобильными инженерами работают вместе с данными, чтобы обеспечить идеальный баланс между сцеплением, прижимной силой, сопротивлением и мощностью . Таким образом, модификации в соответствии с сильными и слабыми сторонами конкретных автопроизводителей могут быть сделаны, чтобы дать ему преимущество над другими в таких важных частях, как низкоскоростные, среднескоростные и высокоскоростные повороты.
Аналитика производительности позволяет водителю лучше управлять автомобилем, а автомобилестроителю - лучшему производству. Например, оценка -10 дается, если у автомобиля недостаточная поворачиваемость, и оценка +10, если машина выходит из-под поворачиваемости, следовательно, водителю необходимо поддерживать оценку 0, что является идеальным балансом.
Тысячи точек данных передаются каждую секунду из автомобиля F1, который используется для расчета оценок производительности. Некоторые из них - скорость, угол поворота, синхронизация, перегрузка, скорость рыскания, данные схемы, положение и статус пути. Используя текущие данные и сравнивая с данными предыдущего года, каждому автомобилю в конце каждого круга присваивается балл.
Самое увлекательное в машинном обучении - это многочисленные возможности совершенствования, которые оно открывает как для болельщиков, так и для команд, например, какая машина лучше работает на прямых участках, какая машина проезжает на поворотах. Выводы такой аналитики также показывают, какие автомобили проявляют недостаточную или избыточную поворачиваемость, что водители могут выбрать в соответствии со своими предпочтениями.
Последнее слово
Ранжирование автомобилей по этим параметрам способствует принятию важных решений, которые могут полностью изменить исход гонки, а также сделать процесс вождения более насыщенным и захватывающим. Благодаря тому, что F1 Insights демонстрирует впечатляющие результаты на своих этапах развития, он, безусловно, навсегда изменит Гран-при. Фанатам наверняка не терпится испытать это на собственном опыте!
Интересные источники:
Спасибо за бесценное время! Я буду делиться интересными проектами с использованием AWS, не стесняйтесь следить за этим пространством. Поделитесь и аплодируйте, если вам понравилось читать, и вы также можете связаться со мной в LinkedIn, если у вас возникнут какие-либо сомнения.
