Formula 1 rondt datamigratie af en maakt insights zichtbaar

Twee jaar geleden startte de samenwerking tussen Formula 1 en cloudleverancier AWS. Om de ervaring van de F1-kijker te verbeteren, wilde F1 dat de kijker tijdens de race statistieken kon bekijken. “Dat begint met data”, zegt Steven Bryen, Senior Developer Advocate van AWS. Om deze nieuwe inzichten te kunnen maken, maakt F1 gebruik van 70 jaar aan historische data die wordt opgeslagen in Amazon S3. Die data wordt gecombineerd met real-time data van sensoren aan de F1-racewagens en de baan, en via de cloud naar Amazon Kinesis gebracht dat de data real-time verzameld, verwerkt en analyseert.

Elke auto heeft zo’n 300 sensoren waaruit zo’n 1,1 miljoen datapunten per seconden komen die van de auto naar de pit worden gestuurd. “We hebben nu de beschikking over meer data dan ooit”, zegt Bryen. “De F1 is de afgelopen 70 jaren flink veranderd. Er is meer data bij gekomen en we hebben er ook toegang toe. Zo kunnen we modellen trainen met rijke data. Een van de voordelen van werken met AWS is dat het gewend is om met grote aantallen om te gaan. Voor ons was het geen uitdaging om deze grote aantallen te verwerken en analyseren.”

Complex onderdeel

Om al die data te kunnen verzamelen en analyseren, moest de infrastructuur van F1 worden gemigreerd naar een AWS-infrastructuur. Daarover vertelde chief engineer Rob Smedley in december al aan AG Connect: “We bouwen momenteel een datalake met producten van AWS. Dat is al een complex onderdeel. En de architectuur is nog complexer dan alleen storage. Van de datalaag weten we inmiddels hoe deze er uit moet komen te zien. Andere delen zijn we nog aan het ontwerpen.”

In een recent gesprek met AG Connect liet Bryen weten dat de datalaag inmiddels afgerond is en dat er nu wordt gewerkt aan functionaliteiten (nieuwe inzichten vanuit de data) bovenop die laag. Die functionaliteiten zijn inzichten die op basis van analyses of machine learning worden gemaakt.

De machine learning modellen zijn getraind met historische data en worden nu toepast op de real-time data. Een inzicht waarvoor machine learning wordt toegepast is de verwachte gevechten die worden geleverd. Daarvoor wordt bijvoorbeeld de data over de afstand tussen de auto’s, de afstand die nog moet worden afgelegd en het aantal rondes dat nog moet worden gereden meegenomen.

Zes inzichten

Afgelopen raceseizoen waren er al zes inzichten voor de kijker beschikbaar, waaronder de verwachte gevechten die worden geleverd en ook de snelheid van vertrek, de verwachte pitstop strategie, pit window, de gevechten op basis van de pitstrategie en de prestaties van de banden. Nu komen tussen juli en december zes nieuwe inzichten beschikbaar. Tijdens de race in Oostenrijk, aankomend weekend, zal de race-auto prestatiescore worden getoond.

Van de zes nieuw aangekondigde wordt de eerste tijdens de race in Engeland zichtbaar. Dat is de ultimate driver speed comparison. Deze laat racefans zien hoe hun favoriete coureurs zich verhouden tot andere coureurs uit de geschiedenis, die teruggaan tot 1983, om de snelste coureur aller tijden te helpen bepalen.