更多

    F1 增更多實時賽車數據 由 AWS 支援

    Eric Chong
    Eric Chong
    商業・科技・創業・編輯

    Google 調查:港企人工智能預備程度僅過半

    Google 香港在過去3年舉辦研究發表《智慧數碼城市》白皮書,今年的研究集中在人工智能,發表《智慧數碼城市 - 全城 AI 》白皮書。報告揭示,香港企業的「 AI 準備度指數」僅 56 分,企業有目標,但卻欠缺能力和人才去發展。

    富士通超級電腦 助日本研究武肺傳播方式

    富士通為日本理化學研究所( RIKEN )建立的超級電腦富岳,今年啟用以來,幫助日本政府分析武漢肺炎疫情,為提供制定防疫措施的科學佐證。該公司稱,打算與新加坡政府合作,協助分析疫情。

    雲上數據倉庫 Snowflake

    今年美國科技股當旺,造就了四大科技巨企股價飛升,也帶起如 Zoom 、 DocuSign 等疫情受惠股。不過,投資者眼光最近集中在新上市的數據倉庫公司 Snowflake ,連股神巴菲特也破例 IPO 買入科技股。

    受疫情所累,F1 今賽季已取消多場賽事,7 月第一個周末的奧地利 GP 變成揭幕戰。 F1 賽會在此期間開發更多由人工智能分析實時賽車數據,給電視觀眾了解賽場上的戰況。初步計畫在今賽季新增 6 項數據,「車輛性能得分」將在揭幕戰登場。這些數據由 F1 與 AWS 共同開發的 F1 Insights 數據進一步分析而來。

    車輛性能得分( Car Performance Score )讓觀眾比較各戰車的情況,通過四個指標:低速過彎、高速過彎、直線行駛和車輛操控,提供賽車總體性能的完整細分。若以圖像解讀不同車輛指標的比較,有助衡量車輛不同方面的性能,並查看每個車隊和車手的領先優勢或導致落敗的因素。

    其餘五項實時數據,將陸續在今賽季推出:

    • 終極車手速度比較:將場上的車手與 1983 年至今的所有車手作比較,判斷 F1 史上最快車手。
    • 高速或低速過彎性能:比較各車手以超過 175km/h 的速度駛過最快彎道的表現,以及以低於 125km/h 的速度低速過彎的表現。
    • 車手技能評分:根據排位賽表現、起跑、比賽節奏、輪胎管理和超車/防守風格等不同因素計算評分。
    • 車輛/車隊發展與賽季整體表現:基於車隊本賽季各場比賽的累積表現,發掘每支車隊的發展 情況。
    • 排位和比賽節奏預測:從練習賽和排位賽圈數中收集數據,在每場比賽前預測最有可能獲勝 的車隊。

    這些數據將以圖像形式在電視直播上給觀眾展示。數據基於 F1 Insights 的駛出速度、預計進站維修策略、維修時間、對決結果預測、進站策略對決和輪胎性能,作出進一步分析。

    數據處理和分析由 AWS 基建支援,例如將近 70 年的比賽數據、車上和賽道感應器收集的實時數據,儲存在 S3。F1 工程師通過機械學習模型管理服務 SageMaker,把數據套用至模型。繼而利用無伺服器運算服務 Lambda計算 ML 模型。

    F1 影片介紹將在今季「揭幕戰」推出的車輛性能得分。
    車輛性能得分用多個指標為每輛戰車計算得分,容易作比較。
    車輛性能得分用多個指標為每輛戰車計算得分,容易作比較。
    數據來自 F1 Insights,用 AWS Sagmaker 等人工智能服務作進一步。
    數據來自 F1 Insights,用 AWS Sagmaker 等人工智能服務作進一步。

    您會感興趣的內容

    相關文章