大数据分析助迈凯轮车队角逐F1

简介:

ZDNet至顶网软件频道消息(文/蒋湘辉):在风靡全球的一级方程式赛车(F1)运动中,车手的经验和状态,赛车发动机、刹车和轮胎的性能以及赛事规则的调整是影响比赛成绩的最主要因素。而在大数据时代来临之际,数据分析也已经成为迈凯轮车队角逐F1赛场的新武器。

在4月举办的F1上海大奖赛期间,迈凯轮车队工程总监Matt Morris在接受ZDNet采访时表示,“迈凯轮的核心业务是 F1 赛车,作为一项数据密集型运动,它对技术的灵活性和持续性提出了很严格的要求,在每个周末举办的分站赛上,我们都要基于数据收集和评估的结果,为两名车手——巴顿(Jenson Button)和马格努森(Kevin Magnussen)设计并制定比赛策略,包括赛车的空气动力装置、赛车轮胎的合成材料及时间,以及进站时间点的安排。”

大数据分析助迈凯轮车队角逐F1

图注:迈凯轮车队工程总监Matt Morris(右)和Luke(左)接受采访(蒋湘辉 摄)

每辆赛车通过200个传感器产生10GB数据

Matt Morris表示,在大奖赛的每条环形车道、练习或测试部分,我们的 F1赛车都会生成数量庞大的性能数据。能够处理这类数据、并迅速及时地采取行动,对于生成能够扭转比赛结果的智能指令至关重要。在为期三天的周末比赛中,每辆赛车产生的数据在压缩后也多达10GB,而每一个分站赛事所产生的信息总量则超过3TB。

“每一辆F1赛车上会有200余个传感器,这些传感器监控的主要参数包括:每辆赛车在赛道上的位置、赛车的速度、赛车的档位情况、发动机转速、油门和刹车承受的压力、赛车承受的重力、赛车中各种流体的压力(包括液压、水压、油压、轮胎气压以及燃料压力)、轮胎温度、刹车温度、刹车磨损情况、燃油油位以及动能回收系统(KERS)的电池电量。”

“团队在车库能够对这些传感器进行监控,确保每辆赛车保持最佳性能,并在出现故障或需要做出调整以提升赛车性能时,向赛车手提出预警。此外,所有赛车手都会收到一份包含每圈赛况的打印资料,以便他们了解自己在哪些环节超越或者落后于队友。”

大数据分析助迈凯轮车队角逐F1

 

图注:在上海F1大奖赛维修区出发的22号迈凯轮车手巴顿(蒋湘辉 摄)

通过SAP HANA调用数据从一小时缩短到9秒

由于F1赛事产生的数据量非常大,迈凯轮车队对IT系统的要求也有很高。据悉,迈凯轮车队的母公司迈凯轮集团早在10年前就部署了SAP的ERP系统来管理集团的人事、财务等核心业务,而2012年5月,该集团还决定采用SAP的HANA、移动应用方案和云计算服务。据悉,迈凯轮车队使用HANA后,可在更短的时间内获取更全面和准确的信息,并通过比较历史数据发现问题,使车手专注于如何在未来的比赛中获胜。

”SAP的HANA系统非常好用,比如来上海比赛前,我们在英国总部想看前一年上海站在32圈第9个弯道发生了什么事情,那辆赛车的车况,SAP将会帮助我们在9秒钟之内将所有的数据显示出来,而在部署SAP HANA之前差不多需要1个小时才能展示这些数据。“迈凯轮车队工程部人员Luke表示,“我们每年在匈牙利站比赛时都在夏天,地表温度经常会超过50摄氏度,而F1赛车的刹车通常在一千度时就不能使用,车手就需要根据地表温度数据来控制刹车系统。”

Luke还告诉ZDNet记者,“一般来说一辆F1赛车上的各种零件要超过1万种,这些零件需要经常更换以保证每一个零件在用的时候都在它最好的状态。所以我们也用SAP系统来跟踪每个部件的保质期及使用时间。” 

大数据分析助迈凯轮车队角逐F1

图注:在上海F1大奖赛维修区出发的20号迈凯轮车手马格努森(蒋湘辉 摄)

2015年有望部署移动方案

Matt Morris还透露,目前迈凯轮车队在英国总部大约有200位数据工程师,以往去飞往世界各分站赛事的随队工程师数量大约为20人左右,而部署SAP的HANA和云计算方案后,随队工程师的人员已经可以减少到10~12人。

据悉,从比赛开始,迈凯轮的工程师团队的工作人员便开始监控赛车和来自大赛组织者的所有实时遥测数据,并利用预测分析决定团队在各种可能出现的场景中应采取的对策。该预测分析流程会随着比赛进程的推进自行更新,因此,一旦赛道上有事故发生,任务控制中心的团队便能立即告知比赛团队应采取的措施,而无需比赛团队自己花时间去考虑如何应对。

Matt Morris还告诉ZDNet记者,由于数据量巨大,该车队的数据目前还不能在移动终端上全面展示,不过该车队有望2015年能够部署上线移动解决方案。

大数据分析助迈凯轮车队角逐F1

 

图注:迈凯轮车手巴顿在比赛中的实时数据会在这些终端上显示。据迈凯轮工作人员介绍,由于同一车队的两名选手也存在竞争关系,所以在随队比赛的十余名数据工程师中,只有两名工程师可以同时看到两名选手的数据。(蒋湘辉 摄)

原文发布时间为:2014年04月23日
本文作者:蒋湘辉
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
目录
相关文章
|
19天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
1月前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
1月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
1月前
|
数据采集 运维 数据挖掘
API电商接口大数据分析与数据挖掘 (商品详情店铺)
API接口、数据分析以及数据挖掘在商品详情和店铺相关的应用中,各自扮演着重要的角色。以下是关于它们各自的功能以及如何在商品详情和店铺分析中协同工作的简要说明。
|
3月前
|
关系型数据库 MySQL Serverless
高顿教育:大数据抽数分析业务引入polardb mysql serverless
高顿教育通过使用polardb serverless形态进行数据汇总,然后统一进行数据同步到数仓,业务有明显高低峰期,灵活的弹性伸缩能力,大大降低了客户使用成本。
|
3月前
|
机器学习/深度学习 数据采集 算法
大数据分析技术与方法探究
在当今信息化时代,数据量的增长速度远快于人类的处理能力。因此,如何高效地利用大数据,成为了企业和机构关注的焦点。本文将从大数据分析的技术和方法两个方面进行探究,为各行业提供更好的数据应用方向。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据分析的技术和方法:从深度学习到机器学习
大数据时代的到来,让数据分析成为了企业和组织中不可或缺的一环。如何高效地处理庞大的数据集并且从中发现潜在的价值是每个数据分析师都需要掌握的技能。本文将介绍大数据分析的技术和方法,包括深度学习、机器学习、数据挖掘等方面的应用,以及如何通过这些技术和方法来解决实际问题。
52 2
|
3月前
|
机器学习/深度学习 人工智能 运维
大数据分析:探索信息世界的钥匙
在当今信息爆炸的时代,大数据分析成为挖掘宝藏般的技术和方法。本文将介绍大数据分析的基本概念、技术与方法,并探讨其在商业、科学和社会领域中的广泛应用。从数据收集和预处理到模型构建和结果解读,大数据分析为我们揭示了信息世界的钥匙,为决策者提供了有力的支持。
|
2月前
|
API
GEE案例分析——利用sentinel-3数据计算空气污染指数(Air Pollution Index,简称API)
GEE案例分析——利用sentinel-3数据计算空气污染指数(Air Pollution Index,简称API)
106 0
|
3月前
|
数据挖掘
离线大数据分析的应用
离线大数据分析的应用