自行车赛2.0——大数据如何再造环法自行车赛

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:



自行车赛这些年日子不好过。高科技能否拯救它?


自行车这个运动正在发生一些非同寻常的变化。著名的环法自行车赛将于这周末开始,历时三周。它,正处于这些变化的核心。 


头号物证是安装在198名参赛者座位底下的一个小小的黑色遥测感应器。他们将带着它跨越21个赛段。令人疲乏的赛程长达3535公里,以逆时针方向环绕法国乡村,并途径西班牙、瑞士境内的小段距离。


经过2015年的比赛测试,这款感应器虽然其貌不扬,但一次关键性的成功,使它可名正言顺地在体育报道领域被称为静悄悄的革命。自行车运动看起来常有一些神秘色彩,这源于赛段绝对的迷惑性,没有人,甚至连赛手和车队运动总监也不总是很清楚比赛的状态或对手的位置。而这款感应器将这种不确定性一扫而光。


某个赛手是高兴地奔向打破纪录的终点,还是吃力地跟在所有人的后面?新的环法自行车赛中心的门户网站可以(其制造商保证)接收反馈可靠的GPS数据,使粉丝们可以得到非常精确的答案。


其他提供的信息包括赛手任意时刻的速度,竞争者之间的距离,路上的车队组成以及当地的天气状况如风速和风向。 赛手在山区的话,甚至可以看到每位赛手正在攀登的海拔高度。


在这个新奇的世界里,你可能会开始觉得比赛像是某种移动的物联网——碰巧移动之物是人类竞赛者。


大概唯一不能提供的数据是赛手的齿轮比组成和他们的早餐内容。但是在研究比赛组织者环法公司(ASO)野心勃勃的2016年度市场材料后,可以想象这些数据很有可能出现在下一个版本中。


在沿途某个地方,环法公司现代化赛事负责人Christian Prudhomme看起来对环法自行车赛以及数据在塑造其未来中所扮演的角色有深刻的领悟。从现在起,数据将会是赛事如何在新生代粉丝中开拓市场的主角。如果要吸引到可靠的赞助商赞助车手的紧急需求,必须把他们引诱到屏幕前来。


高科技转化的另一个关注点是通过比赛中某些赛手车上固定的摄像机GoPro 来捕获主车群中的视频信息,而不是通过传统的架设在外部的电视摄像头来观看比赛。


在幕后,支持环法自行车赛2.0的大数据是由高科技公司Dimension Data开发的。其核心是一辆大卡车,外面印着公司的绿色标志,里面有约6-8名软件工程师。随着赛事的进行,这辆大卡车也从一个赛段移动到另一个赛段。


表面上看,它与一台外景电视转播车并无不同,然而它是一个完全不同的设备。它的内部是分析系统,将每个赛段从赛手们车上捕获的六百万条实时数据转化为网站所需要的内容,继而告知全世界。


如果把它比作数字炼金术,那么就在这个轮子的数据中心,各种成分被混合起来。


在此发生的一切,在时间上,就如同电视转播车一样重要,也许更加重要。如果电视图片展示了剧情,那么越来越多赛手的表现数据可以提供解释。


实现这一切的是Dimension Data公司环法项目的负责人Adam Foster。Techworld试图追上他,但是想追上一个最近几个星期总在法国各地跑来跑去的人不是一件容易的事。作为一名自行车运动的发烧友,为全世界最大最好的自行车赛管理一个野心勃勃的大数据项目,这要么是世界上最好的工作,要么是压力山大乏善可陈的。


“去年我们运行了测试版本,而对于能实现什么,我们只能实事求是。”一开始他就坦白承认,2015年比赛期间的平台测试版试用中充满了各种小问题。赛手方面的数据采集突然中断,导致赛手的表现信息显示荒谬的数字或者什么也没显示。


“我们曾因距离问题而在获取一致的数据方面感到费劲。设备每秒都会发送GPS坐标,但相关数据会溜入黑洞,因为没什么东西来接受它。”他说到。


“现在它们的发送方式改进了。我们期待更细化的数据,尤其在比赛分散开之后。”


这是意料之中的事。数据曾由车座下的感应器传输给直升机和飞机,这在赛手们穿越深山相互距离好几千米时将会是个棘手的任务。这样的设施本是为支持摩托车后方屈指可数的几架电视摄像机而建,而不是面向位于多个地点的198位赛手的。电视传播所感兴趣的可能也就是领先组以及紧随其后的那组。相比之下,数据导向的比赛则同时追踪每个人。


Foster说,Dimension Data公司去年还是个数家公司的拼凑品,而今年它提升了数据传输距离,现在成为承接所有数据的唯一枢纽。


把这一切做成功的挑战仍然是惊人的。粉丝们理所应当地觉得在一级方程式一类的比赛中数据和电视转播工作应正常联手运转,但是Foster指出,这种联手运转能成功是因为比赛在固定场地进行。相比之下,环法自行车赛的赛段则可蔓延240千米以上、跨越艰险地形、历经各种天气。


“我们必须克服的最初挑战是在任何位置都能提供一个稳健平台。某一天我们可能会在法国的一个城市中心,而接下来马上就到了文拓山 (Mont Ventoux) 的山顶。无论环境如何,所提供的质量必须始终如一。” Foster说到。


其他升级包括建立庞大的移动数据中心来应对更大的数据吞吐量,以及进行分析能力升级来更好处理位于一切事情之下的GPS数据。


该平台全天候运行,而赛段每天只进行几个小时,这起初听起来有点令人费解。其原因是维度数据的团队要保持平台运转以支持全球报道,这意味着所涉及的团队们位于美国和澳大利亚以及法国本身。 


今年数据传送将只能通过传统网络门户提供,但Foster预测接下来一两年的比赛应该会扩展到移动应用程序上。这对环法比赛2.0的成功至关重要。对于大批无法在电视或电脑上看直播的粉丝(赛段在欧洲的工作日进行),移动直播传送不可或缺。


2016年的比赛中,Dimension Data公司不仅将协调数据传送,而且将赞助南非自行车队“维度数据队(Team Dimension Data)”。车队由自行车知名人士马克·卡文迪什 (Mark Cavendish),史蒂夫·卡明斯 (Steve Cummings),艾德瓦得·博阿松·哈根 (Edvald Boasson Hagen) 和厄立特里亚·丹尼尔·泰克海马诺 (Eritrean Daniel Teklehaimanot) 组成,其中每人都有可能赢得单独赛段。 


并非所有关注都受到欢迎:2015年,在宣布与ASO环法比赛合作关系后的最初几个月,Dimension Data的企业网络收到1000多万次侦察扫描来寻找可被用于破坏报道覆盖的弱点。今年,公司非常清楚它将再次成为首要目标,并已采取措施巩固自身以应对攻击。


至于竞技活动,Foster承认,从他的比赛日数据掩体中,他可能不会体验到很多精彩呈现。


“公平地说,作为从记事起就是环法粉丝并亲身到过比赛现场的人,我大概少看了比赛。”他讲述2015年的经历。“但我不会用幕后的经历来换我之前的那种全身心投入。这完全不同。我怀念的是他们到达终点线时的各种戏剧性”。


2016年,环法自行车赛仍然被外界看作一项被法国人、体育受虐狂和违禁药用者所热爱的偏门运动。实时大数据如今承诺扩展这项运动使其不再受限于狭窄的视野。比赛组织者认为他们已经在比赛数据中发现了这项运动未来的一个重要维度。


“我希望我们能改变这项运动的面貌。这是一项能提供很多东西的运动,而技术在讲述相关故事方面具有非常重要的一席之地。”


原文发布时间为:2016-07-31

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
ly~
|
2月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
520 2
|
机器学习/深度学习 安全 搜索推荐
|
监控 算法 数据挖掘
|
存储 分布式计算 算法
|
数据可视化 大数据