[賽車知識]F1遙感數據分析——整理自網路

請關注我的微信公眾號【賽車知識】,謝謝!

在我們開始分析遙感數據之前,我們有必要了解一下數據分析的來源及目的。

數據是通過一個叫ATLAS(Advanced Telemetry Linked Acquisition System)軟體生成的,而軟體生產商是MES(Mclaren Electronic System)。之所以用麥克拉倫的是因為FIA統一了ECU的供應商。一套完整的數據包括:車載電子追蹤數據,發射無線電,以及通過一定頻率傳向車庫的遙感數據。接收器對這些數據進行解碼,並扮演伺服器的角色將這些數據通過一個區域網分發出去。一台用同樣配置並且裝有ATLAS軟體的計算機,可以接入網路來接受這些數據。這種簡易的區域網架構同樣可以把實時數據傳送到工廠,工程師以及策略制定者那裡。數據分兩種:遙感實時數據和跟蹤到得歷史數據。硬體就不討論,重要的是車手怎麼理解這些收到的數據並加以利用。

因為MES有微軟參與其中,所以ATLAS從一定程度上與Excel相似。所以不多做介紹,此處省略若干字。。。。。

在列印紙的最上方可以看到『StateLapOverlay Monaco』的字樣。這個信息是可配置的,這樣便如加入組織和稱謂信息。StateLapOverlay可以直觀的告訴我們這個信息主要是用於不同圈之間的對比。日期,時間,位置信息同樣被標註了出來,主要是表徵哪裡,什麼時候做的這個對比,從而區別於其他被成功跟蹤的數據。

數據的呈現方式是波形圖,包含了時間,距離以及觀察的位置範圍相關信息。通常狀況下數據室一圈一圈的來分析,但是這回合最快圈會被單獨列出來。我手裡的這份是從兩輛不同車上獲得數據的對比,X軸式一圈的長度。每輛車的數據用不同顏色區分。此圖用的是紅,藍二色。重要的是藍色的這輛車數據是基準數據也就是說紅色的用來對比的。

讓我們把注意轉移到圖紙的底部,哪裡羅列了一些「參數」還有圖例。每一個被命名的參數都對應著一個車載的感測器,而且這些數據室校準後的。另外有可能有些參數是「函數性」的,就是經過一定數據計算的。底部羅列的這些參數在波形圖上也有一定的體現。

右側的參數分為紅藍兩列,他們對應自波形圖上的數據也同樣用紅藍兩色標註。 ATLAS軟體里提供了標尺功能,覆蓋真箇波形圖,這樣可以很容易的指出具體的參數值,列印出來更是一目了然。垂直方向的標尺會在下面描述。另外你可以通過滑鼠來做大範圍的移動查看數據,鍵盤上箭頭鍵輕鬆則可以做微操。

讓我們看一下這些參數所代表的意思。開始我們說到每個參數都是對應的感測器傳送出來經過校準的數據。下面就是這些對應的關係:

v = 速度,一定時間內的位移

N = 數字,數量指示

r = 百分比,相對於整體的

a = 角度, 圍繞頂點的旋轉

p = 壓力, 對於基準面的用力

M = 級數, 尺度的衡量

B = 位,位信息,比如說1和0代表開關

T = 時間

接著來深入探討一下這些參數

v 賽車速度,單位kph

每個車輪上都有獨立的速度感應器,但是打滑,進彎,出彎,以及鎖死都會造成每個輪子之間速度不一樣,所以這並不代表賽車的速度。因此每個輪子的速度會作為函數的參數用於計算出賽車的速度,其間要去平衡不同輪子旋轉的距離。

NGear 賽車的檔位從1到7,不掛檔則時值為0,也就是空擋。

rThrottlePedal油門被踩下去的位置。單位:百分比

計算油門被車手踩下去的位置與完全踩去下去的位置比例。所以0%意味著鬆開油門,100%油門被踩死。

aSteeringWheel 方向盤旋轉的角度,這與架子的角度相關。單位:度

如果是0°的,賽車應該完全執行,轉向架也應該處在中間的位置。

pBrakeR 尾部的剎車系統液壓壓力。在尾部剎車系統主缸內輸出的壓力。單位:巴

MDiffDemand 差速器的扭矩輸出。單位:Nm

MKERSDemand KERS MGU的輸出和獲得的扭矩。在能量收集的時候MGU是扭矩輸出方向。當KERS放電時,輸出扭矩。 單位:Nm

BNRearWingStateControlMode 用於標準DRS開啟狀態。 單位:激活、關閉

TDiff 基於賽道長度來比較圈速的函數型參數。根據所處賽道位置來比較不同的兩圈圈速。

這些參數都是用來在波形圖上對車手的速度進行對比。所有車手的數據都會被特定的形勢呈現在波形圖上,從而快速之處他們在賽道的那個位置速度比較快,哪裡丟失了速度。例如:如果一個車手比隊友在賽道某個彎角剎車點提前了10m,就很容從圖標中被比較出來。

另外一些參數是一些特定的標示參數:比如說日期,地點或者車手的名字。

擺放在右下角的賽道圖。一個點沿著賽道圖移動,他相對於垂直方向的標尺的位置,可用於計算賽道的距離。點的位置可以直觀的高速使用者賽車在賽道上的位置以及賽道的特點。另外我可以看到彎道被標註成綠色,直道則被標註成黃色。這以進一步幫助定位了數據收集。ATLAS可以基於水平加速度和賽道距離自動生成一個map。綠色彎角用來計算和決定水平方向加速的極限。

圈速對比

現在讓我聚焦波形圖的分析。分析的根本在於X軸。 X軸可以配成時間或者距離。時間和距離都未0,起於左端,慢慢向右推進直道一圈結束。以摩納哥為例,X軸起點為0,右邊的終點距離是3200米。摩納哥整條賽道的長度大概是3340米。所有的數據都被定義為以X軸為參數的函數指標,用來指示哪裡,什麼地方的數據。通常狀況下橫軸都會被定位為距離,因為距離更有利於理解事件發生在賽道的物理位置,以及賽車距離任何一個事件的距離。距離的刻度也更利於賽車和車手的比較。例如距離讓我們很容易看到進彎時車手的剎車點對比。

讓我們從上到下來研究這個波形圖。最上方第一個跟蹤的是rThrottlePedal,他衡量刻度是垂直的,在波形圖右邊用百分比表示,從0%到100%全油門。我們可以看到當車手鬆油門進彎時形成一個向下的波形,彎中油門全松,出彎後全油門,這又形成一個向上的波形。

讓我們看一下8號彎(港口彎,出彎指向隧道)。8號彎的出彎速度對圈速影響很大,因為出彎就是隧道直路。紅色的車手出彎油門給的過於激進,這樣造成短暫的轉向過度,接著慢慢地在80%油門情況下將賽車拉回正軌。而藍色的車手則很好的控制了油門,重新給油的曲線是那種比較合適的線性。可以看到三個短暫調整,出彎時也沒有突然提高油門。

第二個跟蹤的數據室vCar,刻度垂直於波形圖的左側,從0。0kpb到360.0kph。進彎時從最大速度慢慢減至最小,形成一個向下的波形。出彎則相反形成一個向上的波形。彎心的速度最小。

為了進一步研究,我們看一下一號彎(Saint Devote彎)到3號彎(Massenet彎)。藍色車手使用了很多的中速彎角的過彎速度進入1號彎,出彎後也保持了較高的速度通過指導來到3號彎。進入3號彎時,紅色的車手剎車點遭遇藍色的,當然進彎和彎中,以及出彎的速度都要慢一些。由於紅色的車手低速過彎,出彎時,他可以較早的給油。

第三個跟蹤的信息是Tdiff,垂直刻度貫穿整個右側高度,單位是秒,從-2.400到2.400s。ATLAS會自動覆蓋另一圈的數據,但是Tdiif永遠是兩圈數據的對比。在這個例子中紅色的數據用來參考,藍色的是事實的數據。

這個信息從每圈開始的地方開始追蹤(0.000s),波形也從左開始展開。這個波形會沿著X軸原點向前時而波形向上,時而波形向下。向上的波形意思是車手的速度在賽道這個位置要慢於參考車手的速度,相反亦然。TDiff訊息衡量刻度要比其他信息來得大,不僅是為了便於差別些微的差別,而且這是所有顯示出來的信息的核心。車手或者工程師很容易通過時間差去找出來需要聚焦的數據差異,以及差異發生在什麼地方。在這個例子中,藍色車手完成一圈時停留在-1.650出,意味著他要快紅色車手-1.650s。

為了進一步研究,我們看一下一號彎(Saint Devote彎)到3號彎(Massenet彎)。如果你要找比較大的時間差很容易看到1號彎和3號彎,所以我們聚焦於此。Tdiff現實藍色車手在1號彎快樂0.38s,3號彎再快0.27s。通過vCar信息我們可以看出藍色車多帶了大概10kph的速度通過兩個彎角,這就是為什麼它能夠在兩個彎角找回0.65s。作為紅色賽車車手和工程師自然明白他們需要在1號彎和3號彎找回至少0.65s的時間。接下來他們就要去弄明白為什麼藍色的車可以在這兩個彎角做到更快的速度,是賽車的調教還是車手駕駛風格。

第四個BNRearWingStateControlMode,表徵DRS的狀態。開或關就兩種狀態。從圖像上可以看出他不像vCar和RThrottlePedal那樣平滑。從追蹤線看,高位線表示開啟,低位線表示DRS關閉,尾翼的副翼處於正常狀態。因為只有開啟關閉的兩種狀態所以在整個圖表中沒有刻度去衡量。

接著看1號彎道三號彎的數據。兩位車手都在1號彎出彎時打開DRS,直到剎車進入3號彎。兩位車手盡量在全油門時使用DRS去減少阻力,即使通過有點點彎曲的2號彎到3號彎之間的路段。

第五跟蹤信息是 MKERSDemand,用於指示放電釋放馬力和剎車收集能量,單位是力的單位Nm。他的主要目的就是定性分析KERS系統的充電和放電。所以不需要在左右兩邊放置衡量刻尺來定位KERS收集或者釋放多少力。最小的值說明KERS處於剎車時的收集能量,這是扭力施與MGU。最大值表示KERS正在放電,來自MGU扭力用於引擎曲軸。跟DRS一樣,KERS對於出彎速度以及直道上的速度非常重要,所以出彎後應儘早的釋放KERS來獲取好的圈速。

為了研究MKERSDemand,我們需要查看一號彎的進彎和出彎。波形圖的底部中附帶的pBrakeR信息,詳細的我們稍後討論。現在只用它來說明剎車充電。你只要明白向上的波形表明剎車踏板被踩下去,反之亦然。

第六個信息 MDiffDemand,應用於差速器的力,衡量刻度位於波形圖的右邊。範圍從0.0nm到2000.0nm。關於差速器的電子控制遠不在遙感數據分析的範疇,但是沒有一些這方面設定只是我們有很難做出合理的分析。所以我們看到整張圖紙上沒有關於紅藍二者這方面的分析。

最大值2000.0Nm代表賽車處於直道加速過程,最大扭矩通過差速器施加在兩個輪子上,就像渦輪增壓的過程。向下的波形代表慢慢剎車,將車頭指向彎心。所以通過差速器施與兩個輪子扭矩開始減小,而且施與兩個輪子的扭矩是不同的,這樣賽車才能打彎。上升曲線表示出彎過程,離開彎心,回到全油門狀態。出彎時,差速器必須儘可能多的給兩個輪子輸出扭力來加速賽車,但是還要允許兩個後輪有不同的扭力,這樣賽車才能很好的出彎。最低點應該出現在彎心,說明尾部兩個輪子速度差別最大,賽車可以最大化發生轉向。

關於MdiffDemand的討論,我們再次去看一號彎的數據。其中涉及到了nSteerWheel,就在MdiffDemand的下方,我們會稍後討論它,現在只要知道在最高點和最低點是代表著彎心。

接下來討論第七個跟蹤的信息 -

aSteerWheel,表示車手手裡那個方向盤的轉向角度,單位:度。刻度在圖紙的左側,範圍從-100到100度。在正常的直道狀況下角度應該為或者非常接近0度。上升的曲線表示車手右轉,反之亦然。

由於我們已經在熟悉了1號彎角的數據,我們也就接著aSteerWheel在一號彎的數據,當然要提及油門踏板的數據rThrottlePedal。

首先回憶一下我們隊rThrottlePedal的討論,在出8號彎的時候紅色所代表的賽車過於激進,提前給油。我們現在看看這對aSteerWheel的影響。

第八個被跟蹤的數據 Ngear,表示變速箱中變速桿的位置。 Ngear的垂直刻度位於圖紙的左側,範圍從空擋的0到8檔。當然變速箱只有7個檔位,8隻是標示參考而已。當然曲線應該是階梯狀,因為每個檔位都是線性的,而且之間不存在過度的行為。

由於我們已經討論過參數vCar在1號彎的表現,我們同樣用一號的數據來討論NGear。

為了更好的了解NGear,我們可以看看需要不停減檔的Nouvelle之字彎,就是出隧道後的那個彎角,的數據表現。

第九個也是最後一個被跟蹤的信息 - pBrakeR,位於圖紙的底部,代表尾部剎車的液壓壓力。刻度位於圖紙的右側,範圍從0.00巴到125巴。

不用去過多考慮哪一個壓力數據來自哪一個液壓,前或者後,因為我們不用關心特定的線路需要給多少壓力。我們只要了解車手踩下和鬆開剎車板的方式就好,完全的定性分析。在車手的波形比較中,車手和工程師主要關注剎車曲線的形狀和賽道對應路段關係,以及何時開始剎車。顯然,儘可能晚的剎車時選項之一,這樣可以用更多的速度來通過彎心,並且有好的出完速度。如果兩個車手擁有相似的賽車以及調教,他們的剎車點應該很相似。所以為什麼自己的剎車點與隊友的差別比較大,是車手的一個重要的課題。

如果剎車曲線能夠陡峭的上升,很快達到最大剎車位置,說明賽車的性能很優越,這樣可以有最大的進彎速度。最大化的空氣動力學壓力也可以幫到剎車的穩定性。

我們接著用1號彎的數據來分析,現在我們可以好好的看一下pBrakeR的數據。

我們花了大部分時間在1號彎上,現在我們可以總結為什麼藍色代表的車手在一個彎角要快上0.38s了 - TDif。通過分析我們可以看到藍色的所代表的車手採用了更為激進進彎速度,儘快的沖向路肩。比較早得進彎,讓他可以比較早得給油,並且開啟KERS和DRS,這些都是影響圈速的因素之一。

這些數據是第一節練習賽獲得的,那時候車隊大都在進行測試,而且賽道表面比較臟,缺乏抓地力。另外我們不是很清楚賽車機械和空氣東西學方面的調教,以及載油和輪胎的選擇。沒有足夠的信息,我們無法直接比較兩個車手的表現。這種情況下,最直觀的就是TDiff的1.650s表示兩個圈速的差別。如果圈速相差在零點幾秒內,我們可以猜想兩個車手使用相似的賽車。另外,縱觀整章圖表可以看出紅色所代表的車手並不是在做最快圈,巨大TDiff也是佐證這一猜測。如果要做進一步的分析,就需要更多特定的信息,無端的假設是沒有意義的。

我們分析了數據,但是不要想當然的這些跟實驗室出來的數據一樣具有重複性。分析賽車數據是非常複雜的。除了機械性能的差異,賽道的路況,還有是個人都會犯錯,所以從來不會有完全一樣的兩圈數據。比如說一個車手抱怨進彎時轉向不足,但是並不能從數據得到直接體現,有可能是特定駕駛方式或者調整可用設定造成的。合適的配置下,數據是不會說謊的,但是他只是用來跟車手討論以及要搭配上基本的工程知識。可用從這些波形圖上學到很多東西,可惜我們沒有完整的數據去解釋。

最後,還是自我推銷一下,請關注我的微信公眾號【賽車知識】,3Q!

推薦閱讀:

隨機森林——二元分類的利器之Kaggle初體驗Titanic: Machine Learning from Disaster
numpy+pandas除了效率對比excel還有什麼功能上的優勢嗎?
互聯網數據崗位定位與分工
轉行數據分析,你準備好了嗎?

TAG:一级方程式赛车F1 | 赛车 | 数据分析 |