AWS 기반 F1
기계 학습, 인공 지능 및 클라우드 기술의 힘을 통해 팬들이 F1을 즐길 수 있는 새롭고 독특하고 혁신적인 방법을 살펴보세요.
AWS AI를 사용하여 경기 개최일 문제 해결 가속화
F1과 AWS가 함께 Amazon Bedrock을 활용하여 근본 원인 분석(RCA) 솔루션을 구축했습니다. 이 다중 에이전트 시스템은 대규모 언어 모델과 검색 도구를 활용하여 로그를 분석하고, 결과를 요약하고, 인시던트의 상관 관계를 파악하고, 수정 사항을 권장합니다. 이 시스템은 최대 86% 더 빠르게 문제를 모니터링하고 해결할 뿐만 아니라 문제가 발생하기 전에 예측하고 예방합니다.
AWS는 어떻게 Formula 1®을 지원하나요?
✔ 스포츠의 변혁: AWS는 F1이 데이터를 수집, 분석, 활용하여 의사 결정을 내릴 수 있도록 지원합니다. 각 F1 경주 차량에 장착되어 초당 110만 개의 데이터 포인트를 생성하고 차량에서 피트로 전송하는 300개의 센서를 통해 F1은 진정한 데이터 중심 스포츠로 거듭났습니다.
✔ 팬 교육 및 즐거움 제공: AWS에서 제공하는 F1 Insights를 통해 팬들은 가장 복잡한 스포츠 중 하나를 더 깊이 이해할 수 있습니다. 피트 스톱 전략, 시간 손실, 트랙 지배율과 같은 AI 기반 화면 그래픽을 통해 팬들은 일반적으로 엔지니어와 분석가만 알 수 있는 컨텍스트를 즉시 얻을 수 있습니다.
✔ 중요 시스템의 신뢰성: AWS는 중요한 시스템이 가장 필요한 경기 개최일에도 계속 사용할 수 있도록 AI 시스템을 강화합니다. 에이전틱 AI 시스템을 구현하면 엔지니어가 몇 시간 동안 수작업으로 조사하지 않아도 되고 고부가가치 작업으로 전환할 수 있습니다.
실시간 데이터 스토리텔링 강화
F1이 AWS와 최근에 협업한 Track Pulse는 기계 학습과 생성형 AI를 사용하여 F1 방송팀이 실시간 드라이버 배틀, 챔피언십 예측, 최고 속도 등을 포함하여 언제든지 트랙 내 활동을 더 명확하고 종합적으로 파악할 수 있도록 지원합니다. 팀은 이러한 실시간 업데이트를 사용하여 시청자에게 강조할 요소를 결정하고 앞으로 펼쳐질 이야기를 예상할 수 있습니다.
생성형 AI 혁신 촉진: 스포츠 리더들의 교훈
Formula 1, NFL, PGA TOUR와 같은 리더들이 어떻게 AWS의 생성형 AI를 사용하여 고객 경험, 직원 생산성 및 프로세스 최적화를 개선하는지 알아보세요. 이러한 실제 사용 사례를 활용하여 생성형 AI 여정을 발전시키세요.
Formula 1®: Powered by AWS
경주 데이터
모든 F1 차량에는 초당 110만 개의 원격 측정 데이터 포인트를 생성하고 차량에서 피트로 전송하는 300개의 센서가 장착되어 있습니다. 이 실시간 데이터는 Amazon S3에 저장된 70년 역사의 경주 기록 데이터와 결합되어 팬들에게 정보와 교육을 제공하고 팬 경험을 다채롭게 하는 풍부한 인사이트를 추출하고, 우승을 위한 경주 전략 선택에 대한 더 많은 인사이트를 생성하는 데 사용됩니다.
경쟁업체 분석
F1은 데이터 분석을 통해 관련 파라미터 전체에서 특정 차량, 팀 및 드라이버의 성능을 비교하고 시각적 순위 표를 제공하여 팬들에게 유익한 정보를 제공할 수 있습니다.
자동차 성능
F1은 공력, 타이어 성능, 동력 장치, 차량 역학 및 차량 최적화를 면밀히 조사하여 전체 차량 성능을 해석하는 데 도움이 되는 인사이트를 제공합니다. 자동차 성능은 F1 팀의 주요 KPI입니다. 이 지표를 통해 팬들은 F1의 내부 작동 방식과 시즌 전과 시즌 중에 자동차 개발에 있어서 팀들의 성과를 서로 비교하여 특별한 인사이트를 얻을 수 있습니다.
최고 속도의 드라이버
이 인사이트는 AWS 기계 학습 기술을 사용하여 1983년부터 현재까지의 모든 드라이버에 대한 데이터 중심의 객관적 순위를 제공합니다. F1 차량에 차등을 두지 않고 순위를 계산하므로 가장 빠른 드라이버가 누구인지 묻는 오래된 질문에 대한 답을 얻을 수 있습니다. F1과 Amazon Machine Learning(ML) Solutions Lab의 데이터 사이언티스트들은 역사상 처음으로, 드라이버 속도에 대한 시대를 교차하는 객관적이고 복잡한 데이터 중심 순위를 만들었습니다.
경주 전략
F1은 타이밍 데이터를 사용하여 전체 경주 결과에 영향을 미치는 개별 팀 및 드라이버의 능력, 전략 및 전술을 객관적으로 분석할 수 있는 시각적 인사이트를 만들어 팬들에게 제공합니다. 예를 들어 Alternative Strategy는 팀과 팬들이 다른 전략적 결정을 내린 경우에 경주가 어떻게 진행되었을지 보여주는 그래픽입니다.
AWS 기반 F1 최신 뉴스
팬들이 참여할 수 있는 환경 조성
AWS 제공 F1 Insights는 경기 전, 경기 중간 및 경기 후의 팬 경험을 완전히 새롭게 바꿉니다. F1은 개별 데이터 포인트를 사용하여 각 인사이트를 제공하는 데 필요한 정보를 얻습니다. F1 팬들은 드라이버가 순간적인 의사 결정을 내리는 방법과 경주 결과에 영향을 미치는 팀의 경주 전략에 대해 이해할 수 있습니다. 아래에 이 모든 인사이트가 결합되는 방법에 대한 예제가 나와 있습니다.
경주 전략
F1은 타이밍 데이터를 사용하여 전체 경주 결과에 영향을 미치는 개별 팀 및 드라이버의 능력, 전략 및 전술을 객관적으로 분석할 수 있는 시각적 인사이트를 만들어 팬들에게 제공합니다.
Battle Forecast는 트랙 기록 및 예상 드라이버 속도를 사용하여 추격하는 차량이 앞 차량의 ‘공격 유효 거리’ 안으로 들어오기 전의 랩 수를 예측합니다.
Pit Strategy Battle 그래픽은 팬들에게 각 드라이버의 전략이 성공할 확률을 실시간으로 평가하는 방법에 대한 인사이트를 추가로 제공합니다. 팬들은 전략의 미묘한 변화를 추적하고 최종 결과에 미치는 영향을 볼 수 있습니다.
타이어 재료, 랩 시간 및 차량 길이를 기반으로 예상되는 피트 정차 기간입니다. 시청자들은 다른 팀의 경주 전략, 안전 차량 및 옐로 플래그와 같은 경주 역학에 따라 경주가 조정되는 방식을 볼 수 있습니다.
기록 데이터를 사용하고 예상 타이어 및 경주 전략을 비교하여 포메이션 랩 중의 경주 전략을 계산합니다. 이 인사이트를 통해 시청자들은 드라이버가 전략적으로 다음에 피트에 들어가야 하는 시기를 알 수 있습니다.
'언더컷'에 성공하면 레이스에서 승리를 거머쥐거나 중요한 포지션을 확보할 수 있습니다. 기술 팀이 레이스 중에 직면해야 하는 가장 긴박한 순간 중 하나임에는 틀림없습니다. 이 그래픽은 초 단위로 결정되는 판단력이 중요한 우승 기회를 좌우하는 F1 전략가의 세계를 더욱 가까이에서 경험할 수 있게 도와줍니다.
경쟁업체 분석
F1은 데이터 분석을 통해 관련 파라미터 전체에서 특정 차량, 팀 및 드라이버의 성능을 비교하고 시각적 순위 표를 제공하여 팬들에게 유익한 정보를 제공할 수 있습니다.
이 인사이트는 팀의 차량 개발 방법, 차량 개발 속도 및 시즌 전체 트랙 결과를 보여줍니다. 시즌 및 연간 개발 경주는 F1 팀의 주요 KPI이며 F1의 내부 활동 및 이 분야에서 팀들이 서로 어떻게 경쟁하는지에 대한 고유한 인사이트를 제공합니다.
Close to the Wall은 챔피언십의 가장 흥미로운 코너에서 F1 차량과 벽 사이의 근접성을 고유한 시각으로 팬과 방송사에 보여줍니다. F1은 특수 카메라와 심층 신경망 및 컴퓨터 비전 알고리즘의 융합을 사용하여 F1 차량(일반적으로 타이어)의 가장 가까운 부분과 벽 사이의 거리를 계산합니다. 이 작업은 프레임 수집, 차량 움직임 감지, 궤적 추정 및 알고리즘 출력이라는 4단계 프로세스를 사용하여 수행됩니다.
이 인사이트는 개별 차량의 성능을 분리함으로써 팬들에게 차량 성능을 구성하는 요소, 예를 들어 코너링 성능, 직진 성능 및 차량 균형 또는 핸들 조작과 같은 요소를 비교하여 서로 다른 차량의 성능을 나란히 비교하는 데 필요한 정보를 제공합니다.
Driver Performance는 팀원 및 경쟁자와 비교하여 성능의 절대 한계까지 차량을 몰고 가는 드라이버를 강조하여 보여줍니다. 랩 중에 차량 타이어에서 생성되는 힘을 계산하고 차량의 최대 능력과 비교함으로써 드라이버가 끌어낼 수 있는 차량의 잠재적 성능이 얼마인지 보여줍니다. 최종 목표인 랩 시간에 지대한 영향을 미치는 드라이버 운전 능력의 세 가지 주요 요소를 보여주는 가속, 제동, 코너링의 3가지 파라미터가 표시됩니다.
이 인사이트는 예선 속도, 경주 시작, 경주 랩 1, 경주 속도, 타이어 관리, 드라이버 피트 정차 기술 및 추월이라는 7가지 핵심 지표를 기준으로 차량, 타이어, 교통량 및 연료가 드라이버의 시즌 실적에 미친 효과에 대한 풍부한 데이터를 분석하여 가장 중요한 주행 기술을 기반으로 드라이버의 운전 능력을 분류합니다. 0~10의 범위로 이러한 지표를 표준화하여 ‘점수’ 형식의 지표를 제공하며, 시청자, 팬 및 팀에 특정 드라이버의 강점과 약점에 대한 인사이트를 제공하고 현장에서 다른 드라이버와 어떻게 비교되는지 보여줍니다.
Pit Lane Performance는 팬과 브로드캐스터에게 피트 스톱 이벤트 전체를 분석하고 운전자가 피트 레인으로 뛰어들어 다른 쪽 끝을 나가는 순간부터 잃어버린 시간과 발견된 시간을 이해할 수 있는 기회를 제공할 것입니다.
자동차 성능
F1은 공력, 타이어 성능, 동력 장치, 차량 역학 및 차량 최적화를 면밀히 조사하여 전체 차량 성능을 해석하는 데 도움이 되는 인사이트를 제공합니다.
Braking Performance는 코너링 중에 드라이버의 제동 스타일에 따라 코너가 유리하게 활용될 수 있음을 보여줍니다. 이 인사이트는 제동 전 코너 에이펙스와의 거리를 측정하여 드라이버의 제동 스타일과 능력을 비교하고, 전속력 진입, 제동을 통한 감속, 제동력 사용률 및 코너링 중에 드라이버가 겪는 엄청난 관성력 등 코너링 시 차량의 성능과 드라이버의 운전 능력을 보여줍니다.
F1 차량의 성능에 있어서 가장 중요한 영역을 나타내는 이 인사이트는 일반적인 차량과 우수한 차량이 어떻게 비교되는지 보여줍니다. 이 인사이트는 코너를 제동, 선회, 중간 코너 및 출구라는 4개의 주요 구획으로 나눕니다. 그런 다음 차량 원격 측정 데이터를 통해 코너의 주요 구획에서의 성능을 분석하고 비교합니다.
특정(그리고 결정적인) 코너에 대한 최적의 제동 및 가속 지점으로 결정되는 코너링 분석입니다. 코너는 각 드라이버가 최대한 활용할 수 있는 영역입니다. 시청자들은 이 인사이트를 통해 랩 시간의 손실 및 이득을 이해하고 차량을 비교할 수 있습니다.
차량 속도, 종방향 및 횡방향 가속과 자이로와 같은 차량 데이터를 사용하여 슬립각을 예측한 다음 각 차량에 대한 차량 균형 모델을 도출할 수 있습니다. 이렇게 하면 타이어 마모 에너지를 계산할 수 있습니다. 참고: 타이어 마모 에너지는 물리적인 타이어 마모가 아니라 도로 표면을 미끄러지는 타이어 접촉 패치의 에너지 전달을 의미합니다. 이 결과는 각 코너에 대한 타이어 성능을 알려주며 타이어의 최종 성능 수명과 관련하여 타이어가 사용된 시간을 나타냅니다.
랩 비교 그래픽은 F1 자동차의 랩 타임을 안전한 차와 '일반' 주행용 차의 랩 타임과 비교하여 팬과 브로드캐스터를 위해 F1 자동차의 성능 수준을 상황에 맞게 전달합니다. 이 그래픽의 목적과 출력은 데이터 모델을 통해 F1 기술이 더 친숙한 기술 및 성능과 비교하여 얼마나 우수한지 관람객에게 보여주기 위한 것입니다.
지금 보기
예상 녹아웃 시간은 팬과 해설자에게 다음 예선 세션을 통과하기 위해 각 드라이버가 목표로 하는 시간에 대한 '팀 수준' 인사이트를 제공합니다. 각 세션의 후반부에 활용되는 이 그래픽의 목표 시간은 팬들이 플라잉 랩에서 라인을 넘을 때 각 드라이버 시간을 매핑할 수 있는 흥미로운 목표를 제공하여 궁극적으로 팬들이 드라마틱한 최종 결과를 더 생생하게 느끼도록 할 것입니다.