Forrige helg fikk vi se den første av seks nye grafikkmoduler som skal gi enda bedre innsikt i hva som foregår, og bidra til en bedre seeropplevelse.
Den første statistikken fikk vi allerede i sendingen fra Imola – nemlig informasjonen om bremseytelser. Informasjonen leveres av Amazon Web Services og som bruker varianter av kunstig intelligens og maskinlæring til å levere analyser og bidra til bedre forståelse for hva som påvirker resultatet i et F1-
Mer enn 300 sensorer på hver F1-bil genererer 1.1 millioner datapunkter i sekundet som sendes fra bilen til pitlane for prosessering.
LES MER: Alonso om sjansene for Triple Crown
Braking Performance viser hvordan hver enkelt fører bremser i de ulike svingene, og hvordan ulike valg påvirker hastigheten ut av svingen. Statistikken som vises sammenligner ulike førere, og viser også hvor nær tangeringspunktet hver enkelt fører bremser. I tillegg vil den vise nøkkeldata om bil og fører som toppfart inn i svingen, fartsreduksjon og hvor mye energi som genereres samt G-kreftene som føreren utsettes for.
Car Exploitation er informasjon som blir tilgjengelig fra løpet som er planlagt i Canada i juni. Den viser seerne hvor mye førerne presser bilene mot grensene på områder som grep, bremsing, akselerasjon og sporvalg gjennom et løp. Den viser data i sanntid som kan dokumentere hvor mye føreren presser bilen gjennom et løp – for deretter å beregne oppnådd eller tapt tid per runde.
Energy Usage gir økt innsikt i hvordan dagens moderne F1-motorer optimaliserer energibruken gjennom et løp, inkludert hvor mye krefter den bruker på en forbikjøring. Statistikken viser hvordan energien flyter gjennom drivlinjen – ikke helt ulikt det mange kjenner fra sin egen el- eller hybridbil. Fremdriften i dagens F1-biler er en kombinasjon av den turbomatede V6-motoren og hybridsystemene som henter energi fra nedbremsing og varmen som genereres av turboen. Det er imidlertid begrensinger både på hvor mye energi som kan lagres, og hvor mye av den som kan brukes gjennom et F1-løp. Informasjonen brukes aktivt av teamene for å maksimalisere ytelsene på riktig tidspunkt i løpet. Gjennom denne nye grafikken kan også seerne følge grunnlaget for avgjørelsene i sanntid. Denne grafikken er planlagt sluppet i forbindelse med Storbritannia Grand Prix i juli.
Start Analysis er informasjon om hvilken fører som var raskest i starten og hvem som ikke traff like godt. En perfekt start er en svært viktig del av F1 – og denne informasjonen vil kunne gi bedre innsikt i hvorfor en fører ikke lykkes med starten sin. Her hentes informasjon fra pedaler og sammenstiller den med bevegelsesdata fra bilene. Denne informasjonen er på plass fra løpet på Monza i midten av september.
Pitlane Performance tar et ytterligere dypdykk i hvor viktig prestasjonene i pitlane er for et vellykket løp. Denne grafikken viser ikke bare hvor lang tid et stopp tar, men også hvor effektive hver del av teamet er under ett stopp. Det gir også utvidet mulighet til å sammenligne både team og førere. Denne er på plass fra Japan Grand Prix i oktober.
Undercut Threat skal hjelpe seerne i å forstå risikoen for å bli forbikjørt som følge av en «undercut». Undercut er når en fører som jakter en annen fører går tidligere i pit for å bytte til nye dekk, for dermed å bedre rundenetidene sine så mye at man kan beholde ledelsen når føreren som jaktes på går inn i pitlane på et senere tidspunkt. F1 introduserte en lignede analyse i juni 2020 – men den nye grafikken skal hjelpe seerne å vurdere hvor vellykket hver enkelt førers strategi er. Den nye grafikken beregner forholdet mellom de to førerne og viser avstanden basert på data som er innhentet fra tidligere pitstopp. Denne grafikken skal være på plass fra løpet i Australia som jo er flyttet il november.
Les mer om AWS her: https://aws.amazon.com/f1