F1的比赛策略由谁制定,如何制定

每一次进站维修的背后,都有3亿次模拟场景的推演,以及几位承受最终决策的汗流浃背的人.
每一次进站维修的背后,都有3亿次模拟场景的推演,以及几位承受最终决策的汗流浃背的人.

分享此页面

F1的比赛策略由谁决定?简短回答:没有单一个人.策略工程师通过模拟准备各种场景,比赛工程师充当车手与车队之间的桥梁,而有风险的最终决定则由车队领队作出.所以你在屏幕上看到的每一次进站,实际上都是数百万次计算和几个人汗水的结果.

亮点

  • 车队在赛前大约会模拟 3亿种不同的场景 .
  • 一次进站平均总共 损失20-25秒 的时间.
  • 自2007年起,比赛中至少更换一次轮胎配方是强制性的,也就是说至少要进站一次.
  • Undercut是指比对手更先进站,overcut则是用旧胎跑快圈之后再进站.
  • 有风险的最终策略决定权掌握在进站墙上的车队领队手中.

比赛周末的策略是如何构建的:模拟里面有什么?

你在周日看比赛,但策略团队从周末开始就已经在工作了.他们构建的模拟核心包含三个要素: 轮胎模型、"free air"即空跑赛道优化,以及 蒙特卡罗 方法.这些听起来很酷,但逻辑可以用一个很简单的类比来解释:就像考试前把所有可能出现的题目组合都解一遍,然后针对出现概率最高的那部分去复习.

轮胎模型测量三样东西:新胎的速度(基础节奏)、每圈的性能衰减(轮胎退化)以及轮胎的总寿命(轮胎寿命).拿到这三项数据后,你就可以计算“我的车手用软胎能快速跑多少圈,什么时候该换硬胎?”这个问题的答案.

蒙特卡罗方法才是真正神奇的部分.这种以摩纳哥赌场命名的统计技术,会运行数千次虚拟比赛,并计算每种场景出现的概率.车队用这种方法模拟大约3亿种不同的场景组合,来预测比赛的可能结果.是的,数百万种.但要注意:这些模拟给你的是 概率,永远不会给出确定的结果.剩下的部分则取决于策略部门的经验和车手在赛道上的执行.

他们用哪些数据工作?

通过遥测技术,整场比赛中会有数千个数据点源源不断传来:轮胎温度、速度、燃油消耗、发动机性能.网格中大多数车队使用的RaceWatch等工具,将机器学习模型与轮胎退化和对手进站战术的实时追踪结合起来.策略师们还会查看所谓的"gapper plot"车间距差图表,来确定undercut的机会以及可以安全进站而不丢位置的时刻.

甚至威廉姆斯的车辆性能负责人在2021年将F1比赛准备形容为“某种博弈论问题”.这个定义非常精准,因为对手的策略是保密的——你在落子时必须同时预测他们会怎么做.

进站墙上谁做什么:决策链在谁手里?

Simülasyon başlangıç planını verir; pit duvarı ise her turda o planı rakiplerin hamlelerine göre yeniden yazar.

维修墙是比赛期间车队的神经中枢.策略师、工程师和车队领队并排而坐观看比赛,各自关注自己领域的数据.角色大致分工如下:

  • 策略工程师: 运行进站模型和实时模拟,把屏幕上的各种可能性摆在车队面前.
  • 比赛工程师: 负责与车手沟通;车手在无线电里听到的就是他的声音.
  • 车队领队: 做出每一种带有风险的最终决定.一旦出错,承担责任的自然也是他.

这种分工非常重要,因为策略是一场持续更新的“闭环”博弈.随着轮胎性能、赛道位置和对手动作的变化,计划也在不断改变.模拟给你提供初始计划,而维修墙则在整个比赛过程中对该计划进行实时修订.

什么是undercut和overcut,它们什么时候有效?

这是维修墙最钟爱的两个单词武器. Undercut,指比对手更先进站,凭借新轮胎优势在几圈内跑出快速圈速,尝试实现超越. Overcut 则相反:留在赛道上用旧轮胎跑快圈,等对手进站后你再进站,从而在赛道上完成超越.哪种更好因赛道而异——完全取决于当时的轮胎寿命、赛道位置和对手的动作.

摩纳哥是展示这种平衡的绝佳例子,因为在赛道狭窄的赛道上,undercut与overcut之间的差距薄如一线.比赛分析人士指出,在摩纳哥这两种战术都不容易奏效,“空旷赛道”(free air)的概念决定一切.如果前方没有车,你就能充分发挥速度;但如果前方有车流,再好的策略也会撞上墙.

车队无线电里在聊些什么?

车手的方向盘上有一个按钮用于打开无线电连接,车手主要与自己的比赛工程师通话.无线电中不断讨论轮胎磨损、策略和车辆状况;但沟通尽量保持简洁,因为车手的专注力比什么都宝贵.打个简单的比方:在繁忙的车流中开车时,你不会想一边打电话一边解数学题,对吧?

无线电还有自己的行话."Push"指令意味着要求在进站前跑出一个关键的快圈;"manage"指令则表示需要延长当前轮胎 stint 的使用里程.当你坐在屏幕前听到车手声音中的紧张情绪时,你就知道发生了什么:维修墙与车手之间正在进行一场关键的博弈.

决策链条在哪里卡壳:摩纳哥2020与法拉利的难忘失误

理论很美好,但这件事里最有教育意义的还是错误.在2020年摩纳哥站,梅赛德斯承认让刘易斯·汉密尔顿换上的是中性胎,而不是更耐用的硬胎;汉密尔顿无线电里不安的信息所有人都听到了.梅赛德斯的官员后来表示,汉密尔顿"拯救了车队"——是的,他最终还是赢得了那场比赛.但这里的教训是:当模拟因轮胎担忧而陷入战略僵局时,即使是最强大的车队也会动摇.一些分析人士将此归因于更深层的轮胎性能问题,也就是说,"是战略失误还是赛车问题"的争论至今仍在继续.

法拉利的那一页则是另一本教科书.当时的车队领队毛里齐奥·阿里瓦贝内亲自承认,让塞巴斯蒂安·维特尔采用两停策略是错误的决定.2022年匈牙利大奖赛的分析显示,法拉利的决策失误和可靠性问题使夏尔·勒克莱尔损失了大约 100分 .更近期的是,在2026年澳大利亚大奖赛上,法拉利在赛道条件合适时没有召唤赛车进站,把比赛控制权和大约 10秒 都输给了梅赛德斯;乔治·拉塞尔赢得了那场比赛.

可以看出:这些错误通常不是某一位工程师的问题,而是决策链在某个环节卡壳的结果.错误的数据进入屏幕,错误的方案被提交,做出冒险决策的老板签下了最糟糕的选项.这就像小组项目里人人都插手却没人真正负责的决策一样——只不过其结果是在全世界面前被直播.

安全车与人工智能:改变策略的两大动态因素

安全车是最大程度改变进站战术的动态因素之一.当安全车使赛道减速时,进站的成本降低,还能节省燃油.因此在比赛的平静时刻,"如果安全车出动了,我现在该不该进站?"这个问题在维修区墙后不断被摆在台面上讨论.一次进站的正常成本平均为20-25秒,而在安全车出动期间这一损失会大幅减少——整个策略便会突然被重新改写.

展望未来,有一个有趣的讨论正在进行:强化学习即人工智能模型,为实时比赛策略带来了希望.学术研究聚焦于用机器学习优化进站策略,以及用进化算法生成比赛策略.但目前还没有广泛的应用;即使数学模型完美,模拟如何精准反映现实仍是一个有待解决的问题.所以至少就目前而言,风险决策的最终发言权仍然出自一个人之口——车队领队.

现在坐在屏幕前,你看到了什么?

下次当你看到一次进站呼叫时,请记住:那一刻的背后,有大约3亿个模拟场景、致力于轮胎模型的策略工程师、在无线电中据理力争的车手,以及承担最终决定、将风险扛在自己肩上的车队领队.有时这条链条运转完美,有时就像摩纳哥那样,一个轮胎选择颠覆了一切.这恰恰就是F1无形的魅力所在:胜利的公式有时不是在赛道上,而是在进站墙前的屏幕上写就的.你会信任哪个车队的策略师呢?

参考资料