F1中的遥测与数据流
分享此页面
F1中的遥测是指从赛车实时流向维修站墙和车库的数据流;车上的数百个传感器以千分之一秒的精度向工程师传输一切信息,包括速度和制动数据,以及胎压、油量水平、发动机健康状况等.在现代F1中,战略、车手表现以及大多数技术决策都源于这条看不见的数据链.
亮点
- 一辆现代F1赛车在一个比赛周末搭载 超过250个传感器 .
- 赛车每秒传输约 110万个数据点 ;一个周末下来,每辆赛车会累积数TB的数据.
- 在欧洲赛事中,数据传到维修站墙的延迟约为 10-15毫秒,而在澳大利亚和日本等遥远赛站则约为 300-400毫秒 .
- 借助差值分析,工程师能够以千分之一秒的精度解析车手在某个弯角损失的时间.
- 1978年被Tyrrell聘用的物理学家Karl Kempf博士,作为将磁带记录式遥测引入F1的人而载入史册.
当你在屏幕前观看F1比赛时,有没有想过:维修站墙上的工程师们怎么能在你还跑完那一圈之前,就知道车手的轮胎出了什么状况、还剩多少油、刹车是否快用完了?答案只有三个字:遥测.相信我,一旦深入了解这个领域,你就再也不会用同样的眼光去看F1了.
什么是遥测?车上有多少个传感器?
遥测,简单来说就是将赛车在赛道上收集到的所有数据实时传输到维修站墙和车库.铺满车底和车顶的传感器持续测量一切,并通过无线电波将这些数据发送给团队.与其说它是一辆汽车,不如把它想象成一台连接着庞大计算机的移动传感器束.事实上,业内文献中甚至使用了"移动超级计算机"这一比喻.
那么有多少个传感器呢?梅赛德斯电子研发工程师之一Christine Steven表示,在平均一个比赛周末中,赛车上 有超过250个传感器 ;一些最新资料更是将这个数字 提高到300以上 .传感器分为三大类别:控制、仪表测量和监控.动力单元、底盘、悬挂、轮胎、空气动力学以及车手控制装置都连接到这个网络中.此外,FIA还要求各车队配备持续监测胎压的强制TPMS系统;在翼片和底板上则安装了测量轮胎表面温度和轮胎退化的热成像传感器.也就是说,如今了解轮胎的状况不仅依靠车手的"感觉",还有像摄像机一样"观察"的传感器.
数据速率也不是一成不变的;从 1 Hz 到 1 kHz 不等.在振动数据方面,每秒可高达 20 万个采样点.被监测的通道清单长得惊人:车速、各轮速、转向角、前后制动、制动力平衡、档位、发动机转速、胎压、DRS、发动机模式、扭矩、燃油、上一圈 delta、离心力、离合器、下压力、液压和油压、发动机温度、变速箱、排气……清单还在延长,但你已经明白了:赛车的每一个细胞都在说话.
数据是如何从赛车传到维修站的?
传感器以模拟方式或通过 CAN bus 线路连接到赛车的 ECU.ECU 对每支车队来说都是标准化定制生产;由 McLaren 制造,所有车队使用相同的硬件.ECU 对数据进行加密,并通过车前的天线发送到维修站.有些数据则采用传统方式收集,即在维修区用线缆连接笔记本电脑;这被称为 offload,通过这种方式下载实时传输无法承载的额外数据.
每圈实时数据约为 30 MB 左右;加上维修区的 offload,这个数量可能增加到两三倍.而一个大奖赛周末的总数据量,每辆赛车可达几太字节;如果把视频也算在内,这个数字还会更大.在 2022 年墨西哥大奖赛周末,仅赛道与工厂之间就传输了大约 11 TB 的数据.还有延迟问题:在欧洲比赛中,数据在 10-15 ms内到达维修墙,而在澳大利亚或日本等偏远比赛中,这个时间会飙升到 300-400 ms.对人来说察觉不到,但对以千分之一秒为工作单位的工程师来说,差距很大.再往下,还要指出一点:遥测基础设施本身对所有车队都是共用的;这个在赛道上提供 100% 覆盖的系统,是车队之间合作的罕见范例之一.在分析方面,大多数车队使用 McLaren Applied 的 Atlas 软件.
排位赛中损失的时间是如何被发现的?
排位赛是遥测分析最激动人心的时刻.车手一下车,就在两轮之间那段短暂的时间里与性能工程师一起钻进屏幕.目标只有一个:找出时间是在哪里丢的.周六中午找不到 0.1 秒的车队,下午就要在发车格上靠后起步.那么这是怎么做到的呢?
这里的魔法词是 delta.Delta 指的是两个数据点之间的差;他们把两圈或两位车手的数据叠加起来,沿着赛道将时间差可视化.假设你的车手在 4 号弯比对手慢了 0.15 秒.你查看 delta 图,并翻查那里的其他通道:是制动压力有问题,还是车手在弯前改变了线路,或是油门切换延迟了?可以立即逐项梳理出来.至于对比对象,队友并不是唯一的途径;往年年份的圈速、模拟圈,以及车手自己的最佳圈速也都摆在桌面上.
还有分段时间分析.把车手在S1、S2和S3的最佳时间合并起来,就得出了理论最快圈速.实际圈速与理论圈速之间的巨大差距,说明车上还有未被发挥的潜力.通过观察车手在哪些分段快、哪些分段慢,还能读出调校的不平衡;比如高速路段表现好但弯道抓地力不足,就很容易判断车辆的平衡偏向了哪里.周五晚上车手也会重新审视这些数据;排位赛和比赛战术就在当晚逐渐成形.
比赛日:轮胎与燃油数据如何决定策略?
比赛策略有两个核心决策:什么时候进站,以及选择哪种轮胎配方——硬胎、中性胎还是软胎?这些决策背后都有扎实的数据建模支撑.策略师根据赛道布局、预期的比赛节奏和燃油消耗率来计算最佳载油量.在天气、赛道和竞争对手都可能变化的环境中,这个计算会持续更新.
轮胎方面的情况更有意思.在练习赛中,车队会跟踪轮胎寿命、监控燃油消耗并运行各种场景模拟.尤其是超过5圈的长距离测试,几乎被当作比赛预演来解读:比较两支车队在同一配方下的衰退曲线,从而模拟出一停还是两停.随着燃油耗尽、车辆变轻,轮胎衰退也会减轻,性能提升;因此在比赛后段推进攻是合理的.借助遥测数据,即使在车手还没感觉到刹车磨损之前,工程师就已经能在屏幕上看到三圈前发生的情况.
Undercut、Overcut与进站墙上的瞬时决策
让我讲讲我最喜欢的部分:undercut(提前进站 undercut).意思是比对手早一圈进站,换上新胎后在他出站时跑到他前面.Overcut则完全相反;就是继续留在场上,等对手进站后在赛道上跑快圈.哪种更好,取决于轮胎衰退数据和赛道上完成超越的可能性.如果没有遥测数据,这些决策就只能靠直觉了.而有了数据,工程师可以提前对undercut时机建模,计算出恰好正确的进站圈数.如果轮胎磨损较少,还可能提出大胆的计划,比如在对手保护轮胎的同时,在最后几圈全力进攻.
进站墙这时也不是闲着的;工程师实时监控遥测数据,为策略提供指导.人工智能如今也加入了进来;有利用传感器数据提前预警机械故障的预测分析研究.此外,在转播方面,还有利用实时数据预测赛道状况、天气和对手策略、向观众提供可视化排名的分析系统,都在这套数据流之上运行.也就是说,你在电视屏幕上看到的那些漂亮图表,同样出自这些传感器.
工厂端:Mission Control与数据链条
遥测数据不仅仅停留在赛道上;它是一条从赛道延伸到工厂的巨大链条的第一环.数据从车上的传感器传到ECU,再经加密传到维修区,然后到车库,最后到达工厂.在工厂端,数据在测功机、模拟器、空气动力学部门和风洞中进行处理.也就是说,周六早上在赛道上测得的一次抖动,可以在工作日内转化为工厂里一个新零件的设计.
赛道上的层级也很清晰.以梅赛德斯为例,每辆车有五个关键工程岗位:比如Race Engineer(比赛工程师)、Performance Engineer(性能工程师)、Controls Engineer(控制工程师)和Engine Performance(引擎性能)等专长.每个人负责遥测数据的不同部分.车手的输入,也就是刹车、油门、转向角、方向盘上的按钮、空气动力学传感器数据以及动力单元的温度和压力数值,都源源不断地流向这些团队.
工厂里的"Mission Control"房间则是赛道与设计工程师之间的桥梁.这些房间还容纳了策略团队,就像迈凯伦技术中心或阿斯顿·马丁那样,即使相隔数千公里,也能实时跟踪来自赛道的数据流和模拟.比赛进行时,工厂里的一名工程师可以和维修墙上的同事同时看着同一张图表.难以置信,对吧?
数据就是一切吗?人的因素
好吧,一切都显示在屏幕上,但机器并不能回答所有问题.当遇到模拟器无法捕捉的情境信息时,经验丰富的工程师可以推翻模型.车手对轮胎的感觉就是最好的例子;即使屏幕显示"轮胎状态良好",车手仍然可以说“尾翼调校对我来说非常完美”,而这种主观偏好无法被数据抹去.F1仍然是人与机器的共同事业;数据是强大的助手,但方向盘后坐着的依然是人.
遥测的简短历史:从1978年至今
一切都始于相对 humble 的起点.1978年,Ken Tyrrell将美国物理学家Karl Kempf博士招入车队.Kempf把他在固特异开发的磁带记录式遥测方法带入了F1;通过传感器记录速度、悬架运动、定向力、油门和刹车.你能想象这有多繁琐;在那个年代,就连添加微处理器都因电气噪声和振动问题而令人望而却步.
后来计算机登场了,一切都变了.数据变得更加精确,传感器变小、数量增多;遥测技术直接推动了赛车技术呈指数级发展.而如今,机器已近乎完美,进步也趋于平缓.想想看:从1978年磁带上记录的几个数据通道,到今天每秒110万个数据点.近50年来的这一飞跃,让F1从单纯的速度竞赛,同时也变成了一场数据竞赛.下次在屏幕前观看比赛时,留意一下维修墙——你会看到那里不再只有一脸困惑的工程师,而是正在操控一场实时数据风暴的人们.