2021年計劃推出的六項統計數據分析應用一系列AWS技術，其中也包含機器學習，可以幫助賽車迷更深入了解和關注比賽結果的可能性，以及比較喜愛的車手和賽車。
每部F1賽車上超過300個感測器，每秒產生超過110萬個數據點（data points）並由F1從賽車傳送至維修站，繼而上傳至AWS處理。透過AWS廣泛而深入的雲端服務，F1能在大量數據產生的同時，同步進行串流和分析，再透過F1 Insights，為全球電視和線上觀眾解讀數據。
「刹車表現」（Braking Performance）是本賽季推出的第一個F1 Insight，展示車手在過彎時運用的刹車方式如何為他在出彎時帶來優勢。一個良好的刹車方式能改善賽車在轉彎階段的速度，使車手在出彎時取得更有利的位置。「刹車表現」功能建立於過彎分析（Corner Analysis）上，顯示賽車在過彎時的具體表現。
請參考示範影片：https://drive.google.com/file/d/11SLWgAz5QBF9a6npIM-lyD7oLJZZV79S
「刹車表現」和其他五項由AWS支援的全新F1 Insights將於本賽季4月至12月以圖像形式顯示在螢幕上。
- 車輛性能運用（Car Exploitation）顯示F1車手在比賽關鍵時刻將賽車輪胎牽引力、刹車、加速和操控等方面的性能發揮至極限的瞬間。這項數據透過顯示賽車在比賽中的當前性能與實際性能極限對比，並計算每圈因而贏得或損失的時間。該統計資料將於6月11至13日在2021賽季加拿大大獎賽上首次亮相。
- 能源使用分析（Energy Usage）讓賽車迷了解高科技引擎如何在F1比賽中為賽車提供動能，及車隊如何發揮最大動能超車。該統計資料顯示動能流經F1引擎（稱為動力系統）的每個組件，並時刻顯示比賽過程中的剩餘電池電量。賽事團隊根據這些數據，幫助賽車在比賽關鍵時刻將性能發揮至極限，並在穩定行駛時決定如何分配電量以達到最佳圈速，甚至在與其他車手競賽時集中釋放動能以奪取或保持有利位置。該統計資料將於7月16至18日在2021年賽季英國大獎賽上首次亮相。
- 起步分析（Start Analysis）展示踩油門最快並選擇完美路線的車手，以及起步受阻的車手及受阻原因，幫助車迷了解車手的決定如何影響在比賽中的初期優勢。該統計資料將於9月10至12日2021賽季義大利大獎賽上首次亮相。
- 維修區表現（Pitlane Performance）提供賽車在維修區域靜止停靠時間以外的洞察，如解讀車手和車隊在維修站停靠時每一步的表現，顯示因車隊工作效率引致的損失或獲得的維修區總時間。這項統計資料將於10月8至10日2021賽季日本大獎賽上首次亮相。
- 提前進站威脅（Undercut Threat）可幫助車迷預測有機會因對手提前進站而被超越的車手。這項統計資料將賽車之間的差距、進站平均損失時間，及輪胎性能的數據圖像化，從而辨識出處於被超越危機當中的車手。這項統計資料將於11月19至21日在2021賽季奧地利大獎賽上首次亮相。
為建立全新洞察，F1使用儲存於Amazon Simple Storage Service（Amazon S3）的歷屆比賽資料，並將其與F1賽車和賽道旁感測器中取得的即時數據結合，透過Amazon Kinesis（用於即時資料收集、處理和分析資料服務）傳送至AWS。F1的工程師和科學家將這些資料運用機器學習服務Amazon SageMaker，在雲端和邊緣快速建置、訓練和部署機器學習模型。此外，F1能藉由無伺服器運算服務AWS Lambda，在無需提供或管理伺服器即可執行程式碼的情境下部署機器學習模型，即時分析比賽性能指標。所有數據洞察將被整合至全球廣播新聞來源，包括F1數位平台F1TV。
F1總工程師Rob Smedley表示：「F1 Insights Powered by AWS讓車迷能夠深入了解賽車、車手和車隊之間如何共同合作，從而更加理解比賽間做出的每個決定。透過2021年全新賽車統計數據，我們獲得前所未見的深入分析。刹車表現和提前進站威脅等洞察，超越單單顯示比賽策略和性能表現的層次，運用先進的視覺技術，讓賽車運動更刺激又容易理解。隨著賽車技術不斷進步，AWS讓我們的車迷體會到科技對比賽結果的重要性。」
AWS歐洲地區業務發展總監Darren Mowry表示：「數據已成為現今體育項目的重要一環，對F1而言，賽道上的每一秒都會產生超過一百萬個數據點，因此他們需要合作夥伴即時解讀原始數據。AWS能幫助F1大規模分析大量資料，從而做出更有利且明智的決策，使車迷從開車、轉彎到進站的每個階段更貼近賽道。全球首屈一指的體育組織F1使用AWS建立數據驅動的解決方案，創造創新的體育賽事觀看、比賽和管理方式。我們與F1的合作顯示先進的統計數據如何透過突顯出比賽元素背後暗藏的戰術和策略，從而提升觀眾收看體育賽事的體驗。」
|
|
