📊 statistics

The Persistence of the Dirty Air Penalty: A Causal Analysis of Formula 1's 2022 Ground Effect Regulations

Questo studio utilizza estesi dati sui giri e metodi avanzati di inferenza causale per dimostrare che le regolamentazioni sull'effetto suolo della Formula 1 del 2022 non sono riuscite a produrre una riduzione statisticamente significativa della penalità da "aria sporca", poiché altri fattori di gara sembrano sovrastare qualsiasi potenziale miglioramento aerodinamico.

Autori originali: Bhavay Joshi

Pubblicato 2026-08-05

📖 6 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Bhavay Joshi

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate di guardare una gara ad alta velocità dove le auto non stanno solo combattendo tra loro, ma combattono anche contro l'aria stessa. Nel mondo della Formula 1, l'aria non è solo spazio vuoto; è un oceano pesante e invisibile attraverso il quale le auto devono farsi strada. Quando un'auto sfreccia lungo la pista, lascia dietro di sé una scia d'aria turbolenta e disordinata, come l'acqua increspata lasciata da un motoscafo. Se una seconda auto cerca di seguire troppo da vicino, deve guidare attraverso questa scia disordinata. Questa "aria sporca" è come cercare di correre attraverso una folla di persone che agitano enormi coperte sventolanti; priva la seconda auto della sua aderenza e velocità, rendendo incredibilmente difficile recuperare e sorpassare. Per decenni, questo è stato il più grande mal di testa dello sport: il leader era al sicuro, e l'inseguitore era bloccato.

Per risolvere il problema, i creatori delle regole hanno deciso di cambiare le regole del gioco nel 2022. Volevano riprogettare le auto in modo che la scia disordinata dietro di esse fosse meno dannosa per l'auto che le seguiva. Pensate come a cambiare il tubo di scappamento di un'auto in modo che, invece di soffiare il fumo direttamente in faccia all'auto che segue, lo soffi innocuamente di lato. La grande domanda era: questo nuovo design ha funzionato davvero? Le auto dietro hanno finalmente avuto una possibilità equa di sorpasso, o l'aria "sporca" era ancora un muro gigante e invisibile? Questo documento analizza i dati reali delle gare per vedere se le nuove regole hanno cambiato il gioco, o se le auto erano ancora bloccate nello stesso vecchio ingorgo.

Il Grande Esperimento dell'Aria: Le Nuove Regole Hanno Funzionato?

Nel 2022, il regolamento della Formula 1 ha ricevuto un massiccio restyling. L'obiettivo era semplice ma ambizioso: fermare la penalità dell'aria "sporca". Sapete quella sensazione quando state correndo dietro a un amico e, improvvisamente, vi sembra di correre nel melassa? Ecco cosa succede a un'auto di Formula 1 quando segue un'altra troppo da vicino. L'aria davanti al leader si rimescola completamente, e chi segue perde aderenza e velocità. Le nuove regole hanno cercato di risolvere il problema cambiando il modo in cui le auto generano deportanza (la forza che le spinge verso la pista), sperando di rendere l'aria dietro di loro più pulita e amichevole.

Ma ecco il colpo di scena: mentre gli ingegneri avevano sofisticate simulazioni al computer che dicevano: "Sì! Questo funzionerà!", nessuno aveva effettivamente controllato i risultati reali delle gare per vedere se la teoria reggeva nella realtà disordinata e caotica di un Gran Premio. È qui che entra in gioco questo documento. L'autore, un curioso detective dei dati, ha deciso di saltare i modelli al computer e guardare i numeri grezzi di oltre 100.000 giri di pista tra il 2021 e il 2025.

Il Lavoro del Detective: Pulire i Dati
Prima di risolvere il mistero, il detective ha dovuto ripulire la scena del crimine. I tempi sul giro nelle gare sono disordinati. Un'auto diventa più lenta man mano che consuma carburante (come uno zaino che diventa più leggero, ma aspetta—in realtà, un'auto diventa più veloce man mano che consuma carburante, quindi un'auto più pesante è più lenta all'inizio). Un'auto diventa anche più lenta man mano che i suoi pneumatici si usurano, come correre con scarpe consumate. Per trovare l'effetto dell'aria "sporca", l'autore ha dovuto eliminare questi altri fattori. Ha costruito un filtro matematico speciale per rimuovere il "rumore" del peso del carburante e dell'usura degli pneumatici, lasciando solo la pura velocità dell'auto. Ciò ha garantito che, se un'auto era più lenta, lo fosse effettivamente a causa dell'aria, e non perché stesse correndo con pneumatici vecchi.

La Grande Rivelazione: La Penalità Resta
Dopo aver elaborato i numeri con due diversi strumenti statistici super intelligenti (uno chiamato regressione OLS e un altro chiamato Causal Forest, che è come una squadra di alberi decisionali), il risultato è stato sorprendentemente silenzioso.

Il documento ha scoperto che non vi era alcuna prova statisticamente significativa che le regole del 2022 avessero ridotto la penalità dell'aria sporca. In parole povere: anche con i nuovi design delle auto, l'auto che insegue un'altra perdeva circa la stessa velocità di prima. La "penalità" per seguire da vicino non è scomparsa.

L'autore ha esaminato i dati in due modi:

Il Quadro Generale: Ha confrontato tutti gli anni successivi al 2022 con gli anni precedenti. Il risultato? La penalità era ancora lì. La matematica mostrava un cambiamento minuscolo, quasi invisibile, che era statisticamente uguale a zero.
Anno per Anno: Forse le regole hanno funzionato per un po' e poi sono svanite? L'autore ha controllato singolarmente il 2022, 2023, 2024 e 2025. Il risultato? Ancora nessun miglioramento chiaro. Alcuni anni sembravano leggermente diversi, ma il modello era disordinato e non mostrava una tendenza costante e di successo.

Perché il Computer e la Pista Discordano
È qui che la questione si fa interessante. Il documento riconosce che le simulazioni al computer degli ingegneri mostravano un grande miglioramento. Nel mondo virtuale, le nuove auto creavano aria più pulita. Ma nel mondo reale, la simulazione non corrispondeva alla pista da corsa.

Perché? L'autore suggerisce che le gare reali siano una zuppa caotica di altri fattori. In una simulazione, puoi controllare tutto perfettamente. Ma in una vera gara, i piloti combattono per la posizione, gli pneumatici si usurano in modi strani e i carichi di carburante cambiano ogni secondo. Il documento sostiene che questi fattori del mondo reale siano così forti da "sommergere" (o affogare) qualsiasi piccolo vantaggio aerodinamico che le nuove auto potrebbero aver avuto. È come avere un motore super veloce in un'auto, ma se sei bloccato in un ingorgo stradale, il motore non conta nulla. L'aria "sporca" potrebbe essere leggermente più pulita in teoria, ma in pista, gli altri problemi sono ancora troppo rumorosi per sentire il miglioramento.

In Conclusione
Quindi, le regole del 2022 hanno risolto il problema del sorpasso? Secondo questa analisi approfondita dei dati, no. La penalità dell'aria "sporca" è persistita. Il documento non dice che le nuove auto siano cattive o che la fisica sia sbagliata; dice solo che la promessa di una magia aerodinamica non si è tradotta in un vantaggio di velocità misurabile nelle gare reali. Il divario tra il mondo pulito e perfetto delle simulazioni al computer e la realtà disordinata e logorante di gomma della pista è reale, e in questo caso, la realtà ha vinto. Le auto stanno ancora combattendo contro l'aria, e chi insegue trova ancora altrettanto difficile raggiungere i leader rispetto a prima del grande restyling.

Sintesi Tecnica: La Persistenza della Penalità da Aria Sporca nelle Regolazioni Ground Effect della Formula 1 del 2022

Definizione del Problema
La stagione di Formula 1 del 2022 ha introdotto una revisione normativa fondamentale, spostando la fonte primaria di deportanza dalle ali ai tunnel sottocassa per effetto suolo (ground effect). L'obiettivo dichiarato della FIA era quello di ridurre la penalità da "Aria Sporca" (Dirty Air) — la perdita di prestazioni aerodinamiche subita da un'auto che segue a causa della scia turbolenta di un leader — per facilitare una corsa più serrata e aumentare i sorpassi. Sebbene tale affermazione sia supportata da simulazioni aerodinamiche esterne (CFD), non è stata rigorosamente verificata rispetto ai dati reali dei tempi di gara. Il problema centrale affrontato è se i benefici aerodinamici teorici si siano tradotti in una riduzione misurabile delle penalità di tempo sul giro nelle condizioni di gara reali, dove esistono fattori confondenti come la degradazione degli pneumatici, il carico di carburante e la strategia dei piloti.

Metodologia
Lo studio utilizza un dataset di 100.486 giri di gara raccolti tramite l'API FastF1, coprendo le stagioni 2021 (pre-regolamentazione) e 2022–2025 (post-regolamentazione). La metodologia prevede un processo in più fasi per isolare il segnale dell' "Aria Sporca" dal rumore:

Pre-elaborazione e Filtraggio dei Dati: Il dataset è stato limitato ai giri sotto "bandiera verde" (TrackStatus == 1) su mescole asciutte (Soft, Medium, Hard) per eliminare la varianza causata da safety car, pit stop e condizioni di pioggia. I giri con mescole intermedie sono stati esclusi a causa di un bias sistematico.
Correzione Fisica (Isolamento del Segnale): Per isolare l'effetto aerodinamico della distanza di inseguimento da altre variabili, è stata costruita una variabile "CorrectedLapTime". Ciò ha comportato un modello di regressione congiunta per ogni mescola di pneumatico per stimare e sottrarre gli effetti di:
- Carico di Carburante: Rappresentato dal numero di giro all'interno di un stint.
- Degradazione dello Pneumatico: Stimata tramite TyreLife (giri sull'attuale set).
  Il modello ha adattato congiuntamente LapTime = α + β₁·TyreLife + β₂·LapNumber + ε per evitare la collinearità tra il consumo di carburante e l'invecchiamento dello pneumatico.
Modelli di Inferenza Causale: Sono state impiegate due tecniche statistiche indipendenti per testare l'ipotesi che le regolamentazioni del 2022 abbiano ridotto la penalità:
- Regressione OLS con Errori Standard Clusterizzati: Un modello lineare che testa l'interazione tra GapToCarAhead (distacco temporale dall'auto che precede) e IsPost2022. Gli errori standard sono stati clusterizzati per gara per tenere conto della correlazione seriale all'interno degli eventi. È stato applicato un rigoroso filtro dei circuiti per includere solo i circuiti presenti in entrambe le ere, al fine di evitare la collinearità tra l'effetto fisso del circuito e quello dell'era.
- Causal Forest Double/Debiased Machine Learning (DML): Un approccio non parametrico utilizzato per rilevare effetti eterogenei e non linearità che l'OLS potrebbe mancare. Questo modello ha trattato GapToCarAhead come il trattamento e CorrectedLapTime come l'esito, controllando per circuito, mescola, vita dello pneumatico e numero del giro.
Verifiche di Robustezza: Entrambi i modelli sono stati rieseguiti utilizzando la "Stagione" come variabile categorica (baseline 2021 vs 2022–2025 singolarmente) per testare un'ipotesi alternativa specifica: che qualsiasi beneficio sia stato ottenuto nel 2022 ma sia eroso negli anni successivi.

Contributi Chiave

Dataset Riproducibile: Creazione di un dataset open-source, giro per giro, che copre cinque stagioni con una specifica metodologia di correzione fisica dei tempi sul giro.
Validazione a Doppio Metodo: Applicazione sia di tecniche econometriche tradizionali (OLS) che di machine learning causale moderno (Causal Forest DML) per validare i risultati rispetto a potenziali non linearità e eterogeneità degli effetti.
Disaccoppiamento tra Simulazione e Realtà: Un test empirico diretto che separa le rivendicazioni ingegneristiche basate sulle simulazioni della FIA dai risultati effettivi delle prestazioni in pista.

Risultati
L'analisi ha prodotto risultati nulli coerenti in entrambe le metodologie e granularità temporali:

Analisi Aggregata: Né il termine di interazione OLS né gli effetti medi della Causal Forest hanno mostrato una diminuzione statisticamente significativa della penalità da Aria Sporca post-2022.
- Interazione OLS ( $\beta_3$ ): $-0.0025 $($ p = 0.803$).
- Effetti Medi della Causal Forest: 0.019s (2021) vs 0.018s (2022–2025) per secondo di distanza di inseguimento. Le distribuzioni degli effetti di trattamento erano quasi identiche e sovrapponibili.
Analisi a Livello di Stagione: Analizzando i dati per anno, nessuna stagione (2022–2025) ha mostrato una differenza statisticamente significativa rispetto alla baseline del 2021 nel modello OLS.
- Sebbene le stime della Causal Forest abbiano mostrato alcuni effetti non nulli in anni specifici (ad esempio, un effetto negativo nel 2025), il pattern non era monotono e non si allineava alla forma di erosione "ascesa e declino" suggerita dai dati di simulazione.
Risultati Descrittivi: I tempi sul giro corretti hanno mostrato una relazione non monotona, a forma di U, con la distanza di inseguimento (più veloci nel bin 0.5–1.0s rispetto al bin 0–0.5s), suggerendo che il comportamento del pilota (ad esempio, spingere di più nei gap di medio raggio) possa influenzare i tempi sul giro più dei puri effetti di scia aerodinamica.

Significatività e Rivendicazioni
Lo studio conclude che non vi è alcuna prova statisticamente significativa che le regolamentazioni del ground effect del 2022 abbiano ridotto la penalità di tempo sul giro nei dati di gara analizzati. L'autore sottolinea una distinzione critica tra simulazione e realtà: anche se esiste un vantaggio aerodinamico nelle simulazioni CFD controllate, questo può non manifestarsi nei tempi di gara reali a causa degli effetti di "soppressione" (swamping) di strategia degli pneumatici, comportamento dei piloti e contesto di gara.

Lo studio non confuta l'esistenza del fenomeno aerodinamico in teoria, ma afferma che la rivendicata efficacia delle prestazioni non si è tradotta in un risultato misurabile sulla pista. I risultati suggeriscono che la penalità da "Aria Sporca" persiste sotto le attuali regolamentazioni, sfidando la narrazione secondo cui le regole del 2022 avrebbero risolto il problema dei sorpassi attraverso il solo redesign aerodinamico. Il documento mantiene una posizione modesta, osservando che i limiti, come l'uso del numero del giro come proxy del carburante e la potenziale presenza di variabili confondenti non osservate nell'assunzione DML, impediscono affermazioni causali definitive oltre l'ambito dei dati disponibili.

Il Grande Esperimento dell'Aria: Le Nuove Regole Hanno Funzionato?

Articoli simili