📊 statistics

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

Deze studie maakt gebruik van uitgebreide rondetijdengegevens en geavanceerde causale inferentiemethoden om aan te tonen dat de 2022 Formule 1 ground effect-regelgeving er niet in is geslaagd een statistisch significante vermindering van de "dirty air"-straf te bewerkstelligen, aangezien andere racingsfactoren de potentiële aerodynamische verbeteringen lijken te overstemmen.

Oorspronkelijke auteurs: Bhavay Joshi

Gepubliceerd 2026-08-05

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Bhavay Joshi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je naar een snelle race kijkt waarbij de auto's niet alleen tegen elkaar vechten, maar ook tegen de lucht zelf. In de wereld van de Formule 1 is lucht niet zomaar lege ruimte; het is een zware, onzichtbare oceaan waar de auto's doorheen moeten duwen. Wanneer een auto voorbij raast, laat hij een turbulente, rommelige kielzog van lucht achter, zoals het onrustige water achter een speedboot. Als een tweede auto probeert te dichtbij te volgen, moet deze door dit rommelige kielzog rijden. Deze "vuile lucht" is als proberen te rennen door een menigte mensen die enorme, wapperende dekens zwaaien; het ontneemt de tweede auto zijn grip en snelheid, wat het ongelooflijk moeilijk maakt om in te halen en in te halen. Decennialang was dit het grootste hoofdpijndossier van de sport: de leider was veilig, en de achtervolger zat vast.

Om dit op te lossen, besloten de regelmakers van de sport in 2022 de regels van het spel te veranderen. Ze wilden de auto's zo herontwerpen dat het rommelige kielzog achter hen minder schadelijk zou zijn voor de auto die hen volgt. Denk aan het veranderen van de uitlaat van een auto zodat de rook niet direct in het gezicht van de auto achter hem wordt geblazen, maar onschadelijk opzij wordt geblazen. De grote vraag was: werkde dit nieuwe ontwerp daadwerkelijk? Kregen de auto's achteraan eindelijk een eerlijke kans om in te halen, of was de "vuile lucht" nog steeds een gigantische, onzichtbare muur? Dit artikel duikt in de werkelijke racegegevens om te zien of de nieuwe regels het spel hebben veranderd, of dat de auto's nog steeds in dezelfde oude file vaststonden.

Het Grote Luchtexperiment: Werkten de Nieuwe Regels?

In 2022 kreeg het regelboekje van de Formule 1 een enorme make-over. Het doel was simpel maar ambitieus: de "vuile lucht"-straf stoppen. Je kent dat gevoel wel wanneer je achter een vriend aanrent en plotseling het gevoel hebt dat je door stroop rent? Dat is wat er gebeurt met een Formule 1-auto wanneer deze te dicht achter een andere rijdt. De lucht voor de leider raakt volledig verstoord, en de volger verliest zijn grip en snelheid. De nieuwe regels probeerden dit op te lossen door de manier waarop de auto's neerwaartse druk genereren (de kracht die hen op het circuit drukt) te veranderen, in de hoop de lucht achter hen schoner en vriendelijker te maken.

Maar hier komt de twist: terwijl de ingenieurs fancy computersimulaties hadden die zeiden: "Ja! Dit gaat werken!", had niemand de werkelijke racegegevens gecontroleerd om te zien of dit standhield in de rommelige, chaotische realiteit van een Grand Prix. Dat is waar dit artikel over gaat. De auteur, een nieuwsgierige data-detective, besloot de computersimulaties over te slaan en naar de ruwe cijfers te kijken van meer dan 100.000 race-laps tussen 2021 en 2025.

Het Detectiewerk: De Data Opschonen
Voordat de detective het mysterie kon oplossen, moest hij de plaats delict opschonen. Race-rondetijden zijn rommelig. Een auto wordt langzamer naarmate hij brandstof verbruikt (zoals een rugzak die lichter wordt, maar wacht—eigenlijk wordt een auto sneller naarmate hij brandstof verbruikt, dus een zwaardere auto is langzamer aan het begin). Een auto wordt ook langzamer naarmate de banden slijten, zoals rennen op platte schoenen. Om het "vuile lucht"-effect te vinden, moest de auteur deze andere factoren wegfilteren. Hij bouwde een speciaal wiskundig filter om de "brandstofgewicht"- en "bandenslijtage"-ruis te verwijderen, waardoor alleen de pure snelheid van de auto overbleef. Dit zorgde ervoor dat als een auto langzamer was, dit echt kwam door de lucht, en niet omdat hij op oude banden reed.

De Grote Onthulling: De Straf Blijft Bestaan
Na het analyseren van de cijfers met twee verschillende superintelligente statistische tools (één genaamd OLS-regressie en een andere genaamd Causal Forest, wat een soort team van beslissingsbomen is), was de uitslag verrassend stil.

Het papier vond geen statistisch significant bewijs dat de 2022-regels de straf van de vuile lucht hadden verminderd. In gewone mensentaal: zelfs met de nieuwe auto-ontwerpen verloor de auto die een andere auto volgde nog steeds ongeveer evenveel snelheid als voorheen. De "straf" voor het dicht volgen verdween niet.

De auteur bekeek de data op twee manieren:

Het Grote Plaatje: Ze vergeleken alle jaren na 2022 met de jaren vóór 2022. Het resultaat? De straf was er nog steeds. De wiskunde toonde een kleine, bijna onzichtbare verandering die statistisch gezien hetzelfde was als nul.
Jaar-voor-jaar: Missen de regels misschien een tijdje en vervaagden ze daarna? De auteur controleerde 2022, 2023, 2024 en 2025 afzonderlijk. Het resultaat? Nog steeds geen duidelijke verbetering. Sommige jaren zagen er iets anders uit, maar het patroon was rommelig en vertoonde geen gestage, succesvolle trend.

Waarom de Computer en de Racebaan Verschillen
Dit is waar het interessant wordt. Het artikel erkent dat de computersimulaties van de ingenieurs wel een grote verbetering lieten zien. In de virtuele wereld creëerden de nieuwe auto's schonere lucht. Maar in de echte wereld kwam de simulatie niet overeen met de racebaan.

Waarom? De auteur suggereert dat echt racen een chaotische soep is van andere factoren. In een simulatie kun je alles perfect controleren. Maar in een echte race vechten coureurs om positie, slijten banden op vreemde manieren en verandert de brandstofhoeveelheid elke seconde. Het artikel betoogt dat deze real-world factoren zo sterk zijn dat ze de kleine aerodynamische voordelen die de nieuwe auto's mogelijk hadden, "overspoelen" (of overstemmen). Het is als het hebben van een supersterke motor in een auto, maar als je in een file staat, doet die motor er niet toe. De "vuile lucht" is in theorie misschien iets schoner, maar op de baan zijn de andere problemen nog te luid om de verbetering te kunnen horen.

De Conclusie
Dus, hebben de 2022-regels het inhaalprobleem opgelost? Volgens deze diepe duik in de data: nee. De "vuile lucht"-straf bleef bestaan. Het artikel zegt niet dat de nieuwe auto's slecht zijn of dat de natuurkunde onjuist is; het zegt alleen dat de beloofde aerodynamische magie niet vertaald werd naar een meetbaar snelheidsvoordeel in de werkelijke races. De kloof tussen de schone, perfecte wereld van computersimulaties en de rommelige, banden-vermalende realiteit van de racebaan is echt, en in dit geval won de realiteit. De auto's vechten nog steeds tegen de lucht, en de achtervolgers vinden het nog steeds net zo moeilijk om de leiders in te halen als voor de grote redesign.

Technische Samenvatting: Het voortbestaan van de 'Dirty Air'-straf in de Formule 1-reglementen van 2022 gebaseerd op Ground Effect

Probleemstelling
De Formule 1-competitie van 2022 introduceerde een grote reglementaire ommezwaai, waarbij de primaire bron van downforce verschoof van vleugels naar ground effect onderbodem-tunnels. Het doel van de FIA was om de "Dirty Air"-straf (het verlies aan aerodynamische prestaties dat een volgend voertuig ervaart door het turbulente kielzog van een voorganger) te verminderen, om zo dichter rijden en meer inhalen te faciliteren. Hoewel deze claim wordt ondersteund door externe aerodynamische simulaties (CFD), is het niet rigoureus geverifieerd tegen werkelijke race-tijdgegevens. Het kernprobleem dat wordt geadresseerd is of de theoretische aerodynamische voordelen vertaalden naar een meetbare vermindering in rondetijd-straf onder werkelijke racecondities, waarbij verwarrende factoren zoals bandendegradatie, brandstofbelading en rijdersstrategie een rol spelen.

Methodologie
De studie maakt gebruik van een dataset van 100.486 race-laps verzameld via de FastF1 API, die de seizoenen 2021 (pre-reglement) en 2022–2025 (post-reglement) beslaat. De methodologie omvat een meerfasig proces om het "Dirty Air"-signaal te isoleren van de ruis:

Gegevensvoorbewerking en Filtering: De dataset werd beperkt tot "green flag" laps (TrackStatus == 1) op droge compound-types (Soft, Medium, Hard) om variantie veroorzaakt door safety cars, pitstops en regenachtig weer te elimineren. Laps op intermediaire compounds werden uitgesloten vanwege systematische bias.
Fysica-correctie (Isolatie van het Signaal): Om het aerodynamische effect van de volgafstand te isoleren van andere variabelen, werd een "CorrectedLapTime"-variabele geconstrueerd. Dit omvatte een gezamenlijk regressiemodel per bandencompound om de effecten te schatten en af te trekken van:
- Brandstofbelading: Geproxy door het aantal laps binnen een stint.
- Bandendegradatie: Geschat via TyreLife (aantal laps op de huidige set).
- Het model paste gezamenlijk LapTime = α + β₁·TyreLife + β₂·LapNumber + ε toe om collineariteit tussen brandstofverbruik en bandenveroudering te voorkomen.
Causale Inferentie Modellen: Twee onafhankelijke statistische technieken werden ingezet om de hypothese te testen dat de 2022-reglementen de straf verminderden:
- OLS Regressie met Clustered Standard Errors: Een lineair model dat de interactie test tussen GapToCarAhead (tijdverschil tot de auto voorop) en IsPost2022. De standaardfouten werden geclusterd per race om seriële correlatie binnen evenementen te verklaren. Een strikte circuit-filter werd toegepast om alleen circuits te bevatten die in beide tijdperken aanwezig waren, om collineariteit tussen circuit en era fixed effects te vermijden.
- Causal Forest Double/Debiased Machine Learning (DML): Een niet-parametrische benadering gebruikt om heterogene effecten en niet-lineariteiten te detecteren die OLS mogelijk mist. Dit model behandelde GapToCarAhead als de behandeling (treatment) en CorrectedLapTime als de uitkomst, waarbij gecontroleerd werd voor circuit, compound, bandenleeftijd en aantal laps.
Robuustheidscontroles: Beide modellen werden opnieuw uitgevoerd met "Season" als een categorische variabele (2021 baseline versus 2022–2025 individueel) om een specifieke alternatieve hypothese te testen: dat welk voordeel dan ook behaald werd in 2022, maar erodeerde in de daaropvolgende jaren.

Belangrijkste Bijdragen

Reproduceerbare Dataset: Creatie van een open-source, lap-voor-lap dataset over vijf seizoenen met een specifieke methodologie voor fysica-gebaseerde correctie van rondetijden.
Dual-Method Validatie: Toepassing van zowel traditionele econometrische (OLS) als moderne machine learning (Causal Forest DML) technieken om bevindingen te valideren tegen potentiële niet-lineariteit en effect-heterogeniteit.
Ontkoppeling van Simulatie en Realiteit: Een directe empirische test die de engineering-claims op basis van CFD-simulaties scheidt van de daadwerkelijke prestaties op de baan.

Resultaten
De analyse leverde consistente nullen op over beide methodologieën en temporele granulariteiten:

Gepoolde Analyse: Noch de OLS-interactieterm, noch de Causal Forest gemiddelde effecten toonden een statistisch significante afname van de "Dirty Air"-straf post-2022.
- OLS Interactie ( $\beta_3$ ): $-0.0025 $($ p = 0.803$).
- Causal Forest Gemiddelde Effecten: 0.019s (2021) versus 0.018s (2022–2025) per seconde van de volgafstand. De distributies van de behandelings-effecten waren bijna identiek en overlappend.
Seizoen-niveau Analyse: Wanneer uitgesplitst per jaar, vertoonde geen enkel individueel seizoen (2022–2025) een statistisch significant verschil met de 2021 baseline in het OLS-model.
- Hoewel Causal Forest-schattingen in specifieke jaren bepaalde niet-nul effecten lieten zien (bijv. een negatief effect in 2025), was het patroon niet-monotoon en stemde het niet overeen met de "stijgende en vervagende" erosievorm gesuggereerd door simulatiedata.
Beschrijvende Bevindingen: Gecorrigeerde rondetijden vertoonden een niet-monotone, U-vormige relatie met de volgafstand (sneller in de 0.5–1.0s bin dan in de 0–0.5s bin), wat suggereert dat rijdersgedrag (bijv. harder pushen in de middenbereik-gaps) de rondetijden mogelijk meer beïnvloedt dan pure aerodynamische kielzog-effecten.

Betekenis en Claims
Het artikel concludeert dat er geen statistisch significant bewijs is dat de 2022 ground effect-reglementen de "Dirty Air" rondetijd-straf hebben verminderd in de geanalyseerde racegegevens. De auteur benadrukt een cruciaal onderscheid tussen simulatie en realiteit: zelfs als er een aerodynamisch voordeel bestaat in gecontroleerde CFD-simulaties, kan dit falen om zich te manifesteren in werkelijke race-tijden door de "overstemmende" effecten van bandenstrategie, rijdersgedrag en de racecontext.

De studie weerlegt niet het bestaan van het aerodynamische fenomeen in theorie, maar stelt dat de geclaimde prestatievoordelen niet zijn vertaald naar een meetbaar resultaat op de racebaan. De bevindingen suggereren dat de "Dirty Air"-straf voortduurt onder de huidige reglementen, wat het narratief uitdaagt dat de 2022-regels het inhalen-probleem succesvol hebben opgelost door middel van een louter aerodynamische herontwerp. Het artikel behoudt een bescheiden standpunt door te wijzen op beperkingen, zoals het gebruik van het aantal laps als proxy voor brandstof en de potentie van ongeobserveerde confounders in de DML-aanname, wat definitieve causale claims buiten de reikwijdte van de beschikbare data verhindert.

Het Grote Luchtexperiment: Werkten de Nieuwe Regels?

Meer zoals dit