Baseline-relative evaluation of lap-time and tyre-degradation models for Formula 1 race strategy
本研究通过对 167,083 圈的数据进行分析，将一级方程式赛车单圈圈速与轮胎退化模型与严格的基准预测进行了评估，证明了其预测优势主要源于对相对于前一圈残差的建模而非绝对值，并指出构建公平的基准对于准确评估与策略相关的性能至关重要。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在竞争激烈的一级方程式赛车世界中，胜负往往取决于一个决定：何时让赛车进站更换轮胎。车队依靠策略师来预测两件事，且必须极其精准。首先，他们需要知道赛车在下一圈的速度有多快；其次，他们必须估算随着橡胶磨损，速度会下降多少。这些预测并非凭空猜测，而是利用多年比赛数据训练出的复杂计算机模型进行计算。如果这些模型准确，它们就能引导车队走向胜利；如果模型存在缺陷，即使是最先进的比赛计划也会失败。多年来，研究人员发表了许多声称其模型高度准确的研究报告，通常引用其预测中极小的误差。然而，这些报告中缺失了一个至关重要的环节：与最简单的猜测进行对比。在一项赛车的单圈速度与上一圈几乎完全相同的运动中，仅仅预测下一圈将与上一圈相同，就是一个出人意料强大的基准。如果不知道这种简单方法表现如何，就无法判断复杂的计算机模型究竟是增加了实际价值，还是仅仅在重复显而易见的事实。
来自巴拉特科学技术学院（Bharath Institute of Science and Technology）研究人员的一项新研究旨在填补这一空白。他们收集了涵盖多个赛季、超过16.7万圈的公开一级方程式赛车海量数据集。他们的目标是将先进的机器学习模型与一种“简单”的预测进行对比，这种简单预测仅仅是假设下一圈的时间将与前一圈完全相同。研究人员使用了一种称为梯度提升（gradient boosting）的技术构建了一个复杂的模型，该技术通过组合许多简单的决策规则来帮助计算机从数据中学习模式。他们利用2019年至2022年的数据对模型进行训练，然后测试了2023年、2024年和2025年的比赛数据，以观察它是否能比简单的“重复上一圈”方法更好地预测圈速。结果非常明确：先进的模型确实优于简单的猜测。平均而言，该模型比简单方法降低了约15%的预测误差。这意味着对于每一圈，模型的预测值都比简单方法更接近实际时间，尽管差距很小，但具有显著意义。
然而，研究人员发现，这种优势的大小完全取决于对比方式的设定。当他们在整个比赛过程中将模型与简单猜测进行对比时，模型看起来表现得异常强大。但仔细观察后发现，这种对比存在缺陷。简单猜测有时会失败，是因为它试图用旧轮胎圈的数据来预测新轮胎圈的情况，例如在进站维修后立即进行的圈数。由于模型知道更换了新轮胎，因此在这些特定时刻相比于简单猜测拥有不公平的优势。当研究人员修正了对比方式，确保简单猜测也知晓了换胎情况时，模型的优势从15%缩减到了约12%。这12%的数值被认为是该模型的真实水平。研究还发现，模型的成功在比赛中的分布并不均匀。在进站后的最初几圈，模型的表现最为出色，其预测精度提升了30%以上。而在比赛的中段，当赛车处于稳定行驶状态时，模型的优势变得很小，有时甚至在统计学上并不显著。
该研究还探讨了轮胎退化问题，即随着轮胎老化，速度损失了多少。研究人员发现，他们在计算机模型中定义“退化”的方式从根本上改变了结果的含义。他们使用了一种方法，即预测当前圈数相对于新轮胎会多花多少时间。他们发现，由于这种计算在数学上与单圈时间本身相联系，因此模型在预测退化方面的任何成功，实际上都只是在预测单圈时间方面的成功。模型并没有学习到任何关于轮胎磨损的新知识，它只是在更好地猜测下一圈的速度。这一发现表明，以往声称能够预测轮胎磨损的研究，可能实际测量的是圈速预测。研究人员还测试了当运动规则发生变化（例如引入新车设计）时，模型是否需要重新训练。他们发现，使用旧数据训练的模型与使用新数据训练的模型表现同样出色，而且结合所有历史数据实际上会让模型变得更强。这意味着，即使规章制度发生变化，车队也不需要丢弃多年的数据；因为赛车从一圈到下一圈的行为模式足够一致，依然具有实用价值。
最终，这项研究为这些预测模型的能力边界提供了更清晰的视角。它证实了先进的计算机模型确实可以比简单的猜测更好地预测圈速，但前提是对比过程必须公平，并考虑到比赛中的特定条件（如换胎）。这些模型在比赛的混乱时刻（如进站维修后）特别有用，但在赛车平稳行驶时提供的帮助较少。该研究也为如何评估这些模型提出了警告。它表明，如果没有公平的基准和对问题的严谨定义，研究人员很容易夸大其成功。对于依赖这些预测的团队来说，其教训是务实的：在换胎等过渡阶段使用这些工具进行决策，但不要试图仅靠一步操作来预测长期的轮胎退化。这项研究并不声称已经解决了轮胎退化的奥秘，但它成功地澄清了衡量预测准确性的混乱现状，确保未来的策略是建立在坚实的基础之上，而非统计学的幻象之上。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。