Aplicación web orientada a la visualización de datos de la Fórmula 1 y predicción del mejor momento de parada para una carrera

Abstract

[Resumen] La Fórmula 1 es la principal competición de automovilismo internacional y uno de los deportes más seguidos en todo el mundo. En la actualidad, este es un deporte destaca por la gran cantidad de datos que se generan, gracias al gran número de sensores que hay en todos los elementos que lo rodean. Además, uno de los momentos más importantes de una carrera y su estrategia, es determinar el mejor momento para parar a cambiar neumáticos. Principalmente, debido a su degradación y a que el reglamento de la Fórmula 1 exige usar al menos dos tipos de neumáticos en una carrera (salvo en lluvia). Elegir bien este momento de parada puede suponer ganar o perder puestos en una carrera. En este proyecto se abordan dos objetivos principales. En primer lugar, debido a la gran cantidad de datos que se generan y al gran seguimiento que tiene este deporte, se ha desarrollado una aplicación web para visualización de datos históricos y telemétricos de la Fórmula 1. Además, se detallan las tecnologías empleadas, los métodos de extracción de datos, las fuentes utilizadas, la arquitectura del sistema, la metodología y la planificación seguida. También, se proporciona un manual de usuario para la aplicación web y se presenta información sobre implementaciones y pruebas realizadas. El otro objetivo que tiene este proyecto, motivado por la importancia de la estrategia en la Fórmula 1, es la búsqueda de un modelo, que prediga el mejor momento para parar a cambiar neumáticos en una carrera. En este caso, se buscará predecir el número de vueltas que faltan para hacer una parada. Para llevar a cabo este problema, se han empleado dos conjuntos de datos de las carreras y sesiones de entrenamientos libres del Gran Premio de Bahrein entre los años 2019-2022. Con estos datos, se realiza un análisis del conjunto de datos y preprocesado, llevando a cabo el tratamiento de datos faltantes, normalización y selección de variables. Para posteriormente, realizar un entrenamiento y validación de los resultados obtenidos.

[Abstract] Formula 1 is the main international motorsport competition and one of the most followed sports worldwide. Currently, this sport stands out due to the large amount of data it generates, thanks to the numerous sensors placed on all its components. Additionally, one of the most critical moments in a race and its strategy is determining the optimal time to pit stop for a tire change. This decision is primarily influenced by tire degradation and the Formula 1 regulations requiring the use of at least two tire types in a race (except in rainy conditions). Making the right pit stop timing can mean gaining or losing positions in a race. This project addresses two main objectives. Firstly, due to the substantial data generated and the widespread interest in this sport, a web application has been developed for the visualization of historical and telemetry data from Formula 1. The project also outlines the technologies used, data extraction methods, sources utilized, system architecture, methodology and planning. Additionally, a user manual for the web application is provided and information about implementations and tests done. The second objective of this project, driven by the importance of strategy in Formula 1, is to search for a model that predicts the best time to pit for a tire change during a race. In this case, the goal is to predict the number of laps remaining before a pit stop is required. To address this problem, two datasets from races and free practice sessions of the Bahrain Grand Prix between 2019 and 2022 have been employed. These data undergo analysis and preprocessing, including handling missing data, normalization, and variable selection. Subsequently, training and validation of the obtained results are carried out.