这是关于如何执行比赛的新思维方式的开始。尽管1984年燃料加注被暂时禁止，但理念已然确立，并且理解到一场大奖赛不必是无间断进行的已经深入人心。
1994年，燃料加注重新引入后，各车队开始以更数学化的方式思考这个问题，并诞生了一般称为比赛战略的概念。在那些早期，软件基本上是通过最小化比赛时间来工作，考虑到油量越少，赛车圈速越快——而轮胎越旧，圈速越慢。
这些模拟被称为确定性模拟。换句话说，一组条件被强加，然后得出一个结果。条件包括燃油负载对圈速的影响、轮胎退化导致的圈速损失、实际进站圈数和进站时间。这是有帮助的，但在最小化比赛时间是一个明显的目标的同时，一个不太明显的目标是，比赛关键时刻的赛道位置往往更为重要。我总是说，目标不是以最快的时间完成比赛，而是以最慢的时间赢得比赛。
这引出了赛道位置重要性的概念，并理解何时车手需要全力驾驶，何时轮胎和燃料保存更为重要。这也意味着比赛中任何时候超越另一辆车的可能性需要被引入。
这导致了基于一种著名的统计技术——“蒙特卡洛”模拟的软件需求。该技术与摩纳哥大奖赛无关，而是一种在20世纪40年代开发的技术，用于指导许多领域的实验工作。
蒙特卡洛模拟多次运行，在程序员设定的范围内变更模型的输入。每次它计算出一个结果，然后在过程结束时确定哪些输入最有可能带来最有利的结果。这种模拟被称为随机模拟，因为它不提供单一答案，而是给出一个结果的概率分布。
如果轮胎退化高，则提前进站变得对获取赛道位置非常有利。然而，如果你尝试预见这一点，你的竞争对手也可能预见到——那么你如何应对呢？
这种技术现在导致了战略可以扩展到一个更广泛的意义。例如，软件显然会显示需要快速进站，因此对进站设备的投资将得到回报。也许稍微不那么明显的是调查下压力的影响。
基于物理的模拟将确定最佳的翼设置以获得最佳圈速，但这些是比赛的最佳选择吗？战略软件可能会发现，较低阻力的设置可能稍慢，但由于增强的超车机会，可以带来更好的比赛结果。这意味着需要设计、测试和制造具有合适下压力和阻力水平的翼，以便在比赛中使用。这是真正的战略意义——一个实现长期目标的计划。
在比赛周末，车队以更加战术的方式工作。首先，他们利用自由练习来优化他们用于轮胎退化和赛车相对性能的数据。然后，重新运行多次模拟，以找到比赛日成功的最佳方法。
他们还会引入一个新因素到他们的模拟中，使用一种称为博弈论的技术。它使用数学技术来研究车队之间的战略互动以及如何应对确定最佳战术方法中存在的许多利益冲突。
例如，如果轮胎退化高，那么提前进站，这一先于竞争对手进站的行为，变得对获取赛道位置非常有利。然而，如果你尝试预见这一点，你的竞争对手也可能预见到——那么你如何应对呢？答案可能是更早进站，或者相反，尝试在早期保存轮胎寿命，以延长第一阶段的时间。软件将帮助你做出决定。
当然，当你进入比赛本身时，一些变量变成了常量。轮胎退化现在可以从你和竞争对手的赛车中实时确定。你可能会对其他化合物的退化情况有一个想法。
你还会知道你的真实位置和你真正的比赛对象，甚至可以看到超车的可能性。这导致了不断重新运行模拟，不仅提供比赛正在展开的战术意识，还指导在虚拟或实际安全车干预情况下该怎么做。
所有这些都需要强大的计算能力。20世纪90年代的几十次模拟在2005年变成了成千上万次，到上个十年末变成了数百万次。下一步无疑是应用机器学习来更好地理解你的对手可能如何行动，以及如何最好地应对他们的行动。
为什么F1战略思维必须涵盖的不仅仅是进站时机近年来，F1战略已经发生了巨大的演变，正如帕特·西蒙兹所解释的那样，战略已成为F1车队的关键工具。但不要误以为它只考虑进站时间。
对于许多人来说，1982年奥地利大奖赛以埃利奥·德·安吉利斯驾驶莲花车以仅0.05秒的优势击败威廉姆斯车手凯克·罗斯伯格的惊险收尾而被铭记。然而，对我来说，最难忘的记忆是在维修区内目睹尼尔森·皮奎特进行现代时代第一次计划性的轮胎和燃料进站。我当时在托尔曼车队，虽然我们两辆车都早早退赛了，但我仍然留在维修墙旁观看比赛。在那个年代，维修区没有限速，赛车进入维修区的速度令人震惊。那次进站大约花了25秒，是今天标准时间的10倍。
这是关于如何执行比赛的新思维方式的开始。尽管1984年燃料加注被暂时禁止，但理念已然确立，并且理解到一场大奖赛不必是无间断进行的已经深入人心。
1994年，燃料加注重新引入后，各车队开始以更数学化的方式思考这个问题，并诞生了一般称为比赛战略的概念。在那些早期，软件基本上是通过最小化比赛时间来工作，考虑到油量越少，赛车圈速越快——而轮胎越旧，圈速越慢。
这些模拟被称为确定性模拟。换句话说，一组条件被强加，然后得出一个结果。条件包括燃油负载对圈速的影响、轮胎退化导致的圈速损失、实际进站圈数和进站时间。这是有帮助的，但在最小化比赛时间是一个明显的目标的同时，一个不太明显的目标是，比赛关键时刻的赛道位置往往更为重要。我总是说，目标不是以最快的时间完成比赛，而是以最慢的时间赢得比赛。
这引出了赛道位置重要性的概念，并理解何时车手需要全力驾驶，何时轮胎和燃料保存更为重要。这也意味着比赛中任何时候超越另一辆车的可能性需要被引入。
这导致了基于一种著名的统计技术——“蒙特卡洛”模拟的软件需求。该技术与摩纳哥大奖赛无关，而是一种在20世纪40年代开发的技术，用于指导许多领域的实验工作。
蒙特卡洛模拟多次运行，在程序员设定的范围内变更模型的输入。每次它计算出一个结果，然后在过程结束时确定哪些输入最有可能带来最有利的结果。这种模拟被称为随机模拟，因为它不提供单一答案，而是给出一个结果的概率分布。
如果轮胎退化高，则提前进站变得对获取赛道位置非常有利。然而，如果你尝试预见这一点，你的竞争对手也可能预见到——那么你如何应对呢？
这种技术现在导致了战略可以扩展到一个更广泛的意义。例如，软件显然会显示需要快速进站，因此对进站设备的投资将得到回报。也许稍微不那么明显的是调查下压力的影响。
基于物理的模拟将确定最佳的翼设置以获得最佳圈速，但这些是比赛的最佳选择吗？战略软件可能会发现，较低阻力的设置可能稍慢，但由于增强的超车机会，可以带来更好的比赛结果。这意味着需要设计、测试和制造具有合适下压力和阻力水平的翼，以便在比赛中使用。这是真正的战略意义——一个实现长期目标的计划。
在比赛周末，车队以更加战术的方式工作。首先，他们利用自由练习来优化他们用于轮胎退化和赛车相对性能的数据。然后，重新运行多次模拟，以找到比赛日成功的最佳方法。
他们还会引入一个新因素到他们的模拟中，使用一种称为博弈论的技术。它使用数学技术来研究车队之间的战略互动以及如何应对确定最佳战术方法中存在的许多利益冲突。
例如，如果轮胎退化高，那么提前进站，这一先于竞争对手进站的行为，变得对获取赛道位置非常有利。然而，如果你尝试预见这一点，你的竞争对手也可能预见到——那么你如何应对呢？答案可能是更早进站，或者相反，尝试在早期保存轮胎寿命，以延长第一阶段的时间。软件将帮助你做出决定。
当然，当你进入比赛本身时，一些变量变成了常量。轮胎退化现在可以从你和竞争对手的赛车中实时确定。你可能会对其他化合物的退化情况有一个想法。
你还会知道你的真实位置和你真正的比赛对象，甚至可以看到超车的可能性。这导致了不断重新运行模拟，不仅提供比赛正在展开的战术意识，还指导在虚拟或实际安全车干预情况下该怎么做。
所有这些都需要强大的计算能力。20世纪90年代的几十次模拟在2005年变成了成千上万次，到上个十年末变成了数百万次。下一步无疑是应用机器学习来更好地理解你的对手可能如何行动，以及如何最好地应对他们的行动。
