renumics/f1_dataset

--- dataset_info: features: - name: Time dtype: duration[ns] - name: Driver dtype: string - name: DriverNumber dtype: string - name: LapTime dtype: duration[ns] - name: LapNumber dtype: float64 - name: Stint dtype: float64 - name: PitOutTime dtype: duration[ns] - name: PitInTime dtype: duration[ns] - name: Sector1Time dtype: duration[ns] - name: Sector2Time dtype: duration[ns] - name: Sector3Time dtype: duration[ns] - name: Sector1SessionTime dtype: duration[ns] - name: Sector2SessionTime dtype: duration[ns] - name: Sector3SessionTime dtype: duration[ns] - name: SpeedI1 dtype: float64 - name: SpeedI2 dtype: float64 - name: SpeedFL dtype: float64 - name: SpeedST dtype: float64 - name: IsPersonalBest dtype: bool - name: Compound dtype: string - name: TyreLife dtype: float64 - name: FreshTyre dtype: bool - name: Team dtype: string - name: LapStartTime dtype: duration[ns] - name: LapStartDate dtype: timestamp[ns] - name: TrackStatus dtype: string - name: Position dtype: float64 - name: Deleted dtype: bool - name: DeletedReason dtype: string - name: FastF1Generated dtype: bool - name: IsAccurate dtype: bool - name: DistanceToDriverAhead sequence: sequence: float64 - name: RPM sequence: sequence: float64 - name: Speed sequence: sequence: float64 - name: nGear sequence: sequence: float64 - name: Throttle sequence: sequence: float64 - name: Brake sequence: sequence: float64 - name: DRS sequence: sequence: float64 - name: X sequence: sequence: float64 - name: Y sequence: sequence: float64 - name: Z sequence: sequence: float64 - name: gear_vis dtype: image - name: speed_vis dtype: image - name: RPM_emb sequence: float64 - name: Speed_emb sequence: float64 - name: nGear_emb sequence: float64 - name: Throttle_emb sequence: float64 - name: Brake_emb sequence: float64 - name: X_emb sequence: float64 - name: Y_emb sequence: float64 - name: Z_emb sequence: float64 - name: portrait dtype: image splits: - name: train num_bytes: 561415487.5469999 num_examples: 1317 download_size: 300522146 dataset_size: 561415487.5469999 configs: - config_name: default data_files: - split: train path: data/train-* --- # Dataset Card for "f1_dataset" This dataset includes race telemetry data from the Formula1 Montreail 2023 GP. It was obtained from the Ergast API using the fastf1 library. We built an [interactive demo](https://huggingface.co/spaces/renumics/f1_montreal_gp) for this dataset on Hugging Face spaces.  You can explore the dataset on your machine with [Spotlight](https://github.com/Renumics/spotlight): ```bash pip install renumics-spotlight ``` ```Python import datasets from renumics import spotlight ds = datasets.load_dataset('renumics/f1_dataset', split='train') dtypes = {"DistanceToDriverAhead": spotlight.Sequence1D, "RPM": spotlight.Sequence1D, "Speed": spotlight.Sequence1D, "nGear": spotlight.Sequence1D, "Throttle": spotlight.Sequence1D, "Brake": spotlight.Sequence1D, "DRS": spotlight.Sequence1D, "X": spotlight.Sequence1D, "Y": spotlight.Sequence1D, "Z": spotlight.Sequence1D, 'RPM_emb': spotlight.Embedding, 'Speed_emb': spotlight.Embedding, 'nGear_emb': spotlight.Embedding, 'Throttle_emb': spotlight.Embedding, 'Brake_emb': spotlight.Embedding, 'X_emb': spotlight.Embedding, 'Y_emb': spotlight.Embedding, 'Z_emb': spotlight.Embedding} spotlight.show(ds, dtype=dtypes) ```数据集信息： 特征字段： - 名称：时间（Time），数据类型：纳秒级时长（duration[ns]） - 名称：车手（Driver），数据类型：字符串 - 名称：车手编号（DriverNumber），数据类型：字符串 - 名称：单圈时长（LapTime），数据类型：纳秒级时长 - 名称：圈数（LapNumber），数据类型：float64 - 名称：轮胎使用赛段（Stint），数据类型：float64 - 名称：驶出维修区时长（PitOutTime），数据类型：纳秒级时长 - 名称：驶入维修区时长（PitInTime），数据类型：纳秒级时长 - 名称：第一段赛道时长（Sector1Time），数据类型：纳秒级时长 - 名称：第二段赛道时长（Sector2Time），数据类型：纳秒级时长 - 名称：第三段赛道时长（Sector3Time），数据类型：纳秒级时长 - 名称：第一段赛道会话时长（Sector1SessionTime），数据类型：纳秒级时长 - 名称：第二段赛道会话时长（Sector2SessionTime），数据类型：纳秒级时长 - 名称：第三段赛道会话时长（Sector3SessionTime），数据类型：纳秒级时长 - 名称：1号测速点车速（SpeedI1），数据类型：float64 - 名称：2号测速点车速（SpeedI2），数据类型：float64 - 名称：飞圈测速车速（SpeedFL），数据类型：float64 - 名称：赛道测速段车速（SpeedST），数据类型：float64 - 名称：个人最佳圈标记（IsPersonalBest），数据类型：布尔值 - 名称：轮胎配方（Compound），数据类型：字符串 - 名称：轮胎磨损里程（TyreLife），数据类型：float64 - 名称：新轮胎标记（FreshTyre），数据类型：布尔值 - 名称：车队（Team），数据类型：字符串 - 名称：单圈开始时长（LapStartTime），数据类型：纳秒级时长 - 名称：单圈开始时间戳（LapStartDate），数据类型：纳秒级时间戳（timestamp[ns]） - 名称：赛道状态（TrackStatus），数据类型：字符串 - 名称：当前排名（Position），数据类型：float64 - 名称：圈数无效标记（Deleted），数据类型：布尔值 - 名称：无效原因（DeletedReason），数据类型：字符串 - 名称：FastF1生成标记（FastF1Generated），数据类型：布尔值 - 名称：数据准确标记（IsAccurate），数据类型：布尔值 - 名称：与前车距离（DistanceToDriverAhead），数据类型：序列（sequence），子元素类型为float64 - 名称：发动机转速（RPM），数据类型：序列（sequence），子元素类型为float64 - 名称：车速（Speed），数据类型：序列（sequence），子元素类型为float64 - 名称：挡位（nGear），数据类型：序列（sequence），子元素类型为float64 - 名称：油门开度（Throttle），数据类型：序列（sequence），子元素类型为float64 - 名称：刹车状态（Brake），数据类型：序列（sequence），子元素类型为float64 - 名称：可调尾翼（DRS），数据类型：序列（sequence），子元素类型为float64 - 名称：X坐标（X），数据类型：序列（sequence），子元素类型为float64 - 名称：Y坐标（Y），数据类型：序列（sequence），子元素类型为float64 - 名称：Z坐标（Z），数据类型：序列（sequence），子元素类型为float64 - 名称：挡位可视化图像（gear_vis），数据类型：图像（image） - 名称：车速可视化图像（speed_vis），数据类型：图像（image） - 名称：发动机转速嵌入向量（RPM_emb），数据类型：float64序列 - 名称：车速嵌入向量（Speed_emb），数据类型：float64序列 - 名称：挡位嵌入向量（nGear_emb），数据类型：float64序列 - 名称：油门开度嵌入向量（Throttle_emb），数据类型：float64序列 - 名称：刹车状态嵌入向量（Brake_emb），数据类型：float64序列 - 名称：X坐标嵌入向量（X_emb），数据类型：float64序列 - 名称：Y坐标嵌入向量（Y_emb），数据类型：float64序列 - 名称：Z坐标嵌入向量（Z_emb），数据类型：float64序列 - 名称：赛道全景图像（portrait），数据类型：图像（image） 数据集划分： - 划分名称：训练集（train），字节数：561415487.5469999，样本数：1317 下载大小：300522146 字节 数据集占用大小：561415487.5469999 字节 配置项： - 配置名称：默认配置（default），数据文件： - 划分：训练集，路径：data/train-* --- # "f1_dataset"数据集卡片 本数据集收录2023年一级方程式加拿大蒙特利尔大奖赛的赛事遥测数据，通过fastf1库从Ergast API获取。 我们在Hugging Face空间上为该数据集搭建了交互式演示页面，访问链接为：https://huggingface.co/spaces/renumics/f1_montreal_gp  你可通过Spotlight（https://github.com/Renumics/spotlight）在本地机器上浏览该数据集： bash pip install renumics-spotlight Python import datasets from renumics import spotlight ds = datasets.load_dataset('renumics/f1_dataset', split='train') dtypes = {"DistanceToDriverAhead": spotlight.Sequence1D, "RPM": spotlight.Sequence1D, "Speed": spotlight.Sequence1D, "nGear": spotlight.Sequence1D, "Throttle": spotlight.Sequence1D, "Brake": spotlight.Sequence1D, "DRS": spotlight.Sequence1D, "X": spotlight.Sequence1D, "Y": spotlight.Sequence1D, "Z": spotlight.Sequence1D, 'RPM_emb': spotlight.Embedding, 'Speed_emb': spotlight.Embedding, 'nGear_emb': spotlight.Embedding, 'Throttle_emb': spotlight.Embedding, 'Brake_emb': spotlight.Embedding, 'X_emb': spotlight.Embedding, 'Y_emb': spotlight.Embedding, 'Z_emb': spotlight.Embedding} spotlight.show(ds, dtype=dtypes)

原始信息汇总

数据集概述

数据集信息

• 特征列表:
  • Time: 类型为 duration[ns]
  • Driver: 类型为 string
  • DriverNumber: 类型为 string
  • LapTime: 类型为 duration[ns]
  • LapNumber: 类型为 float64
  • Stint: 类型为 float64
  • PitOutTime: 类型为 duration[ns]
  • PitInTime: 类型为 duration[ns]
  • Sector1Time: 类型为 duration[ns]
  • Sector2Time: 类型为 duration[ns]
  • Sector3Time: 类型为 duration[ns]
  • Sector1SessionTime: 类型为 duration[ns]
  • Sector2SessionTime: 类型为 duration[ns]
  • Sector3SessionTime: 类型为 duration[ns]
  • SpeedI1: 类型为 float64
  • SpeedI2: 类型为 float64
  • SpeedFL: 类型为 float64
  • SpeedST: 类型为 float64
  • IsPersonalBest: 类型为 bool
  • Compound: 类型为 string
  • TyreLife: 类型为 float64
  • FreshTyre: 类型为 bool
  • Team: 类型为 string
  • LapStartTime: 类型为 duration[ns]
  • LapStartDate: 类型为 timestamp[ns]
  • TrackStatus: 类型为 string
  • Position: 类型为 float64
  • Deleted: 类型为 bool
  • DeletedReason: 类型为 string
  • FastF1Generated: 类型为 bool
  • IsAccurate: 类型为 bool
  • DistanceToDriverAhead: 类型为 sequence，包含 float64
  • RPM: 类型为 sequence，包含 float64
  • Speed: 类型为 sequence，包含 float64
  • nGear: 类型为 sequence，包含 float64
  • Throttle: 类型为 sequence，包含 float64
  • Brake: 类型为 sequence，包含 float64
  • DRS: 类型为 sequence，包含 float64
  • X: 类型为 sequence，包含 float64
  • Y: 类型为 sequence，包含 float64
  • Z: 类型为 sequence，包含 float64
  • gear_vis: 类型为 image
  • speed_vis: 类型为 image
  • RPM_emb: 类型为 sequence，包含 float64
  • Speed_emb: 类型为 sequence，包含 float64
  • nGear_emb: 类型为 sequence，包含 float64
  • Throttle_emb: 类型为 sequence，包含 float64
  • Brake_emb: 类型为 sequence，包含 float64
  • X_emb: 类型为 sequence，包含 float64
  • Y_emb: 类型为 sequence，包含 float64
  • Z_emb: 类型为 sequence，包含 float64
  • portrait: 类型为 image

数据集分割

• train:
  • 字节数: 561415487.5469999
  • 样本数: 1317

数据集大小

• 下载大小: 300522146
• 数据集大小: 561415487.5469999

配置

• 配置名称: default
  • 数据文件:
    • 分割: train
    • 路径: data/train-*

搜集汇总

数据集介绍

构建方式

本数据集的构建基于2023年蒙特利尔一级方程式大奖赛的赛事遥测数据，通过Ergast API获取，并利用fastf1库进行处理。数据涵盖了赛事中的各项详细指标，包括时间、速度、档位等，以及与之相关的图像数据，如档位可视化图像和速度可视化图像。数据集分为训练集，为后续模型训练和数据分析提供了丰富的信息资源。

特点

f1_dataset数据集的特点在于其包含的丰富维度信息，不仅包括基本的赛事数据，如驾驶员、圈数、时间等，还涉及更细粒度的数据，如各赛段的用时、速度、档位等序列数据，以及图像数据。此外，数据集中还包含了诸如是否为个人最佳成绩、轮胎寿命等特殊信息，为深入分析提供了可能。

使用方法

使用该数据集时，用户首先需要通过pip安装renumics-spotlight工具。之后，利用datasets库加载数据集，并通过spotlight工具对数据进行可视化探索。用户可以根据需要选择不同的数据类型进行查看，如序列数据和嵌入数据等，从而对数据集有一个直观而深入的了解。

背景与挑战

背景概述

在赛车领域的数据科学研究中，'renumics/f1_dataset'数据集的构建具有里程碑意义。该数据集由Renumics团队在2023年创建，主要收集了蒙特利尔 Formula1 大奖赛的赛事遥测数据。数据集涵盖了驾驶员信息、圈时、速度、档位、刹车、油门等多种维度，为研究人员提供了深入了解赛车性能和驾驶行为的宝贵资源。该数据集不仅丰富了赛车运动的数据分析领域，也为智能驾驶系统的研发提供了实验基础。

当前挑战

该数据集在构建过程中面临着多方面的挑战。首先，赛车数据的实时采集和处理要求高，确保数据的准确性和实时性是关键。其次，数据的多维度特性和序列化的结构增加了存储和处理的复杂性。此外，如何在海量的数据中提取有效信息，构建准确的数据模型，也是当前研究的重要挑战。在领域问题上，该数据集的挑战包括如何利用遥测数据提高赛车性能，优化驾驶策略，以及确保赛车的安全性和稳定性。

常用场景

经典使用场景

在当代赛车运动研究领域，renumics/f1_dataset数据集凭借其详尽的Formula1蒙特利尔2023大奖赛 telemetry数据，成为分析赛车性能、车手驾驶策略及赛事动态的重要工具。该数据集最经典的使用场景在于，通过对车手和时间数据的深入分析，研究者能够量化车手在不同赛段的表现，进而评估其驾驶技巧和策略的优劣。

实际应用

在实际应用中，renumics/f1_dataset数据集被广泛运用于车队策略分析、车手训练模拟以及赛车设计优化等领域。通过该数据集，车队能够精确分析比赛中每个环节的性能瓶颈，为车手提供针对性的训练，同时为赛车的设计迭代提供数据支持，增强赛车的竞争力。

衍生相关工作

基于renumics/f1_dataset数据集，学术界和工业界衍生出了大量相关研究工作，如赛事预测模型、车手行为模式分析以及赛车性能优化算法等。这些工作不仅丰富了赛车运动的科学理论体系，也为赛车运动的商业化推广提供了技术支撑。