Análisis de Datos aplicado a los deportes de motor: MotoGP y Fórmula 1

Abstract

[CA] Cada vegada les dades són més importants, tenen major valor i utilitat. El seu rang d'aplicació és molt ampli, és per això que la Ciència de Dades ha arribat al món de l'esport del motor, ja siga en l'àmbit automobilístic com al motociclista. Aquestes dades les generen la gran quantitat de sensors que incorporen aquests vehicles, per la qual cosa el volum de dades generat cada cap de setmana de carreres és molt gran. Entre les diferents categories que componen aquests esports, aquest projecte se centra en les dues categories més importants com són MotoGP i Fórmula 1 les quals són aquelles en les quals les dades són més accessibles, podent així generar bases de dades més completes i amb un major nombre de registres. Aquest Treball de Fi de Grau (TFG) compren la major part dels aspectes que constitueixen la Ciència de Dades, des de l'obtenció de les dades, passant per la visualització i preparació, arribant finalment a la predicció de dades generant conclusions pròpies. Com veurem al llarg del document, s'han generat les dades de MotoGP i Fórmula 1 aplicant diferents tècniques, per a posteriorment poder visualitzar-les, creant comparacions entre pilots i dashboards interactius. S'obtenen prediccions sobre la posició final de la carrera per a ambdós esports, utilitzant diversos models predictius, tant regressors com classificadors. En els models s'han introduït bases de dades variades, en les quals comparar quines aporten un major coneixement al model. Finalment, s'ha millorat els resultats d'un estudi de Fórmula 1 publicat amb anterioritat.

[ES] Cada vez los datos son más importantes, tienen mayor valor y utilidad. Su rango de aplicación es muy amplio, es por ello por lo que la Ciencia de Datos ha llegado al mundo del deporte del motor, ya sea en el ámbito automovilístico como el motociclista. Estos datos son generados por la gran cantidad de sensores que incorporan estos vehículos, por lo que el volumen de datos generado cada fin de semana de carreras es muy grande. Entre las diferentes categorías que componen estos deportes, este proyecto se centra en las dos categorías más importantes como son MotoGP y Fórmula 1 las cuales son aquellas en las que los datos son más accesibles, pudiendo así generar bases de datos más completas y con un mayor número de registros. En este Trabajo de Fin de Grado (TFG) se abarca la mayor parte de los aspectos que constituyen la Ciencia de Datos, desde la obtención de los datos, pasando por la visualización y preparación, llegando finalmente a la predicción de datos generando conclusiones propias. Como veremos a lo largo del documento, se han generado los datos de MotoGP y Fórmula 1 aplicando diferentes técnicas, para posteriormente poder visualizarlos creando comparaciones entre pilotos y dashboards interactivos. Se obtienen predicciones acerca de la posición final de la carrera para ambos deportes, utilizando diversos modelos predictivos, tanto regresores como clasificadores. En los modelos se han introducido bases de datos variadas, en las que comparar cuales aportan un mayor conocimiento al modelo. Finalmente, se han mejorado los resultados de un estudio de Fórmula 1 publicado con anterioridad.

[EN] Data is becoming increasingly important, valuable, and useful. Its range of application is very wide, is why Data Science has reached the world of motorsport, in motorcycling field s . These data are generated by the large number both the automotive and of sensors that these vehicles incorporate, so the volume of data generated during each weekend race is very large. Among the different categories that make up these sports, this project focuses on the two most important categories such as MotoGP and For mula 1, which are those in which the data are more accessible, thus being able to generate more complete databases with a greater number of records. This Final Degree Project (TFG) covers most of the aspects that make up Data Science, from obtaining the da ta, through visualisation and preparation, finally arriving at data prediction and generating its own conclusions. As we will see throughout the document, MotoGP and Formula 1 data have been generated by applying different techniques, to later visualise them by creating comparisons between riders and interactive dashboards. Predictions about the final position of the race are obtained for both sports, using different predictive models, both regressors and classifiers. A variety of databases have been introduced into the models, in which to compare which provide further insight into the model. Finally, the results of a previously published Formula 1 study have been improved