Data Science & AI

Voorspellen van Formule 1 races

Written by
DSL
Published on
juli 13, 2021
DSL blog
Als Formule 1 fan zit ik ieder raceweekend vol spanning op de bank. Uiteraard om Max Verstappen aan te moedigen, maar tegelijkertijd probeer ik familieleden te verslaan met het GP-spel van NU.nl. Hoewel ik er zeker van ben dat ik de állergrootste Formule 1 kenner ben binnen mijn familie, laat ik wiskunde mij vaak een handje helpen.

Hoe werkt het GP-spel?

Het GP-spel is ontwikkeld door NU.nl en beslaat één Formule 1 seizoen. Ieder weekend wordt een race in een ander land gereden, bestaande uit een kwalificatiewedstrijd en een officiële wedstrijd. Voor ieder raceweekend moeten deelnemers een team van vier coureurs samenstellen en de top 3 voorspellen. Daarnaast kun je extra punten scoren door de positie van Max Verstappen correct te voorspellen. In deze blog vertel ik hoe ik wiskundige modellen heb ingezet om mijn team van vier coureurs te optimaliseren. Het voorspellen van de kwalificatie en de race laat ik ditmaal buiten beschouwing, hoewel dat een interessante data science toepassing is.

Voor het samenstellen van een team bestaande uit vier coureurs, heb je een budget van in totaal 100 miljoen beschikbaar. Het team van NU.nl heeft voor de verschillende coureurs de kosten bepaald, waarbij geldt: hoe beter de coureur, hoe duurder. Zo kost Lewis Hamilton maar liefst 50 miljoen, terwijl Mick Schumacher – zoon van – ‘slechts’ 5 miljoen kost. Je verdient punten op basis van de posities van de coureurs in je team na de kwalificatie en de race. Bijvoorbeeld: wanneer Max Verstappen in jouw team zit en pole position pakt op zaterdag en de race wint op zondag, verdien je (10 voor pole position + 25 voor winst race) 35 punten. Het doel is uiteraard om zoveel mogelijk punten te verzamelen met jouw geselecteerde team.

Knapzakprobleem

Het bovengenoemde probleem waarbij de keuze gemaakt moet worden voor het optimale team van coureurs, is een zogeheten knapzakprobleem. Het knapzakprobleem is een bekende wiskundige kwestie waarbij de volgende vraag centraal staat:

‘Gegeven is een verzameling items I, waarbij elk item i een bijbehorend gewicht c_i en een bijbehorende waarde w_i heeft. Bepaal welke objecten meegenomen moeten in de knapzak, zodat de waarde zo hoog mogelijk is maar het maximale gewicht niet wordt overgeschreden.’

Het doel is om de waarde van de items in de knapzak te maximaliseren; dit noemen we de doelfunctie. Tegelijkertijd mag het maximale gewicht niet worden overschreden; dit noemen we een restrictie.

GP-spel als knapzakprobleem

Het samenstellen van een team coureurs kan nu geformuleerd worden als knapzakprobleem. Gegeven is namelijk een verzameling coureurs I, met voor elke coureur bepaalde kosten c_i. Het doel is om de totale waarde van het team te maximaliseren. De waarde die iedere coureur oplevert is echter niet bekend, dus daar moeten we iets ‘slims’ op verzinnen (hier kom ik later op terug). Naast het budget van 100 miljoen zijn er nog een paar extra restricties vanuit het spel waar we rekening mee moeten houden, namelijk:

  1. Uit elk team mag je maximaal één coureur kiezen.
  2. Je moet exact vier coureurs kiezen.
  3. De oplossing van het probleem is binair; je kiest een coureur wel (1) of niet (0).

GP-spel als ILP probleem

De volgende stap is het formuleren van ons wiskundige probleem als een geheeltallig lineair programmeringsprobleem. Het is namelijk binnen ons vakgebied bekend dat een knapzakprobleem opgelost kan worden met behulp van lineair programmeren. Lineair programmeren is een methode voor het oplossen van optimaliseringsprobleem, waarin de doelfunctie en de restricties lineair zijn. Dat is ook bij ons probleem het geval. Daarnaast spreken we hier van een geheeltallig lineair programmeringsprobleem omdat de oplossing binair is (en dus geheeltallig). We definiëren namelijk per coureur i een beslissingsvariabele x_i. Deze variabele is gelijk aan 1 als coureur i gekozen wordt in de oplossing, maar gelijk aan 0 als we hem niet kiezen. We kunnen ons probleem dan als een geheeltallig lineair programmeringsprobleem formuleren (pas op: wiskundige formules alert!).

De wiskundige formulering van ons probleem ziet er best ingewikkeld uit, maar eigenlijk is het heel eenvoudig.Laten we beginnen met de doelfunctie. Zoals eerder gezegd willen we de waarde van ons team maximaliseren. Voor iedere coureur i (20 in totaal) bepalen we daarom een waarde w_i. Deze waarde wordt bepaald op basis van de actuele stand in het kampioenschap en de uitslagen van de vrije trainingen. Zo neem ik zowel de performance van een coureur tijdens het seizoen als tijdens het raceweekend mee. De waarde van Max Verstappen tijdens het raceweekend in Oostenrijk (van 2 t/m 4 juli 2021) kan bijvoorbeeld worden bepaald als volgt:

Aantal punten in het kampioenschap op 3 juli 2021: 156 punten kampioenschap (KP)
Positie vrije training 1: 1 (P1)
Positie vrije training 2: 3 (P2)
Positie vrije training 3: 1 (P3)
Waarde Max: KP + (21 – P1) + (21 – P2) + (21 – P3) = 156 + (21 – 1) + (21 – 3) + (21 – 1) = 214

De waarde van het geselecteerde team kan worden bepaald door de som te nemen van de waarde van de coureurs in het team. Merk op dat dit overeenkomt met de doelfunctie in onze wiskundige formulering hierboven aangezien de variabele x_i gelijk is aan 0 als we een coureur niet in ons team hebben.

Wat volgt zijn de restricties. Restrictie 1 zegt dat de totale kosten van alle coureurs die we kiezen in ons team het budget van 100 miljoen niet mag overschrijden. De totale kosten berekenen we door de som te nemen van de kosten per coureur i in ons team, c_i. Dezelfde redenering geldt als bij de doelfunctie: als we een coureur niet in ons team kiezen, is de variabele x_i gelijk aan 0 en tellen we die kosten niet mee. Restrictie 2 dwingt af dat we exact vier coureurs in ons team selecteren. De derde restrictie dwingt af dat we maximaal 1 coureur per team kiezen. Stel: coureur j is Max Verstappen (team Red Bull) en coureur k is Sergio Perez (óók team Red Bull), dan zegt deze restrictie dat de som van de beslissingsvariabelen maximaal 1 kan zijn. Dit betekent dat we niet beide coureurs kunnen kiezen (want dan geldt x_j + x_k = 2).

Optimale oplossing berekenen

Voor het modelleren kies ik dit keer niet voor Python of R, maar voor Excel. In Excel kun je namelijk makkelijk lineaire programmeringsproblemen formuleren en oplossen met behulp van de Solver. Hieronder zie je een screenshot van mijn Excel sheet.

Eerst maken we een overzicht van alle benodigde data, zoals de kosten en waarde per coureur. Vervolgens gebruiken we de data om ons geheeltallig lineair programmeringsprobleem te specificeren. We moeten de juiste cellen invullen op de juiste plek in de Solver:

  • Doelfunctie (‘Set Objective’)
    De doelfunctie is terug te vinden in cel C26. Deze cel bevat de volgende formule: SUMPRODUCT(I4:I23, J4:J23). We willen de doelfunctie maximaliseren.
  • Beslissingsvariabelen (‘By Changing Variable Cells’)
    De beslissingvariabelen zijn terug te vinden in de cellen J4:J23.
  • Restricties (‘Subject to the Constraints’)
    Hier voegen we alle restricties toe:
Restrictie Cellen Formule in Excel
Je moet 4 coureurs kiezen C27 <= D27 SUM(J4:J23) <= 4
Je mag niet meer besteden dan 100 miljoen C28 <= D28 SUMPRODUCT(D4:D23,J4:J23) <= 100
Je mag maar 1 coureur kiezen per team C29:C38 <= D29:D38 Bijvoorbeeld SUM(J4:J5) <= 1 voor Mercedes.
Beslissingsvariabelen binair J4:J23 J4:J23 = binary

Vervolgens kunnen we in de Solver aangeven met welk algoritme we het probleem willen oplossen. We kiezen Simplex LP omdat onze doelfunctie en restricties lineair zijn. We krijgen dan de volgende optimale oplossing terug:

Deze oplossing heeft een waarde van 472 punten. Ik besluit voor het raceweekend in Oostenrijk volledig op mijn model te vertrouwen en deze coureurs in mijn team te kiezen. Fingers crossed…

Was dit het beste team?

Nu het raceweekend in Oostenrijk achter de rug is, kunnen we de balans opmaken: heeft het model het beste team gekozen? Dit kunnen we berekenen op basis van de uitslag van de kwalificatie en de race. In totaal heeft mijn team namelijk 69 punten gehaald, 27 voor de kwalificatie en 42 voor de race. We kunnen nu opnieuw het optimale team laten berekenen door het model, namelijk door als waarde de puntenverdeling van het GP-spel te nemen op basis van de uitslag voor de kwalificatie en de race. Dan krijgen we het volgende optimale team als oplossing:

Dit team heeft 4 punten meer gehaald dan mijn gekozen team, namelijk 73. Wat buiten kijf staat is dat je Max Verstappen en Lando Norris had moeten kiezen in je team, want zij zorgen samen al voor 49 punten. Helaas heeft het model achteraf gezien niet het optimale team gekozen voor het raceweekend in Oostenrijk. Dit komt niet door ons model zelf of de simplexmethode, maar omdat we de waarde van de coureurs voorafgaand aan de kwalificatie hebben geschat met de waardefunctie. Echter, om te bepalen of het model statistisch gezien beter is dan een menselijke deelnemer, moeten we natuurlijk naar meer dan één raceweekend kijken. Eén ding is zeker: in onze familiepoule heb ik de meeste punten gescoord met mijn team.

Verbeterpunten

Uiteraard zijn er nog een aantal verbeteringen mogelijk aan mijn model, met name als het gaat om het bepalen van de waarde van de coureurs. Zo kan de berekening bijvoorbeeld worden uitgebreid met kwalificatieresultaten of prestaties op soortgelijke circuits. Daarnaast zou het interessant kunnen zijn om te onderzoeken of de gewogen functie wel de beste keuze is om de waarde te bepalen. De waarde functie zou eventueel geoptimaliseerd kunnen worden met behulp van machine learning of door de waarde te zien als stochastisch in plaats van deterministisch. Vooral dat laatste kan veel toegevoegde waarde hebben voor het model, aangezien geluk en pech een grote rol kunnen spelen in de Formule 1. 

Toepassingen van lineair programmeren

Lineair programmeren heeft allerlei toepassingen in het bedrijfsleven. Denk aan de optimale combinatie van producten die een bedrijf moet produceren om de meeste winst te maken, het opstellen van een werkrooster voor ziekenhuispersoneel, het vinden van de kortste route van A naar B of het oplossen van een transportprobleem. Ik ben van mening dat operations research technieken, zoals lineair programmeren, nog te weinig worden ingezet binnen de wereld van data science. Soms worden de meest ingewikkelde neurale netwerken getraind, terwijl dezelfde vraag kan worden beantwoord met een veel simpeler model. In ons werk moeten we daarom altijd de afweging blijven maken tussen complexiteit en effectiviteit. Of mijn model effectief genoeg is om het F1 spel van NU.nl te winnen? Dat weten we aan het einde van dit Formule 1 seizoen ;).

Vragen? Neem contact met ons op

Blog

Dit is ook interessant

Lorem ipsum dolor sit amet, consectetur adipiscing elit.

De Floating Farm in Rotterdam is de eerste drijvende boerderij ter wereld. De prioriteiten zijn dierenwelzijn, circulariteit, duurzaamheid en innovatie. Voor ons eens interessant om te onderzoeken…

Large language models (LLMs) als ChatGPT zijn populair. Niet alleen voor persoonlijk gebruik, maar ook binnen organisaties. Bedrijfsdocumenten doorzoeken voor specifieke informatie,…

Als organisatie weet je dat je iets moet doen met de beschikbare data. De zin “Misschien moeten we iets met data” horen…

Meld je aan voor onze nieuwsbrief

Wil je als eerste op de hoogte zijn van een nieuwe blog?

Adres:
Donker Curtiusstraat 23C
1051 JM Amsterdam
Contact:

© 2024 Data Science Lab. All rights reserved. Design & Development by Yourtechclub