亚马逊AWS官方博客
使用机器学习技术实现实时赛车竞速分析
Original Link: https://aws.amazon.com/cn/blogs/machine-learning/delivering-real-time-racing-analytics-using-machine-learning/
对于没有经验的开发人员，AWS DeepRacer是一种有趣而轻松的方法，它可以帮助您开始机器学习（ML）之旅。在2019赛季结束之际，AWS DeepRacer League与Amazon机器学习解决方案实验室开展合作，为re: Invent 2019大会上的AWS DeepRacer冠军杯赛开发出一项新的运动分析功能。
实时分析的核心目标，是为各主要参赛对手提供背景信息与深层体验，借此更有效地实现策略与战术对抗。以此为基础，观赛者们能够快速了解特定模型策略如何转化为赛道成绩，进一步揭开机器学习开发的神秘面纱，并展示这项技术在现实世界中的应用方式。凭借这项增强功能，粉丝们能够快速了解世界各地参赛选手的现场表现与竞速风格。
在本文中，我们将分享这些分析模型的开发方法，如何将其部署在生产流程中，以及如何将其以功能形式交付给赛事粉丝。
从机器学习与经典统计学中提取洞见
机器学习解决方案实验室利用我们在塞车运动领域的专业知识，构建起一套由机器学习与经典统计数据共同支持的自定义分析套件。
参赛者的过往成绩往往会对后续赛场表现产生重大影响。例如，当每圈的成绩都比之前更好时，满满的信心总会让选手不断挑战新的高峰。而成绩一路走低，则会打击选手的状态，使其难以继续完成接下来的比赛。我们希望预测各位选手的下一圈比赛成绩，借此向粉丝们传递这种比赛趋势。在使用Amazon Forecast上的AutoML比较了多种预测方法之后，我们发现尽管可用数据集规模有限，但指数平滑(ETS)算法仍能产生准确的预测结果。
虽然单圈用时等统一指标能够帮助粉丝们在冠军杯赛的开幕战比赛中理解64位参赛选手的不同驾驶风格，但却不足以预测第二天比赛中哪种风格能够占据优势。Fumiaki如手术刀般凌厉精准的风格，会胜过Sola激进而不断突破自我的风格吗？
通过竞赛模拟，我们可以预测出每场比赛的优胜者，并帮助粉丝们预测最终比赛结果。通过统计方法并配合概率分布，我们为每位选手的圈速进行建模。而参考2019年AWS DeepRacer峰会公布的数据，我们发现随着时间的推移，算法对于特定选手的单圈用时预测会越来越准确。为了进一步缩小单圈用时中的预测偏差，我们使用最大似然估计对Weibull分布进行拟合，借此找到最佳缩放与位移参数。
下图所示，为前三名参赛选手的单圈用时分布。
我们将优胜者的预测问题，重新定义为击败更强竞争对手最佳成绩的可能性（拖尾概率），并使用蒙特卡洛模拟从各参赛对手的Weibull分布中采样以计算这种可能性。
使用无服务器架构部署解决方案
为了实时计算出这些洞见，我们将分析套件部署至AWS上的低延迟无服务器架构之上。下图所示，为这套架构的基本构成。
这套架构包含以下操作步骤：
- 在竞争对手完成当前圈后，他们的单圈用时将被上传至运行有 Amazon Aurora Serverless的Amazon Relational Database Service (RDS)集群之上。而使用RDS数据存储方案，我们可以将整个分析套件建立起轻量级、无状态AWS Lambda集合。
- 我们还公开专用接口以触发通知，保证将成绩洞见与米高梅花园赛场的动态评论集成在一起。
- 触发的Lambda函数查询RDS，借此获取历史数据并计算出分析结果。
- 我们的Lambda函数使用webhook将洞见发布至支持即时消息的商务会议工具Amazon Chime当中。
- 来自社交媒体、AWS DeepRacer TV与生产团队的各相关方可以使用安装有Amazon Chime的平板电脑，接收分析数据源。
使用无服务器架构，我们的团队得以实现快速迭代，同时保证生产系统仍然具备可靠的扩展性与容错能力。我们的三人团队在不到三周时间内完成了架构搭建。这套架构具有极高的成本效益，因为我们无需为闲置资源付费。在本届冠军杯赛结束之后，我们甚至不需要关闭任何服务器！
实时使用分析技术
最后，为了将我们的洞见结论整合至冠军杯赛节目当中，我们与评论员合作，努力在正确时间提供正确的分析结果。我们使用由生产团队提供的、带有实时音频的耳机收听来自评论员的某些提示，例如：
- 采访特定赛事选手
- 明确给出当前单圈的开始与结束时间点
- 关注重大事件，例如创造了新的世界纪录，或者两位“宿命对手”即将在赛场上对决
敬请期待2020年的更多精彩元素
我们的分析功能在冠军杯赛期间为粉丝们提供增强体验，但这一切仅仅只是开始。在re: Invent 2019大会的比赛中，我们从500多位参赛选手处收集到12000多条单圈时长记录。随着AWS DeepRacer发布新的车辆与竞赛形式，这部分数据将在2020年为更多更高级的分析功能提供支持。
我们要感谢AWS DeepRacer团队带来的这一绝佳机会，以及生产、社交媒体与评论员团队与我们的通力协作！如果各位读者朋友也需要加快产品及流程中的机器学习技术应用速度，请与Amazon机器学习解决方案实验室联系。
请访问 www.awsdeepracerleague.com，开启您的AWS DeepRacer机器学习之旅。