Earticle

현재 위치 Home

머신러닝 기반 Formula 1 드라이버 경기력 평가 모델 개발
Machine Learning-Based Formula 1 Driver Performance Evaluation Model Development

첫 페이지 보기
  • 발행기관
    한국골프학회 바로가기
  • 간행물
    골프연구 KCI 등재 바로가기
  • 통권
    제20권 특별호(제1호) (2026.08)바로가기
  • 페이지
    pp.319-328
  • 저자
    박병권
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A493312

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

영어
[Purpose] This study aimed to develop a lap-level finishing-position prediction model using race data from the 2025 F1 World Championship and to derive a Driver Performance Index(DPI) for comparing drivers' relative driving performance. [Methods] Lap-by-lap race data were collected using FastF1 and preprocessed before comparing the predictive performances of Random Forest, XGBoost, and LightGBM. The feature importance of the selected model was used as weights to calculate the DPI, and drivers' season-long driving performance was compared. [Results] Random Forest achieved the highest predictive performance, with an Accuracy of .548 and an F1-score of .549. Sector2Time, Sector3Time, LapTime, and Sector1Time showed relatively high predictive contributions. VER, NOR, and LEC ranked among the highest in DPI. [Conclusion] The DPI derived in this study can be used to compare drivers' relative driving performance based on the contribution of driving-related variables to lap-level finishing- position prediction and may complement conventional position-based evaluations.
한국어
[목적] 본 연구는 2025년 F1 월드 챔피언십 본선 경기 데이터를 활용하여 랩 단위 순위 예측모델을 구축하고, 이를 바탕으로 드라이버의 상대적인 주행 수행 수준을 비교할 수 있는 Driver Performance Index(DPI)를 산출하는 것을 목적으로 하였다. [방법] FastF1을 통해 랩 단위 주행 데이터를 수집하고 전처리한 후, Random Forest, XGBoost 및 LightGBM의 예측 성능을 비교하였다. 최종 선정된 모델의 변수 중요도를 가중치로 활용하여 DPI를 산출하고 드라이버별 시즌 주행 수행 수준을 비교하였다. [결과] Random Forest는 Accuracy .548, F1-score .549로 가장 높은 예측 성능을 나타냈으며, Sector2Time, Sector3Time, LapTime 및 Sector1Time이 상대적으로 높은 예측 기여도를 보였다. DPI는 VER, NOR, LEC 등이 상위권으로 나타났다. [결론] 본 연구에서 산출한 DPI는 랩별 순위 예측에 기여한 주행변수를 활용하여 드라이버의 상대적인 주행 수행 수준을 비교하는 지표로 활용 가능하며, 기존의 최종 순위 중심 평가를 보완하는 방법으로 활용될 수 있다.

목차

초록
Abstract
서론
1. 연구의 필요성
2. 연구 목적
연구방법
1. 연구 대상 및 자료 수집
2. 데이터 전처리 및 변수 선정
3. 머신러닝 모델 설계 및 평가 지표
4. 변수 중요도 분석 및 해석
5. 경기력 평가지수(DPI) 산출 방법
6. DPI 비교 및 해석 검토
7. 자료 분석 환경
결과
1. 머신러닝 예측 모델 성능 평가 결과
2. 변수 중요도 분석 결과
3. Driver Performance Index(DPI) 산출 및 선수 평가 결과
논의
결론 및 제언
참고문헌

키워드

Formula 1 머신러닝 Random Forest Driver Performance Index(DPI) 경기력 평가 Formula 1 Machine Learning Random Forest Driver Performance Index (DPI) Performance Evaluation

저자

  • 박병권 [ Park, Byoung-Kwon | 강원도립대학교 ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국골프학회 [Korean Society of Golf Studies]
  • 설립연도
    2007
  • 분야
    예술체육>체육
  • 소개
    본 학회는 회원들의 골프 관련 연구 활동을 장려하고 골프 학의 발전을 도모하고, 나아가 체육의 학문적 발전에 기여함을 목적으로 한다.

간행물

  • 간행물명
    골프연구 [Journal of Golf Studies]
  • 간기
    계간
  • pISSN
    1976-2380
  • eISSN
    2713-9565
  • 수록기간
    2007~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 695 DDC 796

이 권호 내 다른 논문 / 골프연구 제20권 특별호(제1호)

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.