Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11531/106866
Título : RaceScope: Optimización de la estrategia de carrera en Fórmula 1 mediante Inteligencia Artificial
Autor : Martín Muñoz, Pablo
González Tabernero, Álvaro
Universidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresariales
Fecha de publicación : 2026
Resumen : RaceScope es un sistema de exploración de estrategias pre-carrera para Fórmula 1 que combina un Transformer de predicción de ritmo con simulación Monte Carlo. El motor consta de tres componentes: un perfil paramétrico lineal por piloto-circuito-compuesto que resuelve analíticamente la vuelta de pit; un Transformer por piloto, con cabeza global de respaldo, que predice el ritmo de vuelta de forma no lineal; y un optimizador media-varianza que ordena las candidatas. Los datos provienen de OpenF1 (2023-2024 para entrenamiento, 2025 excluido para validación). El sistema se entrega como una API FastAPI y una aplicación web React.
RaceScope is a pre-race strategy exploration system for Formula 1 that combines a lap-pace Transformer with Monte Carlo simulation. The engine presents three components: a linear parametric profile per driver-circuit-compound that solves the pit lap analytically; a per-driver Transformer with a global fallback head that predicts lap pace non-linearly; and a mean-variance portfolio optimiser that ranks the candidates. Data is sourced from OpenF1 (2023-2024 for training, 2025 held-out for validation). The system is delivered as a FastAPI service and a React web application.
Descripción : Grado en Ingeniería en Tecnologías de Telecomunicación y Grado en Análisis de Negocios/Business Analytics
URI : http://hdl.handle.net/11531/106866
Aparece en las colecciones: TFG, TFM (temporales)

Ficheros en este ítem:
Fichero Tamaño Formato  
TFG - Gonzalez Tabernero, Alvaro.pdf7,85 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.