2023年7月31日凌晨，国际汽联世界电动方程式锦标赛Formula E第九赛季在伦敦收官，经过最后两回合的激战，远景车队捧得年度总冠军，这是该赛事定级为世界级锦标赛以来，独立车队首次战胜厂商车队夺得年度总冠军。
远景车队是FE赛场上为数不多的非厂商车队，车队拥有者远景科技集团是一家绿色科技与新能源企业，却为何能在保时捷、捷豹、玛莎拉蒂、迈凯伦等一众厂商车队中杀出重围？背后涉及到的是，电动方程式和新能源共同的底层基因——数据驱动。
夺冠之路并不轻松
拿到这个总冠军的过程并不轻松，虽然远景带着25分的领先，等同于一个分站赛冠军的积分优势进入收官战，但第一回合，远景的主要竞争对手捷豹车队的两位车手表现出色，埃文斯拿到冠军+杆位，追平积分。
伦敦站第一回合对远景来说无异于从巅峰跌入谷底的经历，车队能否快速调整状态，应对第二天的终极决战，当时情况并不明朗，这都让最终战的氛围更加紧张。
在终极决战中，远景的两位车手拿下冠军+杆位以及一个第六的成绩，帮助车队最终加冕第九赛季车队总冠军，也是GEN3赛车投入赛场之后的首个车队总冠军。
在拿下第九赛季总冠军的同时，远景车队也成了Formula E历史上获得积分最多的车队，总得分超过1600分，而第二名日产车队的总得分未及1500分。
远景车队是目前FE围场内为数不多从第一赛季至今连续参赛，且核心技术、工程团队未发生重大变化的车队，虽然车队所有者自2018年从最初的维珍变为了远景，但这种变化并没有给车队带来动荡，从结果看则是踩下了加速踏板。远景车队选择了数据驱动的道路，让数据成为推动车队前进的源动力。
不拼马力，拼算力
数据驱动是一个经常在各种文章中看到，但又不太明白其具体含义的新词。让我们把这个词放在汽车运动和能源领域中分别来一探究竟。
汽车运动最早比拼的是车辆的机械性能，引擎的动力有多强，底盘有多稳，决定着最终的胜负归属。
后来车手的技术水平也成了决胜关键，再后来，车队的策略安排在比赛中起到越来越重要的作用，而现在，软件才是车队制胜的关键。
在车辆研发阶段，软件工程师人数已经过半，比赛工程师研究的更多的不再是机械，而是软件，调整赛车使用的也不再是扳手、螺丝刀，而是方向盘上的旋钮、键盘和鼠标。
车队日常的测试工作出现在赛道上的时间越来越短，而在模拟器和布满高性能服务器的机房当中的时间则越来越长。
这些就是汽车运动中的数据驱动，软件能力、计算科学渗透到了汽车运动从研发设计到比赛测试的方方面面。
车手从过去只注重驾驶技术，到现在越来越多地需要车手发展自己的数据能力，在比赛中，车手除了对赛道的感知要一如既往的敏感，还需要对圈速、电量、电耗、能效这些数据建立越来越敏感的感知能力，只有这样，才能成为数据驱动赛车新时代的合格车手。
在Formula E当中，这种趋势最为明显，厂商车队依靠大力投入往往可以快速获得竞争优势，但随着时间拉长，在数据驱动这条正确道路上积累了足够优势之后，远景这样的车队就展现出了更加出众的竞争力。
而且Formula E赛事组织者对赛车机械性能进行了严格的限制，比如统一电池供应，严格限制最大可用电量，限制电机的最大功率、最大扭矩等，各支车队的赛车在机械性能上几乎无法拉开差距，想要建立优势，只能依靠仿真模拟和软件能力。
我们以第九赛季伦敦站两回合的比赛为例，具体看看数据驱动对赛车到底有多重要。
第九赛季伦敦站是Formula E建立以来最为特殊的一站比赛，因为伦敦站的赛道相对较短，而且速度较慢，所以车辆的耗电水平偏低。
所以国际汽联大幅降低了伦敦站比赛中可用电量的标准，单站比赛的可用电量减少了超过10KWh，缩减幅度超过四分之一，这在以往的比赛中从未出现。
这种大幅度的变化无异于将伦敦站的比赛变成了一场全新的比赛，此前基于38.5KWh可用电量建立的比赛模型几乎全部作废，车队必须在伦敦站比赛之前进行大量仿真模拟工作。
而这些工作的效果好坏关键就要看车队此前建立的赛车数据模型是否可靠，也就是储存在服务器当中的那台数字化的赛车和真实世界的赛车相比，仿真度到底有多高。
远景车队董事总经理兼CTO Sylvain Filippi介绍了远景赛车数据模型的构成，“在电脑中制作赛车的数据模型，我们需要四个子系统的数据模型。第一是底盘模型；第二是电池管理模型； 第三是动力总成模型，这是最重要的也是最复杂的；第四是轮胎模型。这四个模型加起来就是一台完整的赛车，让赛车的数据模型在根据具体情况建立起来的赛道数据模型中跑起来，并获取海量的模拟数据，就是车队的模拟工程师团队每天都要进行的工作。”
模拟工程师是车队获胜的幕后英雄，因为他们根本就不会出现在赛场上。在非比赛日，车队的性能工程师和赛事工程师，也就是在赛场上你经常看到的那些趴在电脑前聚精会神操作的人，也会加入到模拟工作中，帮助改进赛车。
“具体到伦敦站比赛前的准备工作，因为可用电量大幅减少，车队必须在银石总部进行全面模拟，使用赛车的数据模型，根据实际情况调整电池电量，判断如何以最快的速度用规定能量跑完38 圈。”Sylvain表示。
Sylvain解释说，车队先通过模拟获得完整的比赛数据，在抵达伦敦到真实赛道上跑几圈后，车队就可以从赛车上获得真实数据，如果两个数据高度吻合，那证明车队在银石总部所做的一切工作都是正确的，这个比赛周末就会轻松不少。
但如果模拟不准确，那基本上之前所做的一切工作都可以扔进垃圾桶了，所有策略、能量管理以及所有与真实情况不相符的模拟结论都要推倒重来。
毫不夸张地说，赛车数据模型仿真度的高低是Formula E比赛表现好坏的决定性因素。最理想的状态就是在不同的动力输出下（排位赛动力、正赛动力等），真实的单圈时间几乎与模拟结果完全相同，模拟器的速度轨迹和真实世界的速度轨迹完美重合，同时能量消耗曲线也与模拟高度一致。
而在变幻莫测的正赛中，能量消耗在每一圈甚至每一个弯角都在变化。在这里，Formula E赛事完全开放给各家车队研发自由度最高的领域就是针对不同的赛事场景开发各种不同的软件设置，在汽车运动中，这些不同的软件设置叫做“Maps”。这是各家车队在正赛一个小时左右时间内，拼真本事的关键。
赛前车队会根据当前比赛的特点，将数百上千种可能用到的“Maps”预装到赛车电脑中，这里有能量管理策略、攻击模式策略、动力映射、干湿地不同模式等等。车队只需要通过无线电告知车手，将方向盘上的某个旋钮转到几号位置，尝试将赛车置于最佳模式，调整车队的策略。
九年来，远景车队积累的“Maps”已经达数千，成为车队竞争力的基础，随着软件成果的不断积累，今后即便遇到全新的分站赛，因为此前积累足够雄厚，车队也可以做到游刃有余。
作为一项由数据驱动的赛事，在数据积累和数据挖掘方面做得越好的FE车队，在后期往往会有更显著的优势，因为随着赛车数据模型的仿真度越来越接近100%，车队在模拟器上可以进行的模拟工作就会越来越多，效果也会越来越好，就可以在比赛周末游刃有余地应对突发情况。
从马力驱动到数据驱动，数据模型给汽车运动带来了全新的变化，让这项运动从一项主要依靠动力、技术和勇气的运动变为一项更加依赖于严谨测试、精准预判和聪明大脑的运动，如果说过去的赛车场上，还能找到某些依靠天赋和本能开车的车手，未来的新能源赛车场上，很可能是数据型车队和车手的天下。
在Formula E的赛场上，速度、电耗、可靠性的“不可能三角”如何破解，数据能力至关重要。
（完）
