F1サーキットデータ解析で見る2025年スペインGPと理論最速ラップタイムの比較分析

最初のステップ1～2では、サーキット用の基礎データをロードします。このへんは単純で、まず必要そうなライブラリをごそっとインポートしてから、あとは環境づくりの小さなコード片も使ってる。

# ============================================================================

# STEP 1: IMPORTS AND SETUP

# ============================================================================python

import fastf1

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import matplotlib.animation as animation

from matplotlib.patches import Circle

from matplotlib.gridspec import GridSpec

import seaborn as sns

from scipy import interpolate, optimize

import warnings

import os

from IPython.display import HTML

import logging

# FastF1関連ログも控えめに 

fastf1.set_log_level(logging.ERROR)

そもそも、このシミュレータを始める前に「基準となる実際のデータ」が不可欠。そこでノートブックではFastF1経由でF1公式アーカイブへ接続し、自分が指定したレース情報とかを引っ張ってきます。この部分だとCircuitDataクラスが用意されていて、「サーキット情報をfastf1経由で吸い出し＆整形」みたいな担当になっています。

# ============================================================================

# STEP 2: CIRCUIT DATA CLASS (Enhanced with position data)

# ============================================================================python

class CircuitData:

    """Extract and process circuit data from FastF1"""

python

def __init__(self, year, gp_name, session_type='Q'):

        self.year = year

        self.gp_name = gp_name

        self.session_type = session_type

        self.session = None

        self.fastest_lap = None

        self.telemetry = None

        self.circuit_info = {}

        self.position_data = None   

python   

def load_session(self):

        """Load F1 session data"""

        print(f"Loading {self.year} {self.gp_name} {self.session_type} session...")

        self.session = fastf1.get_session(self.year, self.gp_name, self.session_type)

        self.session.load()

        print("\n✅ Session loaded successfully!")    

python  

def get_fastest_lap_telemetry(self):

        """Extract telemetry from fastest lap"""

        self.fastest_lap = self.session.laps.pick_fastest()

        self.telemetry = self.fastest_lap.get_car_data().add_distance()

return self.telemetrypython    

def get_track_coordinates(self):

        """Extract X, Y coordinates for track layout"""

        if self.position_data is not None and len(self.position_data) > 0:

            x = self.position_data['X'].values        

            y = self.position_data['Y'].values         

            return x, y       

        else:

            # 座標なし時は丸型トラックで代用……こういう力技もたまに大事。

            print("⚠️ Position data not available, using simplified track layout")

            distances = self.telemetry['Distance'].values       

            angles = 2 * np.pi * distances / distances[-1]    

            x = np.cos(angles) * 1000     

            y = np.sin(angles) * 1000     

            return x, y      

python         

def identify_corners(self, speed_threshold_pct=0.85):        

        """Identify corner sections based on speed reduction"""    

        max_speed=self.telemetry['Speed'].max()        

        threshold=max_speed*speed_threshold_pct        

<pre><code class="language-python">corners=[]

       in_corner=False 

       corner_start=0python  

for i,(dist,speed) in enumerate(zip(self.telemetry['Distance'],self.telemetry['Speed'])):      

           if speed<=threshold and not in_corner:          

               in_corner=True;corner_start=dist            

           elif speed>threshold and in_corner:             

               in_corner=False;corners.append({'start':corner_start,'end':dist,'min_speed':self.telemetry[(self.telemetry['Distance']>=corner_start)&(self.telemetry['Distance']<=dist)]['Speed'].min()})   

return corners                     

CircuitDataクラスとしてまとめてあることで、「特定イベントごとの全セッション読込」や2025年スペイングランプリ・レース本戦（2025 Spanish Grand Prix Race session）から記録取り寄せたり……色々ひとまとめで操作できちゃうんだよね。これによって後続の物理処理や可視化パートなどにも繋がる下準備――例えば回路パス情報や各区間テレメトリ――が全部整理された状態で手元に揃います。ま、いいか。

# ============================================================================

# STEP 3: VEHICLE MODEL CLASS

# ============================================================================python

class VehicleModel:

    """Simplified F1 car physics model"""

python

def __init__(self):

        # Vehicle parameters (simplified F1 car)

        self.mass = 798  # kg (including driver)

        self.power_max = 750000  # Watts (~1000 hp)

        self.downforce_coeff = 3.5  # Cl*A*rho/2

        self.drag_coeff = 1.2  # Cd*A*rho/2

        self.tire_mu = 1.8  # Friction coefficient

        self.g = 9.81  # m/s^2

        self.brake_force_max = 15000  # N

python

def max_corner_speed(self, radius):

        """Calculate maximum cornering speed for given radius"""

        def corner_equation(v):

            downforce = self.downforce_coeff * v**2

            friction = self.tire_mu * (self.mass * self.g + downforce)

            centripetal = self.mass * v**2 / radius

            return friction - centripetal

try:

            v_max = optimize.brentq(corner_equation, 1, 100)

            return v_max * 3.6  # Convert to km/h

        except:

            return np.sqrt(self.tire_mu * self.g * radius) * 3.6python

def max_acceleration(self, speed_kmh):

        """Calculate maximum acceleration at given speed"""

        speed_ms = speed_kmh / 3.6

        power_accel = self.power_max / (self.mass * speed_ms) if speed_ms > 0 else 10

        downforce = self.downforce_coeff * speed_ms**2

        traction_accel = self.tire_mu * self.g * (1 + downforce / (self.mass * self.g))

        return min(power_accel, traction_accel)

python

def max_braking(self, speed_kmh):

        """Calculate maximum braking deceleration"""

        speed_ms = speed_kmh / 3.6

        drag_force = self.drag_coeff * speed_ms**2

        downforce = self.downforce_coeff * speed_ms**2

        brake_friction = self.tire_mu * (self.mass * self.g + downforce)

        total_brake_force = min(self.brake_force_max + drag_force, brake_friction)

        return total_brake_force / self.mass

スペインGPのサーキット全長は4,616メートルなんだけど、計算とか解析する時にはこの長いトラックを小さくて等間隔なセグメントに分ける必要が出てくるんだよね。この作業、ディスクリタイゼーション（離散化）って呼ばれることが多いかな。ぼんやりしてる頭でふと考えると、TrackDiscretizationクラスが担うのは、トラック全体を20メートルずつ細かく区切って、全部で208個のセグメントを生成することみたい。  

各セグメントごとにテレメトリーから平均速度とかコーナー判定、ストレート区間かどうか、それに曲率半径など色んなパラメータを取り出して集めていく感じ。実際、このステップのおかげで、ぐねぐねした複雑なコースも最適化計算しやすい構造データとして扱えるようになる。  

　

参考までに下記Pythonコードでは、そのTrackDiscretizationクラスが具体的にどうやって働いているか一例として示されてるよ。主にサーキット各区間について距離・平均速度・最高／最低速・コーナーorストレート判定、それからカーブの半径など主要情報を引き出している模様。

# ============================================================================

# STEP 4: TRACK DISCRETIZATION CLASS

# ============================================================================python

class TrackDiscretization:

    """Divide track into segments for analysis"""

python

def __init__(self, telemetry, segment_length=10):

        self.telemetry = telemetry

        self.segment_length = segment_length

        self.segments = []

python

def create_segments(self):

        """Create track segments with properties"""

        track_length = self.telemetry['Distance'].max()

        num_segments = int(track_length / self.segment_length)

python

for i in range(num_segments):

            start_dist = i * self.segment_length

            end_dist = (i + 1) * self.segment_length</code></pre>

segment_data = self.telemetry[

                (self.telemetry['Distance'] >= start_dist) &

                (self.telemetry['Distance'] < end_dist)

            ]python

if len(segment_data) > 0:

                avg_speed = segment_data['Speed'].mean()

                min_speed = segment_data['Speed'].min()

                max_speed = segment_data['Speed'].max()

本コードでは、print_summary関数が用意されていて、ラップタイムシミュレーションの結果をぱっと見で分かるようにまとめて表示できる。  

# ============================================================================

# Summary

# ============================================================================python

def print_summary(circuit, optimized_segments, simulated_lap_time):

    """シミュレーション要約を出力"""

    print("\n" + "="*60)

    print("📊  SIMULATION SUMMARY")

    print("="*60)

    print(f"Circuit: {circuit.gp_name} {circuit.year}")

    print(f"Track Length: {circuit.circuit_info['track_length']:.0f} m")

    print(f"Number of Segments: {len(optimized_segments)}")

    print(f"Number of Corners: {optimized_segments['is_corner'].sum()}")

    print(f"\nLAP TIMES:")

    print(f"  Real: {circuit.circuit_info['lap_time']:.3f} s")

    print(f"  Simulated: {simulated_lap_time:.3f} s")

    print(f"  Difference: {abs(simulated_lap_time - circuit.circuit_info['lap_time']):.3f} s")

    print(f"  Accuracy: {100 * (1 - abs(simulated_lap_time - circuit.circuit_info['lap_time']) / circuit.circuit_info['lap_time']):.1f}%")

    print(f"\nSPEED STATISTICS:")

    print(f"  Average: {optimized_segments['optimized_speed'].mean():.1f} km/h")

    print(f"  Maximum: {optimized_segments['optimized_speed'].max():.1f} km/h")

    print(f"  Minimum: {optimized_segments['optimized_speed'].min():.1f} km/h")

    print("="*60)

year=2025

round = 9

gp_name='Spanish GP'

session_type='R'

cache_dir='f1_cache'

segment_length=20

create_animation=True

save_animation=True

animation_path= str(year) + "_"  + str(round) + "_" + gp_name.replace(" ", "") + "_" + session_type + "_" + 'lap_animation.gif'



# Step 1-2: サーキットデータ読込

print("\n" + "-"*40)

print("STEP 1-2: Loading Circuit Data")

print("-"*40)

circuit = CircuitData(year, gp_name, session_type)

circuit.load_session()

telemetry = circuit.get_fastest_lap_telemetry()

corners = circuit.identify_corners()



print(f"\n📊  Circuit Statistics:")

print(f"  Track Length: {circuit.circuit_info['track_length']:.0f} meters")

print(f"  Fastest Lap: {circuit.circuit_info['lap_time']:.3f} seconds")

print(f"  Driver: {circuit.circuit_info['driver']}")

print(f"  Max Speed: {circuit.circuit_info['max_speed']:.1f} km/h")

print(f"  Corners identified: {len(corners)}")



# Step 3: 車両モデル生成

print("\n" + "-"*40)

print("STEP 3: Vehicle Model")

print("-"*40)

vehicle = VehicleModel()

print("🏎️ Vehicle Performance Characteristics:")

print(f"  Max corner speed (R=50m): {vehicle.max_corner_speed(50):.1f} km/h")

print(f"  Max corner speed (R=100m): {vehicle.max_corner_speed(100):.1f} km/h")



# Step 4: コース分割作業

print("\n" + "-"*40)

print("STEP 4: Track Discretization")

print("-"*40)

track = TrackDiscretization(telemetry, segment_length=segment_length)

segments_df = track.create_segments()

print(f"📍 Track Discretization Complete:")

print(f"  Total segments: {len(segments_df)}")

print(f"  Corner segments: {segments_df['is_corner'].sum()