NTT TAPS数据分析和云为巡回赛法法国

在2020年旅游的开幕日，潮湿的天气，扭曲的道路和种族紧张局势不仅为Peloton创造了问题，而是对于NTT也是如此。

该技术供应商成为世界上最受欢迎的体育赛事之一和NTT Pro骑自行车团队的赞助商，发现自己由于大气条件不佳地处理了从种族自行车传播的扭曲的GPS数据。

NTT先进技术集团的运动高级副总裁Peter Gray表示，沿着156公里的路线沿着156公里的路线沿着156公里的路线沿着156公里的路线进行多达20％的骑手.NTT先进技术集团的运动高级副总裁Peter Gray表示。

“这是一个令人难以置信的复杂舞台，以解决受电台和GPS精度的挑战性的天气条件，”每周都告诉电脑，全权围绕受电台和GPS精度的充满挑战性的天气条件的变化和复杂性。

“我们的分析平台必须对骑手进行大量的数据清理和插值，并且在某些情况下，由于这些外部因素，几乎必须对其位置进行受过教育的猜测。”

灰色表示，NTT的算法已被改进随着时间的推移，因此即使在今年比赛的第一阶段的具有挑战性的场景，他们也能够在课程中将车手送回其可能的位置。“我们为不同的骑手雇用数据质量置信水平，因此我们为骑手计算的位置有一个置信度是正确的。”

与云和大数据分析时代的大多数现代运动一样，专业循环产生了可以用于管理种族的大量数据，以及在允许更少的观众时丰富风扇体验。

在21级竞赛的每条腿上，跨越了大约3,500公里的平坦，丘陵和山路，收集了250万次的原始追踪数据记录，具有达到800MB的原始实时数据量。每个记录都进一步丰富了超过50个属性的其他实时数据，包括天气条件和道路梯度。

比赛中的所有团队都可以访问相同的数据，它在直播电视上显示，并在活动的网站和官方移动应用程序上提供。格雷表示，团队使用数据来了解每种种族的进展情况，包括他们在Têtea课程的骑手数量 - 或领导组 - 以及比赛的后面。

“这些类型的信息对团队非常有用，体育董事也与每个骑手的无线电连接，”灰色说。“然后，他们可以决定他们是否希望追逐它第二天的能量。”

今年，NTT将机器学习模型融入其幻想联盟游戏，这可以预测哪些车手将在其他预测中进行竞争对手，在比赛中的哪个阶段。

“我们正在使用那种模型，让玩家见解今天应该看看他们应该观看的骑手，并给他们一些关于他们应该为他们的幻想团队添加的士兵的建议，”灰色说。

格雷声称该模型在预测一般分类类别中所有阶段时钟最快的累积时间的前三名骑手一直准确。对于每个阶段，它也可以成功预测那些可能在前五名的人。

NTT与France的关系于2015年开始，它在2015年开始，当它在卡车中部署了便携式数据中心外壳集群，以处理现场所有数据。

2016年，它决定在云上使用虚拟化服务器。当恶劣天气阻止NTT在山顶上的终点线上部署其现场基础设施时，这被证明是一个神秘。

“因为我们在云中复制了我们的环境，我们完全虚拟化了我们的物理环境并将所有数据重新排除到云基础架构中，”格雷说。“我们证明我们能够成功地制作完全云模型。”

今年，NTT通过部署Docker容器进行实时分析能力，以及使用基于代码的自动化来实现进一步的事情。“我们的Devops团队可以键入单一命令并部署我们的新环境，包括基础架构和应用程序，”他说。

向前迈进，格雷说，NTT正在寻找技术来提升风扇体验并支持事件的大规模物流运营。

“这几乎就像一个村庄 - 你每天都在移动数百公里，所以在物联网上使用服务，地理位置，德勤和增强现实，增强粉丝和跑步的人的经验非常在议程上。“