Modelado de Fórmula 1: qué puede y qué no puede decirnos un simulador de vuelta y los datos de carrera

Construimos un simulador de vuelta de F1 con datos públicos de circuitos 2026 de OpenF1, y lo usamos para preguntar si las nuevas reglas de 2026 dejan margen para ganancias. También estudiamos la estrategia de paradas en boxes en datos públicos de carreras de 2023 a 2026. No usamos datos de equipos ni afirmamos nada sobre coches reales.

El simulador muestra una ganancia robusta pero modesta que está dentro de su propio error de modelo. No es un descubrimiento.

El simulador se ajustó en un circuito (Hungaroring) con cuatro constantes. Contra la vuelta de pole real de 2026, el tiempo simulado se desvió un 0,6 % y las velocidades en curva correlacionaron con r=0,97. Luego predijo tres circuitos más sin reajuste: Monza +0,95 %, Silverstone +1,88 % y Spielberg +2,07 % de error en el tiempo de vuelta, por lo que superaron la prueba. Catalunya (+3,37 %) y México (-3,99 %) fallaron y fueron excluidos y reportados. El error global del modelo es de un 2,7 % aproximadamente, unos 2 segundos por vuelta. El ajuste tampoco puede separar el agarre de la carga aerodinámica con datos públicos, así que los valores absolutos son aproximados.

En nuestro simulador, no en un coche real, buscamos el mejor despliegue de energía, carga en curva, reducción de resistencia en recta y potencia de motor contra una base justa, no una débil. La ganancia de tiempo de vuelta simulada se mantuvo positiva en 100 de 100 cambios aleatorios de agarre, carga, resistencia y energía de hasta un 10 %.

Estos son números del modelo, no rendimiento real. La mayor parte de la ganancia es práctica conocida: el despliegue óptimo de energía da de 0,7 a 1,7 s, y los equipos ya lo hacen. La parte más allá de la práctica conocida, de 0,8 a 1,6 s del ajuste aero y una reducción de resistencia más profunda en modo recta, es menor que el error del modelo, de unos 2 s. Descansa sobre una suposición: que el modo recta puede reducir la resistencia un 45 % en lugar de un 30 %. No comprobamos si eso es legal o factible. La etiqueta honesta es robustamente positivo, dentro del ruido del modelo, no decisivo. El panel derecho es una lectura más fiable: en el modelo, el agarre de los neumáticos y la potencia del motor permiten ganar más tiempo por vuelta por porcentaje que cualquier otra cosa, y la masa y la resistencia extra cuestan más.

En 299 batallas de paradas en boxes de 2023 a 2025, un undercut (parar primero para ganar tiempo con neumáticos nuevos) funcionó alrededor del 90 % de las veces cuando el perseguidor empezaba a menos de medio segundo, y pasó a fallar con una brecha de unos 1,7 s (intervalo del 95 % de 1,5 a 2,1 s). Si el coche líder respondía entrando en boxes en la vuelta inmediatamente siguiente, el que paró primero solo tuvo éxito el 38 % de las veces. Si esperaba de 3 a 9 vueltas, el que paró primero tuvo éxito el 75-76 % de las veces. El éxito también depende del circuito: 86 % en Hungaroring frente a 25 % en Lusail (muestras pequeñas, de 8 a 28 casos por circuito).

El modelo supera referencias simples dentro de un mismo periodo reglamentario (log-loss de 0,57 frente a 0,66 de la tasa base; cuanto menor, mejor). Al pasar al cambio de reglamento de 2026, deja de funcionar bien: 0,91 frente a 0,73 de la tasa base. No se debe confiar para 2026 en un modelo entrenado con datos de 2023 a 2025 hasta reajustarlo.

• Búsqueda de anomalías, ronda 1: negativa. Un efecto de rebufo de unos 8 km/h y «sin cambio 2026» son asociaciones exploratorias, no hallazgos. Una segunda ronda planeada nunca se ejecutó.

• Solo datos públicos, un simulador ajustado con un error de unos 2 s, cinco circuitos.
• Las ganancias simuladas no son rendimiento real. Ninguna afirmación causal sobre ningún equipo ni piloto.
• Las cifras de estrategia usan muestras pequeñas por circuito y se aplican a las reglas de 2023 a 2025.