Введение
Область анализа спортивных результатов быстро развивается благодаря технологиям, предлагающим новые способы улучшения результатов игроков. В командных видах спорта с мячом, таких как футбол или баскетбол, местоположение игроков и мяча измеряется и регистрируется для анализа. Однако современные системы, которые анализируют эти журналы, сосредоточены в первую очередь на описательной статистике и не отражают основную стратегию игроков и команд. Это сложная задача для профессионалов в спорте, поскольку они стремятся определить тактику, используемую командой, на основе траекторий мяча.
Предложение предлагает решение путем выявления тактики команды посредством анализа повторяющихся серий событий или позиций мяча. Алгоритм, основанный на Dynamic Time Warping, способен автоматически идентифицировать и извлекать стратегии передач футбольных команд. Это позволяет находить повторяющиеся закономерности в течение полных сезонов, что невозможно с помощью традиционных методов. Этот метод также предлагает преимущества с точки зрения масштабируемости, поскольку он может работать с несколькими лигами и сезонами.
Вклад исследования
- Алгоритм, основанный на динамическом искажении времени, для определения и извлечения стратегий передач футбольных команд.
- Определение всех повторяющихся последовательностей передач за весь сезон первого дивизиона Испании, включая шаблоны, охватывающие более 100 метров или примененные несколько раз.
- Представления о схемах передачи для сохранения владения мячом, проведения контратак, входа в атакующую треть и сосредоточения внимания на философии команды, а не на индивидуальных возможностях игроков.
Методология
Описанная методология описывает процесс поиска повторяющихся паттернов передач во время футбольных матчей. На вход системы поступает журнал мест на поле, где происходили передачи. Каждое событие передачи записывается с информацией о его позиции на поле, включая координаты x и y, нормализованные к диапазону [0, 100]. Алгоритм рассматривает владение мячом каждой команды как отдельный набор двумерных последовательностей. Этап предварительной обработки нормализует проходы по местоположению и времени, вставляя виртуальные позиции так, чтобы расстояние между любыми двумя позициями было меньше 2 единиц.
Используемый алгоритм представляет собой алгоритм динамического программирования, основанный на динамическом преобразовании времени (DTW), который сравнивает последовательности проходов, присутствующих в наборе данных. Идея этого метода проиллюстрирована на рис. 1, где две последовательности проходов сравниваются, чтобы определить, совпадают ли они. Алгоритм учитывает начальное и конечное расположение подпоследовательностей и позволяет вставлять и удалять вершины. Он также пропускает выбросы и допускает дополнительные ограничения для обеспечения параллельного поведения траекторий и их минимальной длины.
Результатом работы алгоритма является список наиболее распространенных последовательностей пасов минимальной длины и сходства, выполняемых командой в данной игре. При оценке учитываются только последовательности с более чем 40 позициями и хотя бы одним полным исходным проходом. Игрушечный пример показан на рисунке 2, где повторяющийся шаблон извлекается из последовательностей передач команды, демонстрируя устойчивость алгоритма к выбросам. Эталонная и найденная последовательности обозначены для ясности, но алгоритм не применяет никаких предварительных подсказок к шаблонам.
Оценка и результаты
В статье оценивается предложенный метод путем анализа одного сезона испанской лиги первого дивизиона. Используемый набор данных содержит информацию обо всех пасах, произошедших в сезоне 2013/14, включая местоположение, время и личности участвующих игроков. Основное внимание уделяется повторяющимся моделям передач отдельных команд.
Что касается статистики высокого уровня, то результаты показывают, что у «Барселоны» и «Реала» больше всего показателей за игру, а у «Атлетико Мадрид» — меньше всего. Количество передач в шаблонах показало сложность стратегии передач команд, причем у «Барселоны» было больше всего полных передач. Заключительная треть заходов по шаблонам показала атакующие возможности команды. У «Бетиса» и «Валлекано» был самый высокий уровень использования шаблонов для выхода в финальную треть, в то время как у «Реала» был низкий уровень использования. Паттерны обычно длились 3–5 секунд, а 68% из них были длиной менее 60 метров, но были и паттерны длиной до 100 метров. Авторы обнаружили сильную корреляцию между количеством пасов и количеством повторяющихся паттернов, которые команда имеет в течение сезона. Две команды, наиболее далекие от этой тенденции, были обе из Мадрида: «Реал» применял шаблоны чаще, чем ожидалось, а «Атлетико» использовал меньше шаблонов, чем ожидалось.
В исследовании авторы также изучают индивидуальные стратегии разных футбольных команд. Они анализируют пространственное распространение шаблонов, используемых командами, чтобы понять цели команд. Пространственный разброс определяется как разница между координатами x и y первой и последней части сопоставленного шаблона.
Результаты анализа показывают, что некоторые команды используют шаблоны для прямых контратак, таких как «Атлетико Мадрид», «Севилья» и «Сельта Виго», которые перемещают мяч на 60+ метров ближе к воротам соперника, удерживая мяч на той же стороне поля. . У других команд, таких как «Малага», есть модели, ориентированные на контратаки, но они также меняют сторону поля. Другая группа команд имеет сбалансированные повторяющиеся модели с горизонтальным размахом 20–30 метров и большим разнообразием вертикальных вариаций, включая ФК «Барселона», «Реал Мадрид» и «Валенсия». Стратегия последнего прохода включает в себя использование крестиков с небольшим изменением координаты x, как это видно на примере Вальекано.
Также проверяется, встречаются ли эти шаблоны несколько раз. Они обнаружили, что точное совпадение нескольких последовательностей маловероятно из-за жадности метода, но паттерны могут перекрываться. Они количественно определяют перекрытия, вычисляя процент перекрытия для заданного количества вхождений.
Авторы также исследуют, являются ли паттерны результатом стратегии, ориентированной на команду, или определенные игроки имеют решающее значение для стратегии. Они фокусируются на вовлеченности игроков в паттерны и определяют набор игроков, участвующих в каждом паттерне, и соотношение перекрывающихся игроков. Результаты показывают, что некоторые команды используют в основном командные стратегии с небольшим перекрытием игроков, участвующих в паттернах, в то время как другие используют более специфичные для игроков стратегии, при этом значительная часть паттернов имеет 50-процентное перекрытие с точки зрения вовлеченных игроков. Третья группа команд использует сочетание стратегии игрока и команды.
Выводы
Полученные данные свидетельствуют о том, что, используя алгоритм на основе DTW, авторы успешно извлекли все повторяющиеся последовательности передач за все футбольные сезоны. Это новый и инновационный подход, что подтверждается дискуссиями с экспертами в данной области. Применение этих идей может быть полезно при поиске соперников и оценке игроков. Это позволяет командам подготовиться к предстоящему сопернику, зная их преднамеренные стратегии передачи, а также предоставляет ценную информацию об участии игроков в организованных движениях. В качестве следующего шага авторы планировали проанализировать несколько последовательных сезонов, чтобы определить стабильность применяемых командами шаблонов.
Рекомендации
Дьярмати, Л., и Ангера, X. (2015). Автоматическое извлечение стратегий прохождения футбольных команд. препринт arXiv arXiv:1508.02171. https://doi.org/10.48550/arXiv.1508.02171
