ICDM–Large-Scale Analysis of Soccer Matches using Spatiotemporal Tracking Data

尽管在现在的职业比赛中球和球员的追踪数据已经十分常见,但缺少大规模的对这些时空数据进行挖掘分析。在团队运动中,这里有两种类型的分析:

1、个人分析。

2、团队分析。

在个人行为分析中,当前已存在的方法通过单纯的绘制球员的位置或平均位置进行分析,这种方法缺少重要的上下文信息。比如下图,一个球员上半场是球队的”左边锋”,而下半场变成了“右边锋”,作者希望能有一个上下文标签标注出球员在某一时刻的“角色”,然后进行“角色”相关分析。一个球员被赋予一个角色,一个球队可以看作是角色的集合(准确地说应该使角色的排列)。从信息论的角度,这可以看作是将球员的位置信息集划分为角色簇并使得信息熵的覆盖最小化。通过这种最小信息熵数据划分的方法,作者可以从位置数据中直接学习出角色信息。本文中作者获取角色信息的基础上进一步进行了个人分析和团队分析。

下图为两个球队的角色发现过程:

12

每场比赛,利用本文的方法均可发现出一个角色相关的模式,这个模式与球队教练的策略有关。通过对多场比赛的模式再进行聚类分析可以研究该球队的比赛模式,如下图:

13

也可以对一个球员不同时刻的表现进行角色相关的分析,下图(a)为对同一球员在比赛过程中扮演的不同角色进行的分析,(b)为角色无关的分析,可见角色相关分析更加清晰。

14

作者最后提到,未来将会利用本文的方法进一步研究各种各样的队伍策略模式。

anyShare分享到:
This entry was posted in 新闻动态. Bookmark the permalink.

发表评论