现有的模型，如我们的 财产和序列框架, 允许我们用描述性指标(如每个序列的传球次数和直接速度)来分割和分析比赛的段落. 然而, 这只能让我们对一支球队的风格或球员的参与程度有一个高层次的概述，通常情况下，将类似的序列组合在一起进行更深入的分析太复杂了.
运动链给了我们一个全新的细节层.
运动链 描述的模式 四个 通过显示参与的玩家第一次触碰的位置，连续的玩家参与到一个不间断的游戏过程中, 玩家可以在链条中多次参与. 每个玩家在移动链中的第一次接触被称为 节点.
我们可以从利兹联前锋Hélder科斯塔在本赛季早些时候对阵富勒姆的第二个进球中看到这是如何在一个链条中起作用的.
🔥这个进球锁定了我们本赛季的前3分 图片.推特.com/SbnME9yVUp
-利兹联队(@LUFC) 2020年9月19日
伊兰·梅斯利尔把高球传给杰克·哈里森，哈里森将球顶向边线，传给了班福德. 班福德持球得分，然后将球传给科斯塔得分. 每个节点表示四个玩家参与的第一次接触的位置.
一段游戏中的每个节点都可以划分为一个以上的移动链. 例如, 我们也有一个链条，从罗宾·科赫的传球到伊兰·梅斯利尔，在帕特里克·班福德的四次传球之后结束. 这里有三个节点在不同的运动链之间重叠.
移动链的建立是为了在特定的比赛模式中为球员的角色提供背景，并在团队层面上提供整体风格的观点. 奥巴梅扬是在左翼还是更中路的危险地带? 利物浦最危险的连锁店是什么样的?
我们目前有两种类型的链:
- Non-Cross /传递链: 这些链是最常见的移动链，球员在节点之间传球. 我们将在这篇博客中重点讨论这些问题.
- 交叉链: 这些链包含由四名参与者中的第三名完成的传中, 在链式链中，第三个玩家与第四个玩家交叉. 在这些情况下，我们记录了第一次触球和第三个球员的交叉位置.
连锁聚类
为了从这些独立的运动链中获取最大的价值, 我们需要根据它们的空间相似性将它们分类. 第一个, 我们根据它们的起始和结束位置将链拆分, 由以下区域确定:
我们这样做的原因是将领域专业知识注入到模型中. 我们可以只是聚集在链，因为他们是，但缺乏链完成在先进的领域(如.g. 点球区)会导致他们被拉到其他距离球门更远的区域.
因此, 通过将球场划分成区域，我们可以确保生成能够准确反映球场上发生的事情的集群.
这给了我们关于链的基本信息, 但是我们需要区分这些群体的运动模式. 例如, 下面的两条运动链都在同一区域开始和结束，但有非常不同的轨迹.
为了做到这一点，我们加上a 集群(或模式)标签 到这些区域组中的每一条链，这些链在空间上最相似. 这些簇标签描述了特定起始/结束区域之间的移动形状，并使用 k -均值聚类算法，并根据我们的分析预先选择了一些组.
下面的图表显示了本赛季英超联赛中与利兹联队相同区域开始和结束的所有链, 也属于相同的集群标签. 我们可以使用这些集群, 由每个节点的全局质心直观地表示, 评估一个团队最频繁和最有效的比赛模式.
图案
而每一次参与的地点和轨迹都是基本的, 我们还可以通过主题提取关于玩家参与的信息. 图案 为链条的每个点分配字母，表明玩家参与的顺序，并结合起来为整个移动链条创造一个“单词”.
主题的一个例子是“ABCA”. 这意味着链中的前三个参与者都是唯一的参与者(玩家A), 玩家B和玩家C)，但是链中的第一个玩家(玩家A)也是最后一个玩家. 在利兹联队的例子中, 有四个独特的玩家参与其中所以这将被标记为主题" ABCD ".
这一背景让我们能够看到这些链条中的组合类型，以及这些风格特征在球员和俱乐部之间的差异. 例如，哪些球队在这个区域内和周围进行二一比赛? 凯恩是否参与了投篮终结链的构建，而他也在结束? 等等.
限制
虽然理解运动链可以测量什么很重要, 和任何模型一样, 理解它们的限制是关键:
- 锁链不能告诉我们在球员接球和传球之间发生了什么. 一个球员可以在传球给下一个球员之前持球.g. Patrick Bamford)或者他们可能会第一次传球.
- 链条不包括非发生在链条中的游戏内信息. 例如，没有三次传球的投篮将不包含在一个链中.
- 链长度限制为四个涉及，以减少数据的复杂性，更先进的分析与聚类和图案.
边缘分析实例
在运动链的特征上面显示在这里(e.g. 簇和图案)，我们也可以应用其他AI模型(例如.g. 拥有价值, 预期传球和压力)到每个节点，以增强我们对使用这些游戏模式的背景的理解.
例如，在我们的 优势分析 平台, 我们通过发现团队使用的最危险的模式(根据 拥有价值)，并将此链接到视频实例，以研究用户最感兴趣的戏剧. 我们在集群级别上进行分析, 下面每条黄线代表一个包含满足搜索要求的单个链的集群:
移动链的各种应用意味着我们可以单独使用它们，也可以在更广泛的模型中使用它们，从而更复杂地理解球员和球队的风格，并将其应用于招募和对手分析等领域.
