跳转至主要内容
人工智能,团队表现

研究报告-使进攻战术具有可预见性

使用图卷积网络来理解足球中的防守表现

作者:迈克·莫里森

衡量足球的防守质量

好的辩护的艺术就是在事情发生之前就阻止它发生. 维吉尔·范迪克被认为是世界足坛最好的后卫之一,因为他有能力通过强迫持球者传球到其他不那么危险的地方来防止传球给空挡的攻击者射门. 然而,虽然我们知道这是很好的防守, 在今天的统计中, 范戴克没有得到任何承认. 一名后卫的贡献只是通过他们抢断或拦截的次数来衡量的. 但是,如果我们能够在行动之前就衡量已经被阻止的行动呢?

防守者和防守者的目标是让进攻更具预见性. 例如, Jürgen克洛普的利物浦, 通过限制在危险区域的传球次数,迫使对手在特定区域把球送出去. 如果优秀防守的艺术是让比赛变得可预测,那么它应该是可衡量的. 有了足够的数据, 我们应该能够预测球员将把球传给哪里, 传球被完成的可能性,以及这次传球是否会带来得分机会. 因此,我们应该能够衡量防御者是否迫使攻击者改变主意,或者是否阻止攻击者成为一种选择.

图1显示了2018/19赛季欧洲冠军联赛利物浦对阵拜仁慕尼黑的一场比赛,导致Mané(红色10)的得分. 我们的模型确定米尔纳(红色7)是范戴克(红色4)的首要目标. 然而, 因为格纳布里(蓝色22)对米尔纳的压制, 莱万多夫斯基(蓝色9)逼抢范迪克,Mané积极跑动, 防守的背后, Mané成为最有可能的接球手和得分的高威胁. 这表明我们有能力模拟球员的决策是如何受到影响的,以及进攻方和防守方的无球行动是如何从低威胁转变为高威胁的.

在本文中,我们提出了一种新型的图卷积神经网络(GNN),它能够处理高度非结构化和可变的跟踪数据,从而实时做出预测. 这使我们能够准确地建模
防御行为及其对攻击行为的影响.e.在行动发生之前就阻止它们.

查看完整的研究论文