跳转至主要内容
人工智能,粉丝参与,团队表现

形状分析:自动检测地层

 

通过跟踪数据的应用, Opta视觉形状分析模型将改变我们识别团队形状的方式, 进出财产, 在2022 - 23.

 

作者:Jonny Whitmore, Thomas Seidl

简介

阵型是每个球迷都了解的概念,也是一个常见的讨论话题, 无论是经典的4-4-2阵型, 以控球为主的4-2-3-1或者一直流行的三后卫阵型. 但这真的能告诉我们你的团队是如何排列的吗? 瓜迪奥拉的4-3-3和Jürgen克洛普的4-3-3一样吗?

天空体育评论员杰米·卡拉格在天空体育的《周一足球之夜》节目中谈到了需要观察控球和无控球的阵型,以及人工识别这些区别的过程.

问题是地层分析仍然是一项主观且耗时的任务, 像卡拉格这样的专家不得不花上早上的时间通过视频来解决这个问题. 也就是说,直到现在……

球队最佳视觉的 专有形状分析, 我们能够使用跟踪数据和最新的机器学习技术来深入研究一个团队的形状到底是什么样的, 不管是在里面还是在外面, 还可以弥补一些传统方法的不足,比如开始阵型和平均位置. 我们可以帮杰米省下周一早上的任务.

什么是形状分析?

追踪团队运动的数据本质上是无序的,因为球员在球场上不断移动. Opta视觉形状分析模型通过考虑玩家在游戏中任何给定时刻的相对位置,揭示了这一移动背后的策略. 通过区分球队的控球和无控球, 这让我们能够区分它们进攻和防守的形状.

为了将这些关系与足球中使用的已知形状相匹配, 我们使用超过2的层次聚类,000个游戏的跟踪数据,以识别17个不同的形状,当一个球队在控球, 当球队失去控球权时,有13种不同的形状. 使用这种数据优先的方法, 我们不受传统阵型标签的影响,我们可以识别出团队最常用的阵型.

为了在游戏中检测团队的形状(以及形状的变化),我们遵循以下三步方法:

  • 当球队处于控球状态或无控球状态时,将比赛分成不同的时间段进行.
  • 在这些时间间隔内, 我们使用无监督的机器学习技术来识别球队控球和控球的形状, 分别.
  • 将模板中最可能的形状(17个拥有,13个没有拥有)分配到间隔内识别的形状.

明显的占有间隔自然被游戏中的中断所打破.g., 替换, 进球和红牌)或失误,因为这些都是教练改变战术的主要候选人. 为了获得足够的数据,每个间隔必须包含最少的控球时间.

应用:切尔西vs狼队

让我们来看看衡量球队结构的传统方法,然后看看形状分析是如何在2021年1月托马斯·图赫尔执教的第一场英超对阵狼队的比赛中讲述故事的.

起跑阵容图

球队形状最常见的描述是开始阵型或阵容图, 通常出现在赛后报道或开球前一小时的球队新闻发布中(狂热的梦幻超级联赛用户都知道). 这些阵型必须由观看比赛的分析师手动分配或预测,因为, 意料之中的是, 经理们很少愿意也不需要像这样公布战术见解.

那么托马斯·图赫尔在他执教的第一场比赛中是如何安排的呢? 他从弗兰克·兰帕德最喜欢的四后卫变成了“孔蒂时代”风格的三后卫,这让很多人感到惊讶, 从3-4-3阵型开始,使用本·奇尔韦尔和卡勒姆·哈德森-奥多伊作为边后卫:

像这样的排列图形是一个非常静态的球队形状的代表,任何一个在过去几年里看过瓜迪奥拉的球队的人都知道,这些阵型在现实中要灵活得多. 这些阵型很难在比赛中展现出球队真实状态的细微差别,而且可能会因传统球员位置的分配而产生偏差. 卡勒姆-哈德森-奥多伊会和本-齐尔维尔一样担任边后卫吗?

平均位置

这就是平均位置图形派上用场的地方. 数据自动化, 这是广播公司经常使用的数据,可以让我们进一步了解球员在这些阵型中的位置. 切尔西对阵狼队的平均位置表明,哈德森-奥多伊是更先进的边后卫,而奥利维尔·吉鲁两侧的两名前锋踢得非常窄.

与大多数人的预期相反, 平均位置图像通常基于玩家触碰的平均位置,而不是玩家的物理位置(我们下次再讨论“触碰”是什么)。. 当然, 当可用的, 跟踪数据可以用于这些平均位置图形,以更准确地描绘玩家的位置, 但这两种方法都有其局限性:

  • 你如何准确区分控球和无控球的位置?
  • 如果玩家的位置在游戏中发生了变化(e.g.,边锋互换位置)?
  • 如果球队在比赛中改变阵型会发生什么?
  • 我们如何在比赛后期准确地显示替补球员的位置?

而采用基于数据的跟踪方法,可以有效地缓解所有权的进出问题, 当我们关注狼队的平均位置时,你仍然可以看到上面的一些问题是多么明显:

虽然从阵容图上看,阵型基本上和预期的一样(3-4-1-2), 狼队三名前锋的平均位置似乎都在同一个位置, 特别是当你失去所有权的时候. 我们知道这不能准确地代表狼队在比赛中的真实状态.

形状分析

使用切尔西对狼队的形状分析输出, 我们现在可以清楚地识别形状了, 不管是在里面还是在外面, 每个队在比赛中最常使用的:

为切尔西, 我们可以看到,当球队控球时,他们的边后卫向前推得更远,而边路前锋仍然相当狭窄.

虽然这些见解与我们使用平均头寸发现的见解相似, 我们现在还可以通过在确定的形状中分配每个球员的位置来更准确地了解三只狼的前进位置.

形状分析, 我们可以看到狼队的三名前锋的平均位置是误导性的,因为他们在比赛中轮换. 虽然这似乎是显而易见的,但我们现在可以将其量化. 丹尼尔·波登斯有56%的时间占据了这个阵型中最核心的位置, 但佩德罗·内托和阿达玛·特拉奥雷也在比赛中出现(分别占16%和13%). 形状分析框架也包含了替代品, 认识到威廉José(谁在72nd 出场时间占总时间的11%.

这在下面的截图中得到了证实,因为你可以清楚地看到狼队的前锋在他们的预期位置在第五分钟, 15分钟后, 已经交换了. 这在这场比赛中很常见.

在团队检测最常用形状的基础上, 通过将模型应用于不同的时间间隔, 它还可以让我们检测到球队在比赛中什么时候改变阵型. 目前只有分析员在游戏中手动记录才能实现, 但在分析中要认识到这是一个重要的战术转变.

Summary

通过这种数据导向的方法, 形状分析有许多可扩展的应用程序,可以为行业分析师节省大量时间,并提高讲述故事的能力,以吸引粉丝:

  • 在埃里克·哈格执教的前10场比赛中,曼联的阵型会是什么样子?
  • 孔蒂是如何调整热刺的状态来策划他们在伊蒂哈德的胜利的?
  • 阿森纳的布卡约·萨卡在一场比赛中轮换位置的频率是多少?
  • 瓜迪奥拉的曼城在控球和控球时采用哪种形状?
  • 利物浦最有效的进球阵型是什么?

2022-23年更新, Opta Vision的形状分析可以在一款游戏中自动识别团队的形状(以及形状的变化),并应用于多款游戏中,从而提供可操作的见解. 构造是第一个积木,但形状组成了一个更具描述性的故事.