王星 北京體育大學(xué)

比賽表現(xiàn)分析是通過分析影響比賽結(jié)果的因素來理解和提升團(tuán)隊(duì)運(yùn)動表現(xiàn)的重要工具[1]。比賽表現(xiàn)分析主要探索不同環(huán)境因素和比賽層次狀態(tài)下運(yùn)動員和隊(duì)伍決策行為和比賽表現(xiàn)，具體涉及運(yùn)動員的技術(shù)運(yùn)用、戰(zhàn)術(shù)發(fā)揮、體能與生理反應(yīng)、心理狀態(tài)等相關(guān)因素對于特定比賽事件和比賽結(jié)果的影響[2,3]。尤其是在團(tuán)隊(duì)項(xiàng)目中，技術(shù)與戰(zhàn)術(shù)的使用對決策結(jié)果和比賽評估起到?jīng)Q定性的作用[4]?，F(xiàn)如今比賽表現(xiàn)分析已經(jīng)成為職業(yè)運(yùn)動俱樂部、協(xié)會、高水平教練團(tuán)隊(duì)中的常規(guī)工作，而這其中的核心就是數(shù)據(jù)的收集和處理。越來越多的專業(yè)數(shù)據(jù)軟件被應(yīng)用在各大高水平聯(lián)賽。通過分析這些數(shù)據(jù)，可以提供關(guān)鍵的技術(shù)指標(biāo)幫助教練員和運(yùn)動員提升賽場上的運(yùn)動表現(xiàn)[5-8]。例如此前就有研究發(fā)現(xiàn)助攻、射正球門、觸球次數(shù)、傳球、界外球和高吊球與比賽結(jié)果高度相關(guān)[9]。但是由于這些數(shù)據(jù)都是一些觀察指標(biāo)，在收集和分析的過程中會丟失掉大量的細(xì)節(jié)信息[10]。例如，我們通過射門指標(biāo)可以知道是哪一腳射門完成了得分，但是無法知道是射門前的哪一腳傳球在這次進(jìn)球中起到關(guān)鍵性的作用。

這些重要且容易被遺漏的信息伴隨著人工智能、計(jì)算機(jī)視覺和傳感器技術(shù)的快速發(fā)展得到最大限度保留。通過可穿戴設(shè)備、全場景光學(xué)追蹤系統(tǒng)收集比賽中運(yùn)動員的位置信息、體能和生理信息等多維度、動態(tài)化的大規(guī)模數(shù)據(jù)[11,12]?；谶@些時空數(shù)據(jù)，運(yùn)動分析專家在比賽表現(xiàn)分析中引入機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能的技術(shù)方法來探究高動態(tài)、多時空比賽場景下的個人與團(tuán)隊(duì)的決策行為和比賽表現(xiàn)。人工智能在比賽表現(xiàn)分析中主要有兩項(xiàng)基本功能：識別和預(yù)測。對應(yīng)在足球領(lǐng)域中，就是識別比賽中個人和團(tuán)隊(duì)的比賽行為，并基于球場上信息對比賽結(jié)果作出預(yù)測。

一、足球項(xiàng)目中比賽行為識別

由于足球項(xiàng)目的復(fù)雜程度較大，參與的球員人數(shù)較多以及不同比賽行為之間的存在細(xì)微的差異，導(dǎo)致足球比賽中比賽行為的識別難度較大。且職業(yè)球隊(duì)出于球隊(duì)隱私的保護(hù)，通常不對外界公開追蹤數(shù)據(jù)，普通研究人員很難從事時空數(shù)據(jù)層面的比賽行為分析[2]。2019年，意大利的體育科學(xué)家Pappalardoò和Cinta[13]在《Scientific Data》的期刊論文中共享了在足球分析領(lǐng)域有史以來最大規(guī)模的比賽公開數(shù)據(jù)集；其中包括2018年世界杯、2016年歐洲杯、德甲、法甲、意甲、西甲賽事的1941場和3251294個比賽事件。這類數(shù)據(jù)集的共享極大促進(jìn)了各國體育科研人員對于時空數(shù)據(jù)的研究。

基于這些公開數(shù)據(jù)集，Morra和Manigrasso[9]提出了一種基于時間間隔邏輯（ITL）從數(shù)據(jù)位置中高效地提取復(fù)雜比賽行為的方法，包括鏟球，搶斷傳球等16項(xiàng)復(fù)雜的比賽行為。通過時間間隔邏輯對足球比賽中發(fā)生的比賽行為形式化后可以簡單地推理比賽進(jìn)程，例如每一次射門前的傳球網(wǎng)絡(luò)。Richly和Moritz[14]通過將比賽行為的一些時空特征放入神經(jīng)網(wǎng)絡(luò)下進(jìn)行聚類分析，高精度地識別球場上發(fā)生的比賽行為。Decroos和Van Haaren[15]采用了一種數(shù)據(jù)驅(qū)動的方法來識別比賽行為，這種方法可以從時空數(shù)據(jù)的角度發(fā)現(xiàn)球隊(duì)潛在的一些進(jìn)攻策略，例如無球端的跑動。Knauf[16]等人提出了一種新穎的基于時空內(nèi)核的方法，通過聚類算法對球員的跑動路徑進(jìn)行聚類。這種算法能夠同時觀測到多個球員的移動路徑，并結(jié)合分析，這對于獲取球隊(duì)的戰(zhàn)術(shù)布置很有幫助。

二、比賽結(jié)果的勝率模型

競技體育比賽中最基本的一個目標(biāo)就是獲得比賽的勝利，而在比賽表現(xiàn)分析中最重要的一項(xiàng)就是對比賽結(jié)果的預(yù)測。任何兩支球隊(duì)交手前都會有對各自球隊(duì)取勝的概率預(yù)測，基于獲勝的概率，對比賽策略進(jìn)行適當(dāng)?shù)恼{(diào)整，才能達(dá)到幫助球隊(duì)和球員提升運(yùn)動表現(xiàn)的目的。由于足球是一項(xiàng)高度復(fù)雜的運(yùn)動，其中22名球員在同一空間中同時互動，雙方球隊(duì)的球權(quán)轉(zhuǎn)換也發(fā)生的比較突然。隨意對足球比賽結(jié)果的預(yù)測一直是比賽表現(xiàn)分析領(lǐng)域研究的難題。

期望得分是足球比賽分析中一種傳統(tǒng)的表現(xiàn)指標(biāo)，用于表示可能實(shí)現(xiàn)進(jìn)球的得分概率?；跁r空數(shù)據(jù)Fernández 和Bornn[17]提出了一種新的進(jìn)球概率模型，他們在足球分析中引入籃球的回合概念，依據(jù)球隊(duì)對球權(quán)的控制，將比賽切分為單個回合，利用算法得到每回合的期望進(jìn)球（EPV）來代替原本的期望進(jìn)球（EG）。Decroos 和Bransen[15,18]在EPV的基礎(chǔ)上，提出了一種新穎的數(shù)據(jù)驅(qū)動框架，用于評估比賽中發(fā)生的行為動作，包括傳球、傳中、運(yùn)球、鏟球等。并探究了每種動作發(fā)生的環(huán)境以及這些動作對后續(xù)比賽的長期影響。

三、結(jié)論

隨著人工智能、計(jì)算機(jī)視覺和傳感器技術(shù)，數(shù)據(jù)分析和人工智能得以在比賽分析領(lǐng)域得到使用，尤其是在商業(yè)化程度最高的足球比賽中，全球各大高水平聯(lián)賽的球隊(duì)都配備了各自的比賽表現(xiàn)分析團(tuán)隊(duì)。基于海量追蹤數(shù)據(jù)，大數(shù)據(jù)和人工智能技術(shù)在足球領(lǐng)域的比賽行為的識別和比賽結(jié)果的勝率模型上有著深入的應(yīng)用。