Les modèles existants, tels que notre cadre de possessions et de séquences, nous permettent de segmenter et d'analyser les passages de jeu à l'aide de mesures descriptives telles que les passes par séquence et la vitesse directe. Cependant, cela ne nous donne qu'un aperçu de haut niveau du style d'une équipe ou de l'implication d'un joueur et il est souvent trop complexe de regrouper des séquences similaires pour une analyse plus approfondie.
Les chaînes de mouvement nous donnent une toute nouvelle couche de détails.
Les chaînes de mouvement décrivent le schéma de quatre joueurs consécutifs impliqués dans un passage de jeu ininterrompu en affichant les emplacements des premières touches des joueurs impliqués, un joueur pouvant être impliqué plus d'une fois dans la chaîne. Le premier contact de chaque joueur impliqué dans une chaîne de mouvement est appelé nœud.
Nous pouvons voir comment cela fonctionne dans une chaîne de préparation au deuxième but de l'attaquant de Leeds United Hélder Costa contre Fulham plus tôt dans la saison.
🔥 Le but qui a scellé nos 3 premiers points de la saison pic.twitter.com/SbnME9yVUp
- Leeds United (@LUFC) 19 septembre 2020
Illan Meslier joue un ballon en profondeur pour Jack Harrison, qui le transmet de la tête à Bamford, le long de la ligne. Bamford porte ensuite le ballon avant de l'adresser à Costa qui marque. Chaque nœud indique l'emplacement des premières touches des quatre joueurs impliqués.
Chaque nœud d'un passage de jeu peut être classé dans plus d'une chaîne de mouvement. Par exemple, nous avons également une chaîne commençant par la passe de Robin Koch à Illan Meslier et se terminant après quatre interventions de Patrick Bamford. Ici, trois des nœuds se chevauchent entre des chaînes de mouvement uniques.
Les chaînes de mouvement ont été conçues pour donner un contexte au rôle d'un joueur dans certains schémas de jeu et donner une vision holistique du style au niveau de l'équipe. Pierre-Emerick Aubameyang est-il impliqué dans des chaînes dangereuses sur l'aile gauche ou plus au centre ? À quoi ressemblent les chaînes les plus dangereuses de Liverpool ?
Nous disposons actuellement de deux types de chaînes :
- Chaîne non croisée/passante : Ces chaînes sont les chaînes de mouvement les plus courantes, dans lesquelles les joueurs se passent le ballon entre les nœuds. Nous nous concentrerons sur ces chaînes tout au long de ce blog.
- Chaîne croisée : Ces chaînes contiennent des croisements effectués par le troisième des quatre joueurs impliqués dans la séquence, où le troisième joueur croise le quatrième joueur de la chaîne. Dans ce cas, nous enregistrons à la fois le premier contact et l'emplacement du centre du troisième joueur.
Chaînes de regroupement
Afin d'extraire le maximum de valeur de ces chaînes de déplacement individuelles, nous devons les classer en groupes sur la base de leur similarité spatiale. Tout d'abord, nous divisons les chaînes en fonction de leurs lieux de départ et d'arrivée, déterminés par les zones indiquées ci-dessous :
La raison pour laquelle nous procédons ainsi est d'injecter l'expertise du domaine dans le modèle. Nous pourrions nous contenter de regrouper les chaînes telles qu'elles sont, mais l'absence de chaînes finissant dans des zones avancées (par exemple, la surface de réparation) entraînerait leur regroupement dans d'autres groupes plus éloignés du but.
Par conséquent, en segmentant le terrain en zones, nous nous assurons de générer des clusters qui reflètent fidèlement ce qui se passe sur le terrain.
Nous disposons ainsi d'un niveau d'information de base sur les chaînes, mais nous devons ensuite différencier les modèles de mouvement au sein de ces groupes. Par exemple, les deux chaînes de mouvement ci-dessous commencent et se terminent dans les mêmes zones, mais ont des trajectoires très différentes.
Pour ce faire, nous ajoutons une étiquette de grappe (ou de modèle) à chaque chaîne au sein de ces groupes de zones qui regroupent les chaînes les plus similaires dans l'espace. Ces étiquettes de groupe décrivent la forme du mouvement entre cette zone de départ/fin spécifique et sont créées à l'aide d'un algorithme de regroupement K-means, avec un nombre de groupes présélectionnés sur la base de notre analyse.
Le graphique ci-dessous affiche toutes les chaînes de la Premier League de cette saison qui ont commencé et terminé dans les mêmes zones que notre exemple de Leeds United, et qui appartiennent également à la même étiquette de grappe. Nous pouvons utiliser ces groupes, représentés visuellement par les centroïdes globaux de chaque nœud, pour évaluer les schémas de jeu les plus fréquents et les plus efficaces utilisés par une équipe.
Motifs
Bien que les emplacements de chaque implication et leurs trajectoires soient fondamentaux, nous pouvons également extraire des informations sur les implications des joueurs par le biais de motifs. Les motifs attribuent des lettres à chaque point d'une chaîne qui indiquent l'ordre d'implication d'un joueur et se combinent pour créer un "mot" pour l'ensemble de la chaîne de mouvement.
Un exemple de motif pourrait être "ABCA". Cela signifie que les trois premiers joueurs de la chaîne sont tous des joueurs uniques (joueur A, joueur B et joueur C), mais que le premier joueur de la chaîne (joueur A) est aussi le dernier joueur impliqué. Dans notre exemple de Leeds United, quatre joueurs uniques étaient impliqués, ce qui signifie que le motif de la chaîne serait "ABCD".
Ce contexte nous permet de voir les types de combinaisons dans ces chaînes et comment ces caractéristiques stylistiques diffèrent entre les joueurs et les clubs. Par exemple, quelles équipes jouent des une-deux dans et autour de la zone ? Kane est-il impliqué dans la construction de chaînes de tirs qu'il termine également ? Et ainsi de suite.
Limites
S'il est important de comprendre ce que les chaînes de mouvement peuvent mesurer, comme pour tout modèle, il est essentiel de comprendre leurs restrictions :
- Les chaînes ne nous disent pas ce qui se passe entre le moment où les joueurs reçoivent le ballon et celui où ils le passent. Un joueur peut porter le ballon avant de passer au joueur suivant (Patrick Bamford dans notre exemple) ou faire une première passe.
- Les chaînes n'incluent pas les informations du jeu qui n'ont pas eu lieu dans une chaîne. Par exemple, les tirs qui ne sont pas précédés de trois passes ne seront pas inclus dans une chaîne.
- La longueur des chaînes est limitée à quatre éléments afin de réduire la complexité des données en vue d'une analyse plus poussée à l'aide de regroupements et de motifs.
Exemple d'analyse des bords
En plus des caractéristiques des chaînes de mouvement présentées ici (par exemple, les grappes et les motifs), nous pouvons également appliquer d'autres modèles d'AI (par exemple, la valeur de possession, les passes attendues et la pression) à chaque nœud afin d'améliorer notre compréhension du contexte dans lequel ces schémas de jeu sont utilisés.
Par exemple, dans notre plateforme Edge Analysis, nous démontrons la puissance des chaînes de mouvement en trouvant les schémas les plus dangereux utilisés par les équipes (en fonction de la valeur de possession) et en les reliant aux instances vidéo pour étudier les jeux qui intéressent le plus l'utilisateur. Nous effectuons cette analyse au niveau du cluster, où chaque ligne jaune ci-dessous représente un cluster qui contient des chaînes individuelles répondant aux critères de recherche :
Les diverses applications des chaînes de mouvement signifient que nous pouvons les utiliser isolément ou dans le cadre de modèles plus larges pour créer une compréhension plus sophistiquée des styles de joueurs et d'équipes et les appliquer dans des domaines tels que le recrutement et l'analyse de l'opposition.
