运动链介绍 -Stats Perform

现有的模型，如我们的控球率和序列框架，允许我们通过描述性指标（如每序列传球数和直塞速度）来分割和分析比赛段落。然而，这只能让我们对一支球队的风格或一名球员的参与情况有一个高层次的概观，要将类似的序列组合在一起进行更深入的分析往往过于复杂。

运动链为我们提供了全新的细节。

移动链通过显示参与球员第一次触球的位置，描述了在一个不间断的比赛过程中，连续四名球员参与的模式，其中一名球员可以在移动链中参与不止一次。运动链中每个参与球员的第一次触球被称为一个节点。

我们可以从本赛季早些时候利兹联队前锋赫尔德-科斯塔在对阵富勒姆队的比赛中攻入的第二个进球中看到这种连锁反应是如何发挥作用的。

🔥 这个进球让我们拿到了本赛季的第一个 3 分pic.twitter.com/SbnME9yVUp

- 利兹联 (@LUFC)2020 年 9 月 19 日

伊兰-梅斯利尔（Illan Meslier）将球吊给杰克-哈里森（Jack Harrison），后者顺势将球传给班福德。巴姆福德随后带球，将球传给科斯塔，科斯塔将球打进。每个节点表示四名球员第一次触球的位置。

比赛过程中的每个节点都可以归入多个运动链。例如，我们也有一条从罗宾-科赫（Robin Koch）传给伊兰-梅斯利尔（Illan Meslier）开始的运动链，该运动链在帕特里克-班福德（Patrick Bamford）四次参与后结束。这里有三个节点在独特的运动链之间重叠。

建立运动链的目的是为球员在某些比赛模式中的角色提供背景信息，并从整体上了解球队的风格。皮埃尔-埃梅里克-奥巴梅扬是在左翼还是在中路参与了危险的链条？利物浦最危险的链条是什么样的？

我们目前有两种链条：

非交叉/传球链：这些链条是最常见的移动链条，球员在节点之间传球。我们将在本博客中重点讨论这些链条。
交叉链：这些链条包含序列中四名球员中第三名球员完成的过人，即第三名球员与链条中第四名球员的过人。在这种情况下，我们会记录第三名球员的第一次触球和过人位置。

为了从这些单个移动链中提取最大价值，我们需要根据它们的空间相似性将其分类。首先，我们根据下图所示区域确定的起点和终点位置对运动链进行分类：

我们这样做的原因是为了向模型中注入专业领域知识。我们可以根据链条的现状进行聚类，但由于缺乏在高级区域（如禁区）完成的链条，这些链条会被拉到离目标更远的其他聚类中。

因此，通过将球场划分为不同区域，我们可以确保生成的群组能准确反映球场上发生的情况。

这为我们提供了有关运动链的基础信息，但我们还需要区分这些组内的运动模式。例如，下面两条运动链的起点和终点都在同一个区域，但运动轨迹却截然不同。

为此，我们为这些区域组中的每条链添加一个聚类（或模式）标签，将空间上最相似的链组合在一起。这些聚类标签描述了特定起点/终点区域之间的运动形状，并使用K-means 聚类算法创建，根据我们的分析预先选择了组的数量。

下图显示了本赛季英超联赛中与利兹联队在同一区域开始和结束的所有链条，这些链条也属于同一聚类标签。我们可以利用这些由每个节点的全局中心点直观表示的聚类来评估一支球队最常用和最有效的比赛模式。

虽然每个参与点的位置及其运动轨迹都是基本信息，但我们还可以通过主题提取玩家参与的信息。动机为运动链上的每个点分配字母，表示运动员参与的顺序，并组合成整个运动链的 "单词"。

图案的例子可以是 "ABCA"。这意味着链条中的前三个参与者都是独一无二的球员（球员 A、球员 B 和球员 C），但链条中的第一个球员（球员 A）也是最后一个参与者。在利兹联队的例子中，有四名球员参与其中，因此标记为 "ABCD"。

在这种背景下，我们可以看到这些链条中的组合类型，以及不同球员和俱乐部的风格特征有何不同。例如，哪些球队在禁区内外打单刀？凯恩是否也参与了射门终结链的建立？等等。

局限性

虽然了解运动链可以测量什么很重要，但与任何模型一样，关键是要了解它们的限制：

除了此处显示的运动链特征（如集群和主题）外，我们还可以将其他AI 模型（如控球率、预期传球次数和压力）应用到每个节点，以加深我们对这些比赛模式使用背景的理解。

例如，在我们的边缘分析平台中，我们通过查找球队使用的最危险模式（根据控球率值）来展示运动链的威力，并将其与视频实例联系起来，以研究用户最感兴趣的比赛。我们在集群级别进行分析，下面的每条黄线代表一个集群，该集群包含符合搜索要求的单个运动链：

运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，从而更深入地了解球员和球队的风格，并将它们应用于招募和对手分析等领域。

运动链介绍