[论文解读] Analyzing In-Game Movements of Soccer Players at Scale

László Gyarmati, Mohamed Hefeeda|arXiv (Cornell University)|Mar 11, 2016

Sports Performance and Training参考文献 13被引用 3

一句话总结

本文提出了一种新颖的方法，仅使用公开的基于事件的比赛数据，即可大规模提取和分析足球运动员在比赛中的移动轨迹，无需依赖昂贵的追踪系统。该方法实现了对球员独特性、一致性和相似性的大规模量化分析，为球员球 scout 和潜在替补球员的识别提供可操作的见解。关键发现表明，梅西的移动既高度独特又具高度一致性，而C罗的移动则处于平均水平。

ABSTRACT

It is challenging to get access to datasets related to the physical performance of soccer players. The teams consider such information highly confidential, especially if it covers in-game performance.Hence, most of the analysis and evaluation of the players' performance do not contain much information on the physical aspect of the game, creating a blindspot in performance analysis. We propose a novel method to solve this issue by deriving movement characteristics of soccer players. We use event-based datasets from data provider companies covering 50+ soccer leagues allowing us to analyze the movement profiles of potentially tens of thousands of players without any major investment. Our methodology does not require expensive, dedicated player tracking system deployed in the stadium. We also compute the similarity of the players based on their movement characteristics and as such identify potential candidates who may be able to replace a given player. Finally, we quantify the uniqueness and consistency of players in terms of their in-game movements. Our study is the first of its kind that focuses on the movements of soccer players at scale, while it derives novel, actionable insights for the soccer industry from event-based datasets.

研究动机与目标

• 解决因球队将此类信息视为高度机密而导致足球运动中缺乏身体表现数据的问题。
• 开发一种可扩展的方法，仅使用基于事件的比赛数据推导出足球运动员的移动特征，避免依赖昂贵的追踪系统。
• 量化球员在多个联赛和赛季中其在比赛中移动行为的独特性与一致性。
• 基于移动相似性识别潜在的球员替补人选，支持球 scout 和球队战略规划。
• 利用公开数据实现对球员角色和球队策略的大规模、可操作的洞察。

提出的方法

• 该方法从记录传球、射门、抢断等与球相关动作的基于事件的数据集中提取移动模式。
• 通过将事件序列（如传球、跑动）建模为基于空间和时间比赛事件的方向性移动向量，重建球员的移动轨迹。
• 使用基于向量的距离度量方法计算球员之间的移动相似性，从而识别出具有相似在赛中移动模式的球员。
• 通过使用动态时间规整或类似对齐技术，比较球员在多场比赛中的移动档案，以衡量行为的稳定性，从而衡量一致性。
• 通过计算球员移动档案与数据集中最相似球员档案之间的平均距离来量化其独特性。
• 该方法利用广播比赛数据，无需体育场部署或球队同意，可实现对50多个联赛的广泛可扩展性。

实验结果

研究问题

• RQ1 是否可以仅基于事件数据，在无需专用追踪系统的情况下，准确重建足球运动员在比赛中的移动档案？
• RQ2 球员在多场比赛和多个赛季中的移动模式在多大程度上保持一致和独特？
• RQ3 球员之间移动相似性在多大程度上可用于识别某位球员的潜在替补？
• RQ4 不同位置球员（如后卫、中场、前锋）在移动一致性和独特性方面有何差异？
• RQ5 梅西和C罗等顶级球员在移动独特性和一致性方面有何对比？

主要发现

• 哈维在整个赛季中的移动模式表现出高度一致性，仅在替补出场时出现轻微偏差，证实了其角色的稳定性。
• 梅西展现出最高的移动独特性（0.86）和中等一致性（0.30），表明其具有独特但稳定的踢球风格。
• C罗的移动档案在独特性（0.55）和一致性（0.51）方面均处于平均水平，与梅西的显著独特性形成对比。
• 后卫通常表现出高一致性但低独特性，而中场和前锋则在两项特质上表现出更大的变异性。
• 阿德里亚诺（巴塞罗那后卫）的移动独特性极高（0.88），但一致性较低（0.75），表明其行为具有高度不可预测性。
• 伊涅斯塔展现出高一致性（0.40）和中等独特性（0.78），表明其踢球风格可靠且具有独特性。