[论文解读] Development of an expected possession value model to analyse team attacking performances in rugby league

Thomas Sawczuk, Anna Palczewska+1 more|arXiv (Cornell University)|May 5, 2021

Sports Analytics and Performance参考文献 17被引用 10

一句话总结

本研究基于180场超级联赛比赛中的59,233次进攻动作，开发了一种橄榄球联盟的期望控球价值（EPV）模型，评估了三种基于区域的模型：EPV-308（5m×5m区域）、EPV-77（10m×10m区域）和EPV-19（基于比赛回报聚合的可变大小区域）。EPV-19模型在六场先前比赛的进攻表现分布中表现出最高的可重复性（相似度达95%），因此在战术分析和球队表现评估中最为理想。

ABSTRACT

This study aimed to provide a framework to evaluate team attacking performances in rugby league using 59,233 plays from 180 Super League matches via expected possession value (EPV) models. The EPV-308 split the pitch into 308 5m x 5m zones, the EPV-77 split the pitch into 77 10m x 10m zones and the EPV-19 split the pitch in 19 zones of variable size dependent on the total zone value generated during a match. Attacking possessions were considered as Markov Chains, allowing the value of each zone visited to be estimated based on the outcome of the possession. The Kullback-Leibler Divergence was used to evaluate the reproducibility of the value generated from each zone (the reward distribution) by teams between matches. The EPV-308 had the greatest variability and lowest reproducibility, compared to EPV-77 and EPV-19. When six previous matches were considered, the team's subsequent match attacking performances had a similar reward distribution for EPV-19, EPV-77 and EPV-308 on 95 +/- 4%, 51 +/- 12% and 0 +/- 0% of occasions. This study supports the use of EPV-19 to evaluate team attacking performance in rugby league and provides a simple framework through which attacking performances can be compared between teams.

研究动机与目标

• 开发一种利用期望控球价值（EPV）模型评估橄榄球联盟球队进攻表现的框架。
• 比较三种具有不同场地区域划分系统的EPV模型：固定5m×5m（EPV-308）、固定10m×10m（EPV-77）和基于比赛回报聚合的可变大小区域（EPV-19）。
• 使用Kullback-Leibler（KL）散度评估进攻表现分布的可重复性。
• 提出一种实用框架，通过相对于联赛平均水平的z分数分析，识别各队的关键进攻区域。

提出的方法

• 将场地划分为308个约5m×5m的区域（EPV-308）、77个约10m×10m的区域（EPV-77）以及19个基于比赛中生成总价值的可变大小区域（EPV-19）。
• 将进攻控球建模为马尔可夫链，区域价值通过达阵、附加分、罚球和射门得分的结果进行估计。
• 使用Kullback-Leibler（KL）散度比较各区域在不同比赛中的奖励分布（即比赛回报），以评估可重复性。
• 应用z分数分析，将每支队伍的区域特定比赛回报与联赛平均水平进行比较，识别其战术依赖区域。
• 使用180场超级联赛比赛的数据（共59,233次进攻动作），由于数据限制，仅包含每次进攻的起始位置。
• 模型评估了在六场先前比赛中的表现可重复性，将后续比赛的分布作为KL散度的真实分布。

实验结果

研究问题

• RQ1 哪种EPV模型（EPV-308、EPV-77或EPV-19）在比赛间提供了最高的进攻表现分布可重复性？
• RQ2 在表现评估中使用的先前比赛数量如何影响进攻表现模式的可重复性？
• RQ3 基于比赛回报的区域聚合方法是否能生成比固定大小网格更具运动特异性和可重复性的EPV模型？
• RQ4 对区域特定比赛回报进行z分数分析，在多大程度上能识别出各队的关键战术区域？
• RQ5 不同区域系统如何影响EPV模型在橄榄球联盟表现分析中的泛化能力和可解释性？

主要发现

• EPV-19模型表现出最高的可重复性，其球队后续比赛与六场先前比赛平均值之间的进攻表现分布相似度达到95 ± 4%。
• EPV-77模型表现出中等可重复性，其后续比赛中奖励分布的相似度为51 ± 12%。
• EPV-308模型变异最大但可重复性最低，其后续比赛中奖励分布的相似度为0 ± 0%。
• z分数分析显示，球队4高度依赖边路区域（区域3和4），而球队6则集中于中路区域（区域5–7），凸显了其截然不同的战术特征。
• 球队9在广泛区域生成价值，尤其在距离本方球门80–100米范围，表明其进攻策略均衡，可能有助于高得分。
• 本研究证实，EPV-19提供了一套实用、可解释且可重复的框架，适用于评估橄榄球联盟球队的进攻表现。