L'importance des coups de pied arrêtés dans le football (ou le soccer aux États-Unis) a augmenté ces dernières années : désormais, plus d'un quart de tous les buts sont marqués sur coups de pied arrêtés. Les coups francs et les corners créent généralement les situations les plus prometteuses, et certaines équipes professionnelles ont même embauché des entraîneurs spécifiques pour ces parties du jeu.
Dans cet article, nous expliquons comment la menace sur les coups de pied arrêtés de la Bundesliga Match Fact aide à évaluer les performances sur coups de pied arrêtés. Alors que les équipes cherchent à capitaliser de plus en plus sur ces situations de ballon mort, Set Piece Threat aidera le spectateur à comprendre à quel point les équipes exploitent ces situations. De plus, il expliquera au lecteur comment les services AWS peuvent être utilisés pour calculer des statistiques en temps réel.
L'Union Berlin de Bundesliga est un excellent exemple de la pertinence des coups de pied arrêtés. L'équipe a réussi à passer de la Bundesliga 2 à la qualification pour une compétition européenne en seulement 2 ans. Ils ont terminé troisièmes de Bundesliga 2 lors de la saison 18/19, se méritant une place dans les éliminatoires de relégation en Bundesliga. Au cours de cette saison, ils ont marqué 28 buts en jeu ouvert, se classant seulement neuvième de la ligue. Cependant, ils se sont classés deuxièmes pour les buts marqués sur coups de pied arrêtés (16 buts).
Fait révélateur, lors du premier match éliminatoire de relégation contre le VfB Stuttgart, Union a obtenu un match nul 2: 2, marquant une tête après un corner. Et lors du match retour, Stuttgart s'est vu refuser un but sur coup franc en raison d'un hors-jeu passif, permettant à l'Union d'entrer en Bundesliga avec un match nul 0-0.
La pertinence des coups de pied arrêtés pour le succès de Union ne s'arrête pas là. Union a terminé ses deux premières saisons de Bundesliga avec de solides onzième et septième, se classant troisième et premier en nombre de buts sur coup de pied arrêté (marquant 15 buts sur coups de pied arrêtés au cours des deux saisons). À titre de comparaison, le FC Bayern München, champion de la ligue, n'a réussi à marquer que 10 buts sur coups de pied arrêtés au cours des deux saisons. Le succès que l'Union Berlin a eu avec ses coups de pied arrêtés leur a permis de s'assurer la septième place de la saison 20/21 de Bundesliga, ce qui signifiait une qualification pour l'UEFA Europa Conference League, passant de la Bundesliga 2 à l'Europe seulement 2 ans après avoir obtenu une promotion. Sans surprise, dans le match décisif, ils ont marqué l'un de leurs deux buts après un corner. Au moment d'écrire ces lignes, l'Union Berlin se classe quatrième de la Bundesliga (journée 20) et première en termes de performances en corner, une statistique que nous expliquerons plus tard.
Le parcours de l'Union Berlin vers l'Europe démontre clairement le rôle influent des performances offensives et défensives lors des coups de pied arrêtés. Jusqu'à présent cependant, il était difficile pour les fans et les diffuseurs de quantifier correctement cette performance, à moins qu'ils ne veuillent disséquer des tableaux massifs sur des sites d'analyse. La Bundesliga et AWS ont travaillé ensemble pour illustrer la menace que produit une équipe et la menace qui est produite par les coups de pied arrêtés contre l'équipe, et ont proposé le nouveau Bundesliga Match Fact: Set Piece Threat.
Comment fonctionne Set Piece Threat ?
Pour déterminer la menace que représente une équipe avec ses coups de pied arrêtés, nous prenons en compte différentes facettes de sa performance sur coups de pied arrêtés. Il est important de noter que nous ne considérons que les corners et les coups francs comme des coups de pied arrêtés et que nous calculons la menace pour chaque catégorie indépendamment.
Facette 1 : Résultat d'un coup franc : Buts, tirs ou rien
Premièrement, nous considérons la résultat d'une pièce arrêtée. Autrement dit, nous observons si cela aboutit à un objectif. Cependant, le résultat est généralement influencé par de fines marges, comme un bel arrêt du gardien de but ou si un tir effleure le poteau au lieu d'entrer, nous catégorisons donc également la qualité d'un tir qui résulte du coup de pied arrêté. Les clichés sont classés en plusieurs catégories.
Catégories | Explication |
Objectif | Un tir réussi qui mène à un but |
Exceptionnel | Tirs qui ont presque mené à un but, comme un tir au poteau |
Décent | Autres scènes de buts remarquables |
Moyen | Le reste des chances qui serait inclus dans un ratio de chances avec une menace pertinente de but |
Aucun | Aucune vraie menace de but, ne doit pas être considérée comme une vraie chance, comme une tête qui a à peine touché le ballon ou un tir bloqué |
Pas de tir | Aucune photo prise du tout |
La vidéo ci-dessus montre des exemples de catégories de résultats de tir dans l'ordre suivant : exceptionnel, décent, moyen, aucun.
Facette 2 : Potentiel d'un tir
Deuxièmement, notre algorithme considère le potentiel d'un tir. Cela intègre la probabilité que cela aurait dû aboutir à un but, en éliminant la performance réelle du tireur de l'équation. En d'autres termes, nous quantifions le potentiel de but de la situation dans laquelle le tir a été effectué. Ceci est capturé par le objectif attendu (xGoals) valeur du tir. Nous supprimons non seulement l'occurrence ou l'absence de chance, mais également la qualité de la frappe ou de la tête.
Facette 3 : Quantité de coups de pied arrêtés
Ensuite, nous considérons l'aspect de pur Quantité de coups de pied arrêtés qu'une équipe obtient. Notre définition de Set Piece Threat mesure la menace sur une base par set-piece. Au lieu de résumer tous les résultats et les valeurs xGoal d'une équipe au cours d'une saison, les valeurs sont agrégées de manière à représenter la menace moyenne par coup franc. De cette façon, la menace de corner, par exemple, représente le danger de l'équipe pour chaque corner et ne considère pas une équipe comme plus dangereuse simplement parce qu'elle a plus de corners que les autres équipes (et donc potentiellement plus de tirs ou de buts).
Facette 4 : Développement dans le temps
Le dernier aspect à considérer est le développement de la menace d'une équipe au fil du temps. Considérez par exemple une équipe qui a marqué trois buts sur corner lors des trois premières journées de match mais qui n'a pas réussi à fournir une menace considérable au cours des 15 journées suivantes. Cette équipe ne devrait pas être considérée comme une menace importante sur les corners lors de la 19e journée, même si elle a déjà marqué trois fois, ce qui peut encore être un bon retour. Nous tenons compte de cette évolution (positive ou négative) de la qualité des coups de pied arrêtés d'une équipe en attribuant une remise à chaque coup de pied arrêté, en fonction du temps passé. En d'autres termes, un coup franc tiré il y a 10 jours de match a moins d'influence sur la menace calculée qu'un coup franc tiré lors du dernier match ou même du match en cours.
Score : agrégation par jeu
Les quatre facettes que nous avons décrites sont regroupées en deux valeurs pour chaque équipe, une pour les corners et une pour les coups francs, qui décrivent le danger que représenterait actuellement un coup franc correspondant de cette équipe. La valeur est définie comme la moyenne pondérée des scores de chaque coup de pied arrêté, où le score d'un coup de pied arrêté est défini comme (0.7 * shot-outcome + 0.3 * xG-value)
si le coup franc a donné lieu à un tir et 0 sinon. le shot-outcome
est de 1 si l'équipe a marqué et inférieur pour d'autres résultats, comme un tir qui est allé à côté, en fonction de sa qualité. Le poids de chaque pièce est déterminé par la durée de sa prise, comme décrit précédemment. Dans l'ensemble, les valeurs sont définies entre 0 et 1, où 1 est le score parfait.
Menace sur coup franc
Ensuite, les valeurs de chaque équipe sont comparées à la moyenne de la ligue. La formule exacte est score(team)/avg_score(league) - 1
. Cette valeur est ce que nous appelons la valeur Set Piece Threat. Une équipe a une valeur de menace de 0 si elle est exactement aussi bonne que la moyenne de la ligue. Une valeur de -1 (ou -100 %) décrit une équipe qui ne représente aucune menace, et une valeur de +1 (+100 %) décrit une équipe deux fois plus dangereuse que la moyenne de la ligue. Avec ces valeurs, nous calculons un classement qui ordonne les équipes de 1 à 18 en fonction de leur menace offensive de corners et de coups francs, respectivement.
Nous utilisons les mêmes données et des calculs similaires pour calculer également une menace défensive qui mesure la performance défensive d'une équipe en ce qui concerne la façon dont elle défend les coups de pied arrêtés. Désormais, au lieu de calculer un score par coup de pied arrêté, l'algorithme calcule un score par coup de pied arrêté de l'adversaire. Tout comme pour la menace offensive, le score est comparé à la moyenne de la ligue, mais la valeur est inversée : -score(team)/avg_score(league) + 1
. De cette façon, une menace de +1 (+100%) est atteinte si l'équipe n'autorise aucun tir à l'adversaire, alors qu'une équipe avec une menace défensive de -1 (-100%) est deux fois plus sensible aux coups de pied arrêtés de l'adversaire que la ligue. moyen. Encore une fois, une équipe avec une menace de 0 est aussi bonne que la moyenne de la ligue.
Constatations de la Menace du coup monté
Un aspect important de Set Piece Threat est que nous nous concentrons sur une estimation de la menace plutôt que sur les buts marqués et encaissés sur coups de pied arrêtés. Si nous prenons l'exemple du SC Fribourg et de l'Union Berlin lors de la 21e journée, au cours de cette saison, Fribourg a marqué sept buts sur corner contre quatre pour l'Union Berlin. Notre classement des menaces classe toujours les deux équipes à peu près égales. En fait, on prédit qu'un corner de Fribourg (Rang 3) sera même 7% moins menaçant qu'un corner de Union Berlin (Rang 1). La raison principale en est que l'Union Berlin a créé un nombre similaire de grandes occasions dans ses coins, mais n'a pas réussi à convertir ces occasions en buts. Fribourg, en revanche, a été beaucoup plus efficace avec ses chances. Un tel écart entre la qualité du hasard et les objectifs réels peut se produire dans un sport à forte variance comme le football.
Le graphique suivant montre le classement des corners offensifs de l'Union Berlin (bleu) et le score (rouge) des journées 6 à 21. Lors de la 12e journée, Union a marqué un but sur un corner et a également eu une grande chance sur un deuxième corner qui n'a pas abouti à un but mais a été perçu comme une menace élevée par notre algorithme. De plus, Union a réussi un tir cadré dans cinq des sept coups de pied de coin lors de la 12e journée. Union a immédiatement bondi dans le classement de la douzième à la cinquième place à la suite de cela, et la valeur du score pour Union a augmenté ainsi que la moyenne de la ligue. Alors que Union voyait de plus en plus de chances de menace élevées dans les derniers jours de match des coins, ils ont progressivement remporté la première place du classement des menaces de coin. Le score est toujours relatif à la moyenne actuelle de la ligue, ce qui signifie que la menace de l'Union lors de la 21e journée est 50 % plus élevée dans les corners que la menace moyenne provenant de toutes les équipes de la ligue.
Implémentation et architecture
Les faits de match de Bundesliga fonctionnent indépendamment AWSFargate conteneurs à l'intérieur Service de conteneur élastique Amazon (Amazon ECS). Les faits sur les matchs de Bundesliga précédents consomment des données brutes d'événement et de position pour calculer des statistiques avancées. Cela change avec la sortie de Set Piece Threat, qui analyse les données produites par un Bundesliga Match Fact existant (xObjectifs) pour calculer son classement. Par conséquent, nous avons créé une architecture pour échanger des messages entre différents faits de match de Bundesliga lors de matchs en direct en temps réel.
Pour garantir que les données les plus récentes sont reflétées dans les calculs de menace sur les coups de pied arrêtés, nous utilisons Amazon Managed Streaming pour Apache Kafka (AmazonMSK). Ce service de courtage de messages permet à différents faits de match de Bundesliga d'envoyer et de recevoir les derniers événements et mises à jour en temps réel. En consommant un match et un sujet spécifique à la Bundesliga Match Fact de Kafka, nous pouvons recevoir les données les plus récentes de tous les systèmes impliqués tout en conservant la possibilité de rejouer et de retraiter les messages envoyés plus tôt.
Le schéma suivant illustre l'architecture de la solution :
Nous avons introduit Amazon MSK dans ce projet pour remplacer généralement tous les messages internes transmis pour la plateforme Bundesliga Match Facts. Il gère l'injection de données de position et d'événement, qui peuvent s'agréger à plus de 3.6 millions de points de données par match. Avec Amazon MSK, nous pouvons utiliser le stockage persistant sous-jacent des messages, ce qui nous permet de rejouer à des jeux à tout moment. Cependant, pour Set Piece Threat, l'accent est mis sur le cas d'utilisation spécifique des événements de passage produits par Bundesliga Match Facts à d'autres Bundesliga Match Facts qui se déroulent en parallèle.
Pour faciliter cela, nous distinguons deux types de sujets Kafka : globaux et spécifiques à une correspondance. Tout d'abord, chaque Bundesliga Match Fact a son propre sujet global spécifique, qui gère tous les messages créés par le Bundesliga Match Fact. De plus, il existe un sujet supplémentaire spécifique au match pour chaque fait de match de Bundesliga pour chaque match qui gère tous les messages créés par un fait de match de Bundesliga pour un match spécifique. Lorsque plusieurs matchs en direct se déroulent en parallèle, chaque message est d'abord produit et envoyé à ce sujet mondial spécifique à Bundesliga Match Fact.
Un répartiteur AWS Lambda est abonnée à chaque sujet global spécifique à Bundesliga Match Fact et a deux tâches :
- Écrire les données entrantes dans une base de données provisionnée via Service de base de données relationnelle Amazon (AmazonRDS).
- Redistribuez les messages qui peuvent être consommés par d'autres faits de match de Bundesliga vers un sujet spécifique aux faits de match de Bundesliga.
Le côté gauche du diagramme d'architecture montre les différents faits de match de Bundesliga fonctionnant indépendamment les uns des autres pour chaque match et produisant des messages sur le sujet global. Le nouveau Set Piece Threat Bundesliga Match Fact peut désormais utiliser les dernières valeurs xGoal pour chaque tir pour un match spécifique (côté droit du diagramme) pour calculer immédiatement la menace produite par le coup franc qui a entraîné un ou plusieurs tirs.
Résumé
Nous sommes ravis du lancement de Set Piece Threat et des modèles que les commentateurs et les fans découvriront à l'aide de cette toute nouvelle perspective. Alors que les équipes cherchent à capitaliser de plus en plus sur ces situations de ballon mort, Set Piece Threat aidera le spectateur à comprendre quelle équipe y parvient avec succès et quelle équipe a encore du terrain à couvrir, ce qui ajoute du suspense supplémentaire avant chacune de ces situations. Le nouveau Bundesliga Match Fact est disponible pour les diffuseurs de Bundesliga pour découvrir de nouvelles perspectives et histoires d'un match, et les classements des équipes peuvent être consultés à tout moment dans l'application Bundesliga.
Nous sommes ravis d'apprendre quels modèles vous découvrirez. Partagez vos idées avec nous : @AWScloud sur Twitter, avec le hashtag #BundesligaMatchFacts.
À propos des auteurs
Simon Rolfès a joué 288 matchs de Bundesliga en tant que milieu de terrain central, a marqué 41 buts et remporté 26 sélections pour l'Allemagne. Actuellement, Rolfes est directeur sportif du Bayer 04 Leverkusen, où il supervise et développe la liste des joueurs professionnels, le département de dépistage et le développement des jeunes du club. Simon écrit également des chroniques hebdomadaires sur Bundesliga.com sur les derniers faits de match de Bundesliga alimentés par AWS
Luuk Figdor est un spécialiste senior des technologies sportives au sein de l'équipe AWS Professional Services. Il travaille avec des joueurs, des clubs, des ligues et des sociétés de médias telles que la Bundesliga et la Formule 1 pour les aider à raconter des histoires avec des données à l'aide de l'apprentissage automatique. Dans ses temps libres, il aime tout apprendre sur l'esprit et l'intersection entre la psychologie, l'économie et l'IA.
Jean Bauer est architecte d'applications cloud chez AWS Professional Services. Ses intérêts sont l'informatique sans serveur, l'apprentissage automatique et tout ce qui implique l'informatique en nuage. Il travaille avec des clients de tous les secteurs pour les aider à réussir leur transition vers le cloud.
Pascal Kuhner est développeur d'applications cloud au sein de l'équipe des services professionnels AWS. Il travaille avec des clients de tous les secteurs pour les aider à atteindre leurs résultats commerciaux via le développement d'applications, DevOps et l'infrastructure. Il aime les sports de balle et dans ses temps libres, il aime jouer au basket et au football.
Uwé Dick est Data Scientist chez Sportec Solutions AG. Il travaille pour permettre aux clubs et aux médias de Bundesliga d'optimiser leurs performances à l'aide de statistiques et de données avancées, avant, après et pendant les matchs. Dans ses temps libres, il se contente de moins et essaie juste de durer les 90 minutes complètes pour son équipe de football récréative.
Javier Poveda-Panter est Data Scientist pour les clients sportifs EMEA au sein de l'équipe AWS Professional Services. Il permet aux clients du domaine des sports-spectacles d'innover et de capitaliser sur leurs données, en offrant aux utilisateurs et aux fans des expériences de haute qualité grâce à l'apprentissage automatique et à la science des données. Il suit sa passion pour un large éventail de sports, de musique et d'intelligence artificielle pendant son temps libre.
- Coinsmart. Le meilleur échange Bitcoin et Crypto d'Europe.
- Platoblockchain. Intelligence métaverse Web3. Connaissance amplifiée. ACCÈS LIBRE.
- CryptoHawk. Radar Altcoins. Essai gratuit.
- Source : https://aws.amazon.com/blogs/machine-learning/bundesliga-match-fact-set-piece-threat-evaluating-team-performance-in-set-pieces-on-aws/
- "
- 28
- 7
- À propos
- Selon
- Compte
- atteint
- à travers
- Supplémentaire
- Avancée
- AI
- algorithme
- Tous
- Permettre
- déjà
- Amazon
- analytique
- appli
- Candidature
- architecture
- Réservé
- disponibles
- moyen
- AWS
- Basketball
- Bavière
- courtier
- la performance des entreprises
- Appelez-nous
- chances
- le cloud
- le cloud computing
- Venir
- Sociétés
- par rapport
- concurrence
- calcul
- informatique
- Congrès
- considère
- consommer
- Contenant
- Conteneurs
- Courant
- Clients
- données
- science des données
- Data Scientist
- Base de données
- parfaite
- livrer
- Malgré
- Développeur
- Développement
- différent
- Directeur
- La remise
- Ne fait pas
- Économie
- Europe
- du
- événement
- événements
- peut
- exemple
- échange
- Expériences
- fin
- Prénom
- Focus
- Abonnement
- Football
- Formule 1
- Test d'anglais
- plein
- fonction
- jeu
- Games
- Allemagne
- Global
- objectif
- Objectifs
- aller
- Bien
- l'
- Maniabilité
- ayant
- la taille
- aider
- aide
- Haute
- Comment
- HTTPS
- importance
- important
- Dans d'autres
- inclus
- increased
- secteurs
- influencer
- Infrastructure
- idées.
- intérêts
- impliqué
- IT
- Nouveautés
- lancer
- conduire
- ligues
- APPRENTISSAGE
- apprentissage
- LED
- Location
- click
- machine learning
- Match
- sens
- Médias
- million
- l'esprit
- (en fait, presque toutes)
- Musique
- ouvert
- de commander
- passer commande
- Autre
- autrement
- performant
- perspectives
- pièce
- plateforme
- Jouez
- joueur
- joueurs
- Pro
- Produit
- professionels
- Projet
- promotion
- Psychologie
- qualité
- Trimestre
- gamme
- raw
- Reader
- en temps réel
- recevoir
- LOISIRS
- libérer
- représente
- REST
- Résultats
- Courir
- pour le running
- Sciences
- Scientifique
- sécurisé
- Sans serveur
- service
- Services
- set
- s'installe
- Partager
- significative
- similaires
- So
- Football
- Solutions
- Sportive
- Sports
- statistiques
- stats
- storage
- Stories
- streaming
- STRONG
- succès
- réussi
- Avec succès
- Système
- Target
- tâches
- équipe
- Technologie
- Avec
- fiable
- ensemble
- Les sujets
- devoiler
- comprendre
- union
- Actualités
- us
- utilisé
- Plus-value
- Vidéo
- sites Internet
- hebdomadaire
- Quoi
- dans les
- des mots
- Activités:
- travaillé
- vos contrats
- écriture
- années