축구(또는 미국 축구)에서 세트 피스의 중요성은 최근 몇 년 동안 증가하고 있습니다. 이제 모든 골의 XNUMX분의 XNUMX 이상이 세트 피스를 통해 득점됩니다. 프리킥과 코너킥은 일반적으로 가장 유망한 상황을 만들어 내고 일부 프로 팀은 게임의 해당 부분에 대해 특정 코치를 고용하기도 했습니다.
이 게시물에서는 Bundesliga Match Fact Set Piece Threat가 세트피스의 성과를 평가하는 데 어떻게 도움이 되는지 공유합니다. 팀이 이러한 데드볼 상황에서 점점 더 많은 것을 활용하려고 함에 따라 Set Piece Threat는 시청자가 팀이 이러한 상황을 얼마나 잘 활용하고 있는지 이해하는 데 도움이 될 것입니다. 또한 AWS 서비스를 사용하여 실시간으로 통계를 계산하는 방법을 독자에게 설명합니다.
분데스리가의 유니언 베를린은 세트피스의 관련성을 보여주는 좋은 예입니다. 팀은 분데스리가 2에서 불과 2년 만에 유럽 대회 예선 진출에 성공했습니다. 그들은 2/18 시즌 동안 분데스리가 19에서 28위를 했고, 분데스리가로의 강등 플레이오프에 진출했습니다. 그 시즌에 그들은 오픈 플레이에서 16골을 득점하여 리그 XNUMX위에 그쳤습니다. 그러나 세트피스(XNUMX골)를 통해 득점한 골에서는 XNUMX위를 기록했다.
말하자면, VfB 슈투트가르트와의 첫 번째 강등 플레이오프 경기에서 Union은 코너킥 후 헤딩을 기록하며 2:2 무승부를 기록했습니다. 그리고 복귀전에서 슈투트가르트는 패시브 오프사이드로 프리킥 골이 허용되지 않았고, 유니온은 0:0 무승부로 분데스리가 진출을 허용했다.
유니온의 성공을 위한 세트피스의 관련성은 여기서 그치지 않습니다. Union은 첫 두 번의 분데스리가 시즌을 강력한 15위와 10위로 마쳤으며, 세트피스 골 수에서 20위와 21위를 차지했습니다(두 시즌 모두 세트피스에서 2골을 득점). 비교를 위해 리그 챔피언인 FC 바이에른 뮌헨은 두 시즌 모두 세트피스에서 2골을 넣는 데 그쳤습니다. 유니온 베를린이 세트피스로 성공을 거두면서 20/XNUMX 분데스리가 시즌에서 XNUMX위를 차지할 수 있었습니다. 이는 승격 XNUMX년 만에 분데스리가 XNUMX에서 유럽으로 향하는 UEFA 유로파 컨퍼런스 리그 진출을 의미했습니다. 당연하게도, 결정적인 경기에서 그들은 코너킥 후 두 골 중 하나를 득점했습니다. 이 글을 쓰는 시점에서 Union Berlin은 Bundesliga(XNUMX일 경기)에서 XNUMX위를 하고 코너링에서는 XNUMX위를 차지합니다. 이 통계는 나중에 설명하겠습니다.
유럽 연합 베를린의 경로는 세트 피스 동안 공격 및 수비 성능의 영향력 있는 역할을 명확하게 보여줍니다. 그러나 지금까지는 팬과 방송인이 분석 웹사이트에서 방대한 테이블을 분석하지 않는 한 이 성능을 적절하게 수량화하는 것이 어려웠습니다. Bundesliga와 AWS는 팀이 생성하는 위협과 팀에 대한 세트피스에 의해 생성되는 위협을 설명하기 위해 협력하여 새로운 Bundesliga Match Fact: Set Piece Threat를 고안했습니다.
세트피스 위협은 어떻게 작동합니까?
팀이 세트피스에 대해 제기하는 위협을 결정하기 위해 세트피스 성능의 다양한 측면을 고려합니다. 코너킥과 프리킥만 세트피스로 간주하고 각 카테고리에 대한 위협을 독립적으로 계산한다는 점에 유의하는 것이 중요합니다.
패싯 1: 세트피스의 결과: 골, 슛 또는 무
첫째, 우리는 고려 결과 세트 피스의. 즉, 목표로 이어지는지 관찰합니다. 하지만 일반적으로 골키퍼의 선방이나 슛이 골대 안으로 들어가는 대신 골대를 스치는 등 미세한 마진에 의해 결과가 좌우되기 때문에 세트피스에 따른 슛의 질도 분류한다. 샷은 여러 범주로 분류됩니다.
범주 | 설명 |
목표 | 골로 이어지는 성공적인 슛 |
두드러진 | 골대를 향한 슛과 같이 거의 골로 연결되는 슛 |
친절한 | 기타 주목할만한 골 장면 |
평균 | 골의 관련 위협과 함께 기회 비율에 포함될 나머지 기회 |
없음 | 실제 골 위협이 없으며 볼에 거의 닿지 않은 헤더 또는 차단된 슛과 같은 실제 기회로 간주되어서는 안 됩니다. |
샷 없음 | 찍은 사진이 전혀 없다. |
위의 비디오는 뛰어난, 괜찮은, 평균, 없음의 순서로 샷 결과 범주의 예를 보여줍니다.
패싯 2: 슛의 가능성
둘째, 우리의 알고리즘은 샷의 가능성을 고려합니다. 이것은 슛을 던지는 사람의 실제 성과를 방정식에서 제외하고 골로 이어졌어야 하는 가능성을 통합합니다. 즉, 슛을 한 상황의 골 가능성을 정량화합니다. 이것은 캡처 예상 목표(xGoals) 샷의 가치. 우리는 운의 발생뿐만 아니라 스트라이크 또는 헤더의 품질도 제거합니다.
패싯 3: 세트 피스의 수량
다음으로 순수한 측면을 고려합니다. 양 팀이 얻는 세트 피스. 세트피스 위협에 대한 정의는 세트피스별로 위협을 측정합니다. 시즌 동안 팀의 모든 결과와 xGoal 값을 합산하는 대신 세트피스당 평균 위협을 나타내도록 값을 집계합니다. 그런 식으로 예를 들어 코너 위협은 각 코너에 대한 팀의 위험을 나타내며 단순히 다른 팀보다 더 많은 코너를 가지고 있기 때문에(따라서 더 많은 슛이나 골을 잠재적으로 더 많이) 팀이 더 위험한 것으로 간주하지 않습니다.
측면 4: 시간 경과에 따른 개발
마지막으로 고려해야 할 측면은 팀 위협의 발전입니다. 시간이 지남에. 예를 들어 첫 15일 동안 코너킥에서 19골을 기록했지만 다음 10일 동안 상당한 위협을 제공하지 못한 팀을 생각해 보십시오. 이 팀은 이미 XNUMX골을 넣었지만 여전히 좋은 수익을 올릴 수 있음에도 불구하고 XNUMX일 경기의 코너킥에서 심각한 위협을 가하는 것으로 간주되어서는 안 됩니다. 우리는 얼마나 오래 전에 발생했는지에 따라 각 세트 피스에 할인을 할당하여 팀의 세트 피스 품질의 긍정적 또는 부정적 발전을 설명합니다. 다시 말해서, 경기일 XNUMX일 전에 이루어진 프리킥은 마지막 또는 현재 게임 중에 취해진 것보다 계산된 위협에 대한 영향이 적습니다.
점수: 세트 조각당 집계
우리가 설명한 XNUMX가지 측면은 모두 각 팀에 대해 두 가지 값으로 집계됩니다. 하나는 코너킥이고 다른 하나는 프리킥입니다. 이 값은 해당 팀의 해당 세트피스가 현재 제기할 위험을 설명합니다. 값은 각 세트피스 점수의 가중 평균으로 정의되며, 여기서 세트피스 점수는 다음과 같이 정의됩니다. (0.7 * shot-outcome + 0.3 * xG-value)
세트피스가 슛을 했다면 0이고 그렇지 않으면 XNUMX입니다. 그만큼 shot-outcome
팀이 득점한 경우 1이고 품질에 따라 멀리 날아간 슛과 같은 다른 결과에 대해서는 더 낮습니다. 각 세트 피스의 무게는 앞에서 설명한 것처럼 얼마나 오래 걸렸는지에 따라 결정됩니다. 전반적으로 값은 0–1 사이에서 정의되며 1은 만점입니다.
세트피스 위협
다음으로, 각 팀의 값을 리그 평균과 비교합니다. 정확한 공식은 score(team)/avg_score(league) - 1
. 이 값을 Set Piece Threat 값이라고 합니다. 팀이 리그 평균과 정확히 같으면 위협 값이 0입니다. 값이 -1(또는 -100%)이면 위협이 전혀 없는 팀을 나타내고, 값이 +1(+100%)이면 리그 평균보다 1배 더 위험한 팀을 나타냅니다. 이러한 값을 사용하여 각 팀의 코너킥 및 프리킥 공격 위협에 따라 18-XNUMX의 순위를 계산합니다.
우리는 동일한 데이터와 유사한 계산을 사용하여 세트 피스를 방어하는 방법과 관련하여 팀의 수비 성과를 측정하는 방어 위협도 계산합니다. 이제 알고리즘은 자신의 세트피스당 점수를 계산하는 대신 상대 세트피스당 점수를 계산합니다. 공격적인 위협과 마찬가지로 점수는 리그 평균과 비교되지만 값은 반대입니다. -score(team)/avg_score(league) + 1
. 이런 식으로 팀이 상대에게 슛을 전혀 허용하지 않는 경우 위협 +1(+100%)이 달성되는 반면, 방어 위협이 -1(-100%)인 팀은 리그보다 상대의 세트피스에 0배 취약합니다. 평균. 다시 말하지만, 위협이 XNUMX인 팀은 리그 평균만큼 좋습니다.
세트피스 위협 결과
세트피스 위협의 중요한 측면은 세트피스를 통해 득점하고 실점하는 골 대신 위협 평가에 집중한다는 것입니다. SC 프라이부르크와 21일 우니온 베를린을 예로 들자면, 이번 시즌 동안 프라이부르크는 코너킥을 통해 3골을 넣었고, 우니온 베를린에서는 7골을 넣었습니다. 우리의 위협 순위는 여전히 두 팀의 순위가 상당히 동일합니다. 사실 우리는 프라이부르크(1위)의 코너킥이 우니온 베를린(XNUMX위)의 코너킥보다 XNUMX% 덜 위협적이라고 예측합니다. 그 주된 이유는 Union Berlin이 코너킥에서 비슷한 수의 좋은 기회를 만들었지만 이러한 기회를 골로 전환하는 데 실패했기 때문입니다. 반면 프라이부르크는 기회가 훨씬 더 효율적이었습니다. 기회의 질과 실제 골 사이의 이러한 불일치는 축구와 같은 변동이 큰 스포츠에서 발생할 수 있습니다.
다음 그래프는 경기일 6-21의 Union Berlin의 세트피스 공격 코너 랭킹(파란색)과 점수(빨간색)를 보여줍니다. 매치데이 12일에 Union은 코너킥에서 골을 넣었고 추가로 두 번째 코너에서 좋은 기회를 얻었지만 득점으로 이어지지는 않았지만 우리 알고리즘에 의해 높은 위협으로 인식되었습니다. 또한 유니온은 12일 매치데이 21번의 코너킥 중 50번의 코너킥에서 슛을 성공시켰다. 이에 유니온은 곧바로 XNUMX위에서 XNUMX위로 순위가 급등했고, 유니온의 득점 가치는 리그 평균은 물론 상승했다. Union은 후반부 코너킥에서 위협적인 기회가 점점 더 많아짐에 따라 코너 위협 순위 XNUMX위를 차곡차곡 차지했습니다. 점수는 항상 현재 리그 평균에 상대적입니다. 즉, 경기일 XNUMX일에 Union의 위협은 리그의 모든 팀에서 오는 평균 위협보다 코너에서 XNUMX% 더 높습니다.
구현 및 아키텍처
Bundesliga Match Facts는 독립적으로 운영됩니다. AWS 파게이트 내부의 컨테이너 Amazon 탄력적 컨테이너 서비스 (아마존 ECS). 이전 Bundesliga Match Facts는 원시 이벤트 및 위치 데이터를 사용하여 고급 통계를 계산합니다. 이는 기존 Bundesliga Match Fact(x 목표) 순위를 계산합니다. 따라서 실시간 경기 중 서로 다른 Bundesliga Match Fact 간에 메시지를 실시간으로 교환할 수 있는 아키텍처를 만들었습니다.
최신 데이터가 세트피스 위협 계산에 반영되도록 보장하기 위해 다음을 사용합니다. Apache Kafka 용 Amazon Managed Streaming (아마존 MSK). 이 메시지 중개 서비스를 사용하면 다양한 Bundesliga Match Facts가 최신 이벤트 및 업데이트를 실시간으로 보내고 받을 수 있습니다. Kafka의 경기 및 Bundesliga Match Fact 관련 주제를 사용함으로써 이전에 보낸 메시지를 재생하고 다시 처리하는 기능을 유지하면서 관련된 모든 시스템에서 최신 데이터를 수신할 수 있습니다.
Bundesliga Match Facts 플랫폼에 전달되는 모든 내부 메시지를 일반적으로 대체하기 위해 이 프로젝트에 Amazon MSK를 도입했습니다. 매치당 3.6만 개 이상의 데이터 포인트를 집계할 수 있는 위치 및 이벤트 데이터의 주입을 처리합니다. Amazon MSK를 사용하면 메시지의 기본 영구 저장소를 사용할 수 있으므로 어느 시점에서든 게임을 재생할 수 있습니다. 그러나 Set Piece Threat의 경우 Bundesliga Match Facts에서 생성된 이벤트를 병렬로 실행되는 다른 Bundesliga Match Facts로 전달하는 특정 사용 사례에 중점을 둡니다.
이를 용이하게 하기 위해 우리는 두 가지 유형의 Kafka 주제(전역 및 특정 일치)를 구분합니다. 첫째, 각 Bundesliga Match Fact에는 Bundesliga Match Fact에서 생성한 모든 메시지를 처리하는 고유한 글로벌 주제가 있습니다. 또한, 특정 경기에 대해 분데스리가 경기 사실이 생성한 모든 메시지를 처리하는 각 경기에 대한 각 분데스리가 경기 사실에 대한 추가 경기 관련 주제가 있습니다. 여러 라이브 경기가 동시에 실행되면 각 메시지가 먼저 생성되어 이 Bundesliga Match Fact 관련 글로벌 주제로 전송됩니다.
디스패처 AWS 람다 함수는 모든 Bundesliga Match Fact 관련 글로벌 주제를 구독하며 두 가지 작업이 있습니다.
- 를 통해 프로비저닝된 데이터베이스에 들어오는 데이터 쓰기 Amazon 관계형 데이터베이스 서비스 (아마존 RDS).
- 다른 Bundesliga Match Facts에서 사용할 수 있는 메시지를 Bundesliga Match Fact 관련 주제로 재배포합니다.
아키텍처 다이어그램의 왼쪽은 모든 경기에 대해 서로 독립적으로 실행되고 글로벌 주제에 대한 메시지를 생성하는 다양한 Bundesliga 경기 사실을 보여줍니다. 새로운 Set Piece Threat Bundesliga Match Fact는 이제 특정 경기(다이어그램 오른쪽)의 각 슛에 대한 최신 xGoal 값을 사용하여 하나 이상의 슛으로 이어진 집합 피스에 의해 생성된 위협을 즉시 계산할 수 있습니다.
요약
Set Piece Threat의 출시와 해설자와 팬이 이 새로운 통찰력을 사용하여 발견할 패턴에 대해 기쁘게 생각합니다. 팀이 이러한 데드 볼 상황에서 점점 더 많은 것을 활용하려고 함에 따라, Set Piece Threat는 시청자가 이 작업을 성공적으로 수행하고 있는 팀과 아직 커버할 부분이 있는 팀을 이해하는 데 도움이 되며, 이는 이러한 각 세트피스 상황 전에 추가적인 서스펜스를 추가합니다. 새로운 Bundesliga Match Fact는 Bundesliga 방송인에게 제공되어 경기에 대한 새로운 관점과 이야기를 발견할 수 있으며 팀 순위는 Bundesliga 앱에서 언제든지 볼 수 있습니다.
어떤 패턴을 발견하게 될지 무척 기대됩니다. 우리와 통찰력을 공유하십시오: 트위터의 @AWScloud, 해시태그 #BundesligaMatchFacts와 함께.
저자에 관하여
사이먼 롤 페스 독일 국가대표로 분데스리가 288경기에 출전해 41골 26경기를 뛰었다. 현재 Rolfes는 바이엘 04 레버쿠젠에서 스포르팅 디렉터로 일하면서 프로 선수 명단, 스카우트 부서 및 클럽의 청소년 개발을 감독하고 개발합니다. Simon은 또한 Bundesliga.com에 AWS에서 제공하는 최신 Bundesliga Match Facts에 대한 주간 칼럼을 씁니다.
루크 피그 도르 AWS Professional Services 팀의 수석 스포츠 기술 전문가입니다. 그는 선수, 클럽, 리그, Bundesliga 및 Formula 1과 같은 미디어 회사와 협력하여 머신 러닝을 사용하여 데이터로 스토리를 전달할 수 있도록 돕습니다. 여가 시간에 그는 마음과 심리학, 경제학, AI의 교차점에 대한 모든 것을 배우는 것을 좋아합니다.
얀 바우어 AWS Professional Services의 클라우드 애플리케이션 아키텍트입니다. 그의 관심사는 서버리스 컴퓨팅, 기계 학습 및 클라우드 컴퓨팅과 관련된 모든 것입니다. 그는 업계 전반의 고객과 협력하여 클라우드 여정에서 성공할 수 있도록 지원합니다.
파스칼 퀴너 AWS Professional Services 팀의 클라우드 애플리케이션 개발자입니다. 그는 다양한 산업 분야의 고객과 협력하여 애플리케이션 개발, DevOps 및 인프라를 통해 비즈니스 결과를 달성할 수 있도록 지원합니다. 그는 공 스포츠를 좋아하고 여가 시간에는 농구와 축구를 하는 것을 좋아합니다.
우웨 딕 Sportec Solutions AG의 데이터 과학자입니다. 그는 분데스리가 클럽과 미디어가 경기 전, 후, 중 고급 통계 및 데이터를 사용하여 성과를 최적화할 수 있도록 노력하고 있습니다. 여가 시간에 그는 덜 정착하고 레크리에이션 축구 팀을 위해 전체 90분을 지속하려고 합니다.
하비에르 포베다 판터 AWS Professional Services 팀 내 EMEA 스포츠 고객을 위한 데이터 과학자입니다. 그는 관중 스포츠 분야의 고객이 데이터를 혁신하고 활용하여 기계 학습 및 데이터 과학을 통해 고품질 사용자 및 팬 경험을 제공할 수 있도록 지원합니다. 그는 여가 시간에 광범위한 스포츠, 음악 및 AI에 대한 열정을 따릅니다.
- "
- 28
- 7
- 소개
- 에 따르면
- 계정
- 달성
- 가로질러
- 추가
- 많은
- AI
- 연산
- All
- 허용
- 이미
- 아마존
- 분석
- 앱
- 어플리케이션
- 아키텍처
- 지역
- 가능
- 평균
- AWS
- 농구
- 바이엘
- 브로커
- 사업
- 전화
- 승산
- 클라우드
- 클라우드 컴퓨팅
- 오는
- 기업
- 비교
- 경쟁
- 계산
- 컴퓨팅
- 컨퍼런스
- 고려하다
- 소비
- 컨테이너
- 용기
- Current
- 고객
- 데이터
- 데이터 과학
- 데이터 과학자
- 데이터베이스
- 죽은
- 배달
- 무례
- 개발자
- 개발
- 다른
- 책임자
- 할인
- 하지 않습니다
- 경제적
- 유럽
- 유럽
- 이벤트
- 이벤트
- 모두
- 예
- 교환
- 체험
- 끝
- 먼저,
- 초점
- 수행원
- 축구
- 수식 1
- 무료
- 가득 찬
- 기능
- 경기
- Games
- 독일
- 글로벌
- 골
- 목표
- 가는
- 좋은
- 큰
- 처리
- 데
- 신장
- 도움
- 도움이
- 높은
- 방법
- HTTPS
- 중요성
- 중대한
- 기타의
- 포함
- 증가
- 산업
- 영향
- 인프라
- 통찰력
- 이해
- 참여
- IT
- 최근
- 시작
- 리드
- 리그
- 배우다
- 배우기
- 지도
- 긴
- 기계
- 기계 학습
- 경기
- 의미
- 미디어
- 백만
- 신경
- 가장
- 음악
- 열 수
- 주문
- 명령
- 기타
- 그렇지 않으면
- 성능
- 전망
- 조각
- 플랫폼
- 연극
- 플레이어
- 플레이어
- 찬성
- 생산
- 링크를
- 프로젝트
- 승진
- 심리학
- 품질
- 지구
- 범위
- 살갗이 벗어 진
- 리더
- 실시간
- 받다
- 레크리에이션
- 공개
- 대표
- REST
- 결과
- 달리기
- 달리는
- 과학
- 과학자
- 안전해야합니다.
- 서버리스
- 서비스
- 서비스
- 세트
- 정착하다
- 공유
- 상당한
- 비슷한
- So
- 축구
- 솔루션
- 스포츠
- 스포츠
- 통계
- 통계
- 저장
- 이야기
- 스트리밍
- 강한
- 성공
- 성공한
- 성공적으로
- 시스템은
- 목표
- 작업
- 팀
- Technology
- 을 통하여
- 시간
- 함께
- 이상의 주제
- 폭로하다
- 이해
- 노동 조합
- 업데이트
- us
- 사용
- 가치
- Video
- 웹 사이트
- 주간
- 뭐
- 이내
- 말
- 작업
- 일
- 일
- 쓰기
- 년