Het belang van spelhervattingen in het voetbal (of voetbal in de VS) neemt de laatste jaren toe: inmiddels wordt meer dan een kwart van alle doelpunten via spelhervattingen gescoord. Vrije trappen en corners creëren over het algemeen de meest veelbelovende situaties, en sommige professionele teams hebben zelfs specifieke coaches ingehuurd voor die delen van het spel.
In dit bericht delen we hoe de Bundesliga Match Fact Set Piece Threat helpt bij het evalueren van de prestaties in spelhervattingen. Terwijl teams steeds meer willen profiteren van deze dode hoeksituaties, zal Set Piece Threat de kijker helpen begrijpen hoe goed teams deze situaties benutten. Daarnaast wordt de lezer uitgelegd hoe AWS-services kunnen worden gebruikt om statistieken in realtime te berekenen.
Bundesliga's Union Berlin is een goed voorbeeld van de relevantie van decorstukken. Het team wist in slechts 2 jaar tijd van Bundesliga 2 op te klimmen naar kwalificatie voor een Europese competitie. Ze eindigden als derde in Bundesliga 2 tijdens het seizoen 18/19 en verdienden daarmee een plaats in de degradatie-play-offs naar de Bundesliga. In dat seizoen scoorden ze 28 doelpunten uit open spel en stonden ze slechts negende in de competitie. Ze stonden echter op de tweede plaats voor doelpunten die werden gescoord via spelhervattingen (16 doelpunten).
Het is veelzeggend dat Union in de eerste degradatie-play-offwedstrijd tegen VfB Stuttgart een 2:2 gelijkspel behaalde door een kopbal te scoren na een corner. En in de terugwedstrijd werd Stuttgart een doelpunt uit een vrije trap afgekeurd vanwege passief buitenspel, waardoor Union de Bundesliga inging met een 0:0 gelijkspel.
De relevantie van decorstukken voor het succes van Union houdt daar niet op. Union eindigde hun eerste twee Bundesliga-seizoenen met een sterke elfde en zevende plaats, en eindigde als derde en eerste in het aantal spelhervattingen (15 doelpunten uit spelhervattingen in beide seizoenen). Ter vergelijking: FC Bayern München, de landskampioen, scoorde in beide seizoenen slechts 10 doelpunten uit spelhervattingen. Het succes dat Union Berlin heeft gehad met hun spelhervattingen stelde hen in staat om de zevende plaats in het Bundesliga-seizoen 20/21 veilig te stellen, wat betekende dat ze zich kwalificeerden voor de UEFA Europa Conference League, waarbij ze slechts 2 jaar na het behalen van promotie van Bundesliga 2 naar Europa gingen. Het was niet verwonderlijk dat ze in de beslissende wedstrijd een van hun twee doelpunten scoorden na een corner. Op het moment van schrijven staat Union Berlin op de vierde plaats in de Bundesliga (speeldag 20) en eerste in hoekprestaties, een statistiek die we later zullen uitleggen.
Het pad van Union Berlin naar Europa toont duidelijk de invloedrijke rol van offensieve en defensieve prestaties tijdens spelhervattingen. Tot nu toe was het echter moeilijk voor fans en omroepen om deze prestatie goed te kwantificeren, tenzij ze enorme tabellen op analysewebsites wilden ontleden. Bundesliga en AWS hebben samengewerkt om de dreiging die een team produceert en de dreiging die wordt veroorzaakt door spelhervattingen tegen het team te illustreren, en kwamen met het nieuwe Bundesliga Match Fact: Set Piece Threat.
Hoe werkt Set Piece Threat?
Om de dreiging te bepalen die een team vormt met hun spelhervattingen, houden we rekening met verschillende facetten van hun spelhervattingsprestaties. Het is belangrijk op te merken dat we corners en vrije trappen alleen als spelhervattingen beschouwen en de dreiging voor elke categorie afzonderlijk berekenen.
Facet 1: Uitslag van een spelhervatting: doelpunten, schoten of niets
Eerst beschouwen we de resultaat van een vast stuk. Dat wil zeggen, we kijken of het een doel oplevert. De uitkomst wordt echter over het algemeen beïnvloed door kleine marges, zoals een geweldige redding door de keeper of als een schot de paal raakt in plaats van erin te gaan, dus we categoriseren ook de kwaliteit van een schot dat voortvloeit uit het spelhervattingsmoment. Schoten zijn onderverdeeld in verschillende categorieën.
Categorie | Uitleg |
Doel | Een geslaagd schot dat tot een doelpunt leidde |
voortreffelijk | Schoten die bijna tot een doelpunt leidden, zoals een schot op de paal |
fatsoenlijk | Andere opmerkelijke doelpuntenscènes |
Gemiddelde | De rest van de kansen die zouden worden opgenomen in een kansverhouding met relevante dreiging van een doelpunt |
Geen | Geen echte doeldreiging, mag niet als een reële kans worden beschouwd, zoals een kopbal die de bal nauwelijks raakte of een geblokkeerd schot |
Geen schot | Helemaal geen foto's gemaakt |
De bovenstaande video toont voorbeelden van schotresultaatcategorieën in de volgende volgorde: uitstekend, redelijk, gemiddeld, geen.
Facet 2: Potentieel van een schot
Ten tweede houdt ons algoritme rekening met het potentieel van een schot. Dit houdt in hoe waarschijnlijk het had moeten zijn dat het tot een doelpunt had geleid, waardoor de feitelijke prestatie van de schutter buiten beschouwing wordt gelaten. Met andere woorden, we kwantificeren het doelpotentieel van de situatie waarin het schot werd genomen. Dit wordt vastgelegd door de verwacht doel (xGoals) waarde van het schot. We verwijderen niet alleen het optreden van geluk of het ontbreken daarvan, maar ook de kwaliteit van de strike of header.
Facet 3: Aantal decorstukken
Vervolgens beschouwen we het aspect van pure hoeveelheid van spelhervattingen die een team krijgt. Onze definitie van Set Piece Threat meet de dreiging per set-piece. In plaats van alle uitkomsten en xGoal-waarden van een team in de loop van een seizoen bij elkaar op te tellen, worden de waarden zodanig geaggregeerd dat ze de gemiddelde dreiging per spelhervatting vertegenwoordigen. Op die manier vertegenwoordigt de hoekdreiging bijvoorbeeld het gevaar van het team voor elke hoek en beschouwt een team niet als gevaarlijker simpelweg omdat ze meer corners hebben dan andere teams (en dus mogelijk meer schoten of doelpunten).
Facet 4: Ontwikkeling in de tijd
Het laatste aspect dat moet worden overwogen, is de ontwikkeling van de dreiging van een team na verloop van tijd. Denk bijvoorbeeld aan een team dat in de eerste drie speeldagen drie doelpunten uit corners heeft gescoord, maar de komende 15 speeldagen geen noemenswaardige dreiging kan afleveren. Dit team mag op speeldag 19 niet worden beschouwd als een significante bedreiging vanuit corners, ondanks dat het al drie keer heeft gescoord, wat nog steeds een goede return kan zijn. We houden rekening met deze (positieve of negatieve) ontwikkeling van de spelhervattingskwaliteit van een team door een korting toe te kennen aan elk spelverloop, afhankelijk van hoe lang geleden het gebeurde. Met andere woorden, een vrije trap die 10 speeldagen geleden is genomen heeft minder invloed op de berekende dreiging dan een genomen tijdens de laatste of zelfs lopende wedstrijd.
Score: Per set stuk aggregatie
Alle vier de facetten die we hebben beschreven, zijn geaggregeerd in twee waarden voor elk team, één voor corners en één voor vrije trappen, die het gevaar beschrijven dat een overeenkomstige spelhervatting door dat team momenteel zou vormen. De waarde wordt gedefinieerd als het gewogen gemiddelde van de scores van elk bepaald stuk, waarbij de score van een bepaald stuk wordt gedefinieerd als: (0.7 * shot-outcome + 0.3 * xG-value)
als het spelonderbreking resulteerde in een schot en 0 anders. De shot-outcome
is 1 als het team scoorde en lager voor andere uitkomsten, zoals een schot dat naast ging, afhankelijk van de kwaliteit ervan. Het gewicht voor elk setstuk wordt bepaald door hoe lang geleden het is genomen, zoals eerder beschreven. Over het algemeen zijn de waarden gedefinieerd tussen 0-1, waarbij 1 de perfecte score is.
Set stuk dreiging
Vervolgens worden de waarden voor elk team vergeleken met het competitiegemiddelde. De exacte formule is score(team)/avg_score(league) - 1
. Deze waarde noemen we de Set Piece Threat-waarde. Een team heeft een dreigingswaarde van 0 als het precies zo goed is als het competitiegemiddelde. Een waarde van -1 (of -100%) beschrijft een team dat helemaal geen bedreiging vormt, en een waarde van +1 (+100%) beschrijft een team dat twee keer zo gevaarlijk is als het competitiegemiddelde. Met die waarden berekenen we een rangschikking die de teams rangschikt van 1-18 op basis van hun offensieve dreiging van respectievelijk corners en vrije trappen.
We gebruiken dezelfde gegevens en vergelijkbare berekeningen om ook een defensieve dreiging te berekenen die de defensieve prestaties van een team meet met betrekking tot hoe ze spelhervattingen verdedigen. Nu berekent het algoritme een score per spel van de tegenstander, in plaats van een score per eigen spel te berekenen. Net als voor de offensieve dreiging wordt de score vergeleken met het competitiegemiddelde, maar de waarde wordt omgekeerd: -score(team)/avg_score(league) + 1
. Op deze manier wordt een dreiging van +1 (+100%) bereikt als het team tegenstanders helemaal geen schoten toestaat, terwijl een team met een defensieve dreiging van -1 (-100%) twee keer zo gevoelig is voor spelhervattingen van de tegenstander als de competitie gemiddeld. Nogmaals, een team met een dreiging van 0 is zo goed als het competitiegemiddelde.
Set Piece Threat bevindingen
Een belangrijk aspect van Set Piece Threat is dat we ons richten op een inschatting van de dreiging in plaats van doelpunten die gescoord en toegegeven worden via spelhervattingen. Als we SC Freiburg en Union Berlin op speeldag 21 als voorbeeld nemen, heeft Freiburg dit seizoen zeven doelpunten gemaakt via corners in vergelijking met vier van Union Berlin. Onze dreigingsranglijst rangschikt beide teams nog steeds redelijk gelijk. Sterker nog, we voorspellen een corner van Freiburg (Rank 3) zelfs 7% minder bedreigend dan een corner van Union Berlin (Rank 1). De belangrijkste reden hiervoor is dat Union Berlin een vergelijkbaar aantal grote kansen uit hun corners creëerde, maar deze kansen niet in doelpunten wist om te zetten. Freiburg was daarentegen veel efficiënter met hun kansen. Zo'n discrepantie tussen kanskwaliteit en werkelijke doelen kan voorkomen in een sport met hoge variantie zoals voetbal.
De volgende grafiek toont de rangschikking van de aanvallende hoekschoppen van Union Berlin (blauw) en de score (rood) van speeldagen 6-21. Union scoorde op speeldag 12 een doelpunt uit een corner en kreeg bovendien een grote kans uit een tweede corner die niet tot een doelpunt leidde, maar door ons algoritme als een grote bedreiging werd gezien. Daarnaast schoot Union op speeldag 12 in vijf van de zeven hoekschoppen op doel. Union sprong hierdoor direct van de twaalfde naar de vijfde plaats op de ranglijst en de scorewaarde voor Union steeg evenals het competitiegemiddelde. Toen Union in de latere speeldagen vanuit corners steeds meer hoge dreigingskansen zag, eisten ze stap voor stap de eerste plaats op van de ranglijst van hoekdreigingen. De score is altijd relatief ten opzichte van het huidige competitiegemiddelde, wat betekent dat de dreiging van Union op speeldag 21 50% hoger is vanuit corners dan de gemiddelde dreiging van alle teams in de competitie.
Implementatie en architectuur
Bundesliga Match Facts zijn onafhankelijk van elkaar AWS Fargate containers binnen Amazon Elastic Container-service (Amazon ECS). Eerdere Bundesliga Match Facts gebruiken ruwe gebeurtenis- en positiegegevens om geavanceerde statistieken te berekenen. Dit verandert met de release van Set Piece Threat, die gegevens analyseert die zijn geproduceerd door een bestaand Bundesliga Match Fact (xDoelen) om de ranglijst te berekenen. Daarom hebben we een architectuur gecreëerd om berichten uit te wisselen tussen verschillende Bundesliga Match Facts tijdens live wedstrijden in realtime.
Om te garanderen dat de nieuwste gegevens worden weerspiegeld in de berekeningen van het set-piece-bedreigingen, gebruiken we: Amazon Managed Streaming voor Apache Kafka (Amazon MSK). Met deze message broker-service kunnen verschillende Bundesliga Match Facts de nieuwste evenementen en updates in realtime verzenden en ontvangen. Door een wedstrijd en Bundesliga Match Fact-specifiek onderwerp van Kafka te gebruiken, kunnen we de meest actuele gegevens van alle betrokken systemen ontvangen, terwijl we de mogelijkheid behouden om eerder verzonden berichten opnieuw af te spelen en opnieuw te verwerken.
Het volgende diagram illustreert de oplossingsarchitectuur:
We hebben Amazon MSK bij dit project geïntroduceerd om in het algemeen alle interne berichten voor het Bundesliga Match Facts-platform te vervangen. Het zorgt voor de injectie van positie- en gebeurtenisgegevens, die kunnen worden samengevoegd tot meer dan 3.6 miljoen gegevenspunten per wedstrijd. Met Amazon MSK kunnen we de onderliggende permanente opslag van berichten gebruiken, waardoor we games vanaf elk moment opnieuw kunnen spelen. Voor Set Piece Threat ligt de focus echter op het specifieke gebruik van evenementen die worden geproduceerd door Bundesliga Match Facts naar andere Bundesliga Match Facts die parallel lopen.
Om dit te vergemakkelijken, maken we onderscheid tussen twee soorten Kafka-onderwerpen: globaal en wedstrijdspecifiek. Ten eerste heeft elk Bundesliga Match Fact een eigen specifiek wereldwijd onderwerp, dat alle berichten behandelt die door het Bundesliga Match Fact zijn gemaakt. Daarnaast is er een extra wedstrijdspecifiek onderwerp voor elk Bundesliga Match Fact voor elke wedstrijd dat alle berichten behandelt die door een Bundesliga Match Fact voor een specifieke wedstrijd zijn gemaakt. Wanneer meerdere live wedstrijden parallel lopen, wordt elk bericht eerst geproduceerd en verzonden naar dit Bundesliga Match Fact-specifieke wereldwijde onderwerp.
een coördinator AWS Lambda functie is geabonneerd op elk Bundesliga Match Fact-specifiek wereldwijd onderwerp en heeft twee taken:
- Schrijf de binnenkomende gegevens naar een database die is ingericht via Amazon relationele databaseservice (Amazone RDS).
- Verspreid de berichten die kunnen worden gebruikt door andere Bundesliga Match Facts naar een Bundesliga Match Fact-specifiek onderwerp.
De linkerkant van het architectuurdiagram toont de verschillende Bundesliga Match Facts die onafhankelijk van elkaar voor elke wedstrijd worden uitgevoerd en berichten produceren over het wereldwijde onderwerp. De nieuwe Set Piece Threat Bundesliga Match Fact kan nu de nieuwste xGoal-waarden gebruiken voor elk schot voor een specifieke wedstrijd (rechterkant van het diagram) om onmiddellijk de dreiging te berekenen die werd geproduceerd door het spelbreker dat resulteerde in een of meer schoten.
Samengevat
We zijn enthousiast over de lancering van Set Piece Threat en de patronen die commentatoren en fans zullen ontdekken met behulp van dit gloednieuwe inzicht. Naarmate teams meer en meer willen profiteren van deze dode hoeksituaties, zal Set Piece Threat de kijker helpen begrijpen welk team dit met succes doet en welk team nog wat te doen heeft, wat extra spanning toevoegt voor elk van deze spelsituaties. De nieuwe Bundesliga Match Fact is beschikbaar voor de omroepen van de Bundesliga om nieuwe perspectieven en verhalen van een wedstrijd te ontdekken, en teamranglijsten kunnen op elk moment worden bekeken in de Bundesliga-app.
We zijn benieuwd welke patronen je zult ontdekken. Deel uw inzichten met ons: @AWScloud op Twitter, met de hashtag #BundesligaMatchFacts.
Over de auteurs
Simon Rolfes speelde 288 Bundesliga-wedstrijden als centrale middenvelder, scoorde 41 doelpunten en won 26 interlands voor Duitsland. Momenteel is Rolfes Sporting Director bij Bayer 04 Leverkusen, waar hij toezicht houdt op en de ontwikkeling van de selectie van profspelers, de scoutingafdeling en de jeugdontwikkeling van de club. Simon schrijft ook wekelijkse columns op Bundesliga.com over de nieuwste Bundesliga Match Facts powered by AWS
Luuk Figdor is een Senior Sports Technology Specialist in het AWS Professional Services-team. Hij werkt samen met spelers, clubs, competities en mediabedrijven zoals de Bundesliga en de Formule 1 om hen te helpen verhalen te vertellen met data met behulp van machine learning. In zijn vrije tijd leert hij graag alles over de geest en het snijvlak tussen psychologie, economie en AI.
Jan Bauer is Cloud Application Architect bij AWS Professional Services. Zijn interesses zijn serverless computing, machine learning en alles wat met cloud computing te maken heeft. Hij werkt met klanten in verschillende sectoren om hen te helpen succesvol te zijn op hun cloudreis.
Pascal Kuhner is een Cloud Application Developer in het AWS Professional Services Team. Hij werkt samen met klanten in verschillende sectoren om hen te helpen hun bedrijfsresultaten te behalen via applicatieontwikkeling, DevOps en infrastructuur. Hij houdt van balsporten en speelt in zijn vrije tijd graag basketbal en voetbal.
Uwe Dick is een datawetenschapper bij Sportec Solutions AG. Hij werkt eraan om Bundesliga-clubs en -media in staat te stellen hun prestaties te optimaliseren met behulp van geavanceerde statistieken en gegevens - voor, na en tijdens wedstrijden. In zijn vrije tijd neemt hij genoegen met minder en probeert hij gewoon de volle 90 minuten vol te houden voor zijn recreatief voetbalteam.
Javier Poveda-Panter is een Data Scientist voor EMEA-sportklanten binnen het AWS Professional Services-team. Hij stelt klanten op het gebied van kijksporten in staat om te innoveren en te profiteren van hun data, door hoogwaardige gebruikers- en fanervaringen te leveren door middel van machine learning en datawetenschap. Zijn passie voor een breed scala aan sport, muziek en AI volgt hij in zijn vrije tijd.
- Coinsmart. Europa's beste Bitcoin- en crypto-uitwisseling.
- Platoblockchain. Web3 Metaverse Intelligentie. Kennis versterkt. GRATIS TOEGANG.
- CryptoHawk. Altcoin-radar. Gratis proefversie.
- Bron: https://aws.amazon.com/blogs/machine-learning/bundesliga-match-fact-set-piece-threat-evaluating-team-performance-in-set-pieces-on-aws/
- "
- 28
- 7
- Over
- Volgens
- Account
- bereikt
- over
- Extra
- vergevorderd
- AI
- algoritme
- Alles
- Het toestaan
- al
- Amazone
- analytics
- gebruiken
- Aanvraag
- architectuur
- GEBIED
- Beschikbaar
- gemiddelde
- AWS
- Basketbal
- Beierse
- makelaar
- bedrijfsdeskundigen
- Bellen
- kansen
- Cloud
- cloud computing
- komst
- Bedrijven
- vergeleken
- concurrentie
- Berekenen
- computergebruik
- Conferentie
- beschouwt
- consumeren
- Containers
- containers
- Actueel
- Klanten
- gegevens
- data science
- data scientist
- Database
- dood
- het leveren van
- Niettegenstaande
- Ontwikkelaar
- Ontwikkeling
- anders
- Director
- Korting
- Nee
- Economie
- Europa
- Nederlands
- Event
- EVENTS
- alles
- voorbeeld
- uitwisseling
- Ervaringen
- einde
- Voornaam*
- Focus
- volgend
- Voetbal
- Formule 1
- Gratis
- vol
- functie
- spel
- Spellen
- Duitsland
- Globaal
- doel
- Doelen
- gaan
- goed
- groot
- Behandeling
- met
- Hoogte
- hulp
- helpt
- Hoge
- Hoe
- HTTPS
- belang
- belangrijk
- Anders
- inclusief
- meer
- industrieën
- beïnvloeden
- Infrastructuur
- inzichten
- belangen
- betrokken zijn
- IT
- laatste
- lancering
- leiden
- competities
- LEARN
- leren
- LED
- lang
- machine
- machine learning
- Match
- betekenis
- Media
- miljoen
- denken
- meest
- Muziek
- open
- bestellen
- orders
- Overige
- anders-
- prestatie
- perspectieven
- stuk
- platform
- Spelen
- speler
- spelers
- Pro
- geproduceerd
- professioneel
- project
- promotie
- Psychologie
- kwaliteit
- Quarter
- reeks
- Rauw
- Lezer
- real-time
- ontvangen
- RECREATIE
- los
- vertegenwoordigt
- REST
- Resultaten
- lopen
- lopend
- Wetenschap
- Wetenschapper
- beveiligen
- Serverless
- service
- Diensten
- reeks
- vestigt zich
- Delen
- aanzienlijke
- gelijk
- So
- Voetbal
- Oplossingen
- Sport
- Sport
- statistiek
- stats
- mediaopslag
- Blog
- streaming
- sterke
- succes
- geslaagd
- Met goed gevolg
- Systems
- doelwit
- taken
- team
- Technologie
- Door
- niet de tijd of
- samen
- onderwerpen
- ontdekken
- begrijpen
- unie
- updates
- us
- .
- waarde
- Video
- websites
- per week
- Wat
- binnen
- woorden
- Mijn werk
- werkte
- Bedrijven
- het schrijven van
- jaar