Бундесліга Match Fact Pressure Handling: Оцінка виступів гравців у ситуаціях високого тиску на AWS PlatoBlockchain Data Intelligence. Вертикальний пошук. Ai.

Бундесліга Match Fact Pressure Handling: Оцінка виступів гравців у ситуаціях високого тиску на AWS

Пресинг у футболі – це процес, у якому команда намагається застосувати стрес до гравця суперника, який володіє м’ячем. Команда чинить тиск, щоб обмежити час, що залишився гравцеві суперника, щоб прийняти рішення, зменшити варіанти передач і, зрештою, спробувати перевернути володіння м’ячем. Хоча майже всі команди прагнуть чинити тиск на суперників, їхня стратегія може бути різною.

Деякі команди використовують так званий глибокий прес, залишаючи супернику час і простір для просування м’яча вгору. Однак, коли м’яч досягає останньої третини поля, захисники прагнуть перехопити м’яч, тиснучи на власника м’яча. Трохи менш консервативний підхід середній прес. Тут тиск здійснюється навколо половини лінії, де захисники намагаються вести нарощування в певному напрямку, блокуючи відкритих гравців і проходи, щоб остаточно відштовхнути суперника назад. Боруссія Дортмунд під керівництвом Юргена Клоппа була однією з найефективніших команд, які використовували середній прес. Найбільш агресивний тип пресингу, який застосовують команди, - це високий прес стратегія. Тут команда прагне чинити тиск на захисників і воротаря, зосереджуючись на прямому тиску на носія м’яча, залишаючи їм достатньо часу для вибору правильних варіантів пасу, оскільки вони повинні покривати м’яч. У цій стратегії пресингова команда намагається перевернути володіння м’ячем шляхом викликів або перехоплення неохайних передач.

У лютому 2021 року Бундесліга опублікувала першу інформацію про те, як команди чинять тиск за допомогою Найпопулярніший факт про матчі гравців на основі AWS. Гравець із найбільшим тиском у режимі реального часу визначає кількісний тиск оборони, з яким стикаються гравці, дозволяючи вболівальникам порівнювати тиск на одних гравців з іншими. Протягом останніх 1.5 років цей Match Fact надав уболівальникам нові відомості про те, наскільки команди чинили тиск, а також викликав нові запитання, наприклад «Чи був цей тиск успішним?» або «Як цей гравець справляється з тиском?»

Представляємо Pressure Handling, новий факт про матч Bundesliga Match Fact, метою якого є оцінка продуктивності гравця, на якого часто натискають, за допомогою різних показників. Управління тиском є ​​подальшим розвитком гравця з найбільшим тиском і додає якісний компонент до кількості значних ситуацій тиску, в яких опиняється гравець, який володіє м’ячем. Центральним статистичним показником у цьому новому факті про матч є коефіцієнт виходу, який показує, як часто гравець успішно вирішує ситуації тиску, зберігаючи володіння для своєї команди. Крім того, вболівальники отримують уявлення про результати пасів і ударів гравців під тиском.

Ця публікація глибше занурюється в те, як команда AWS тісно співпрацювала з Бундеслігою, щоб втілити в життя Pressure Handling Match Fact.

Бундесліга Match Fact Pressure Handling: Оцінка виступів гравців у ситуаціях високого тиску на AWS PlatoBlockchain Data Intelligence. Вертикальний пошук. Ai.

Як це працює?

Цей новий факт про матч Бундесліги описує ефективність гравців у ситуаціях тиску. Наприклад, атакуючий гравець, який володіє м’ячем, може зазнати тиску з боку захисників суперника. Існує значна ймовірність того, що він втратить м'яч. Якщо цьому гравцеві вдається вирішити ситуацію тиску, не втрачаючи м’яч, він підвищує свою ефективність під тиском. Невтрата м'яча визначається як команда збереження володіння м'ячем після закінчення індивідуального володіння м'ячем гравця. Це може бути, наприклад, вдалий пас на партнера по команді, фол, або виконання вкидання чи кутового удару. Навпаки, гравець, якого тиснуть, може втратити м’яч через підкат або невдалу передачу. Ми враховуємо лише ті володіння м’ячем, під час яких гравець отримав м’яч від свого партнера по команді. Таким чином, ми виключаємо ситуації, коли вони перехоплюють м’яч і відразу перебувають під тиском (що зазвичай буває).

Ми об’єднуємо продуктивність гравця у витриманні тиску в один KPI eвідшарування rїв. Коефіцієнт втечі визначається як частка володіння м’яча гравцем, коли він був під тиском і не втратив м’яч. У цьому випадку «під тиском» визначається як значення тиску >0.6 (див. наш попередній публікації для отримання додаткової інформації щодо самого значення тиску). Коефіцієнт втечі дозволяє нам оцінювати гравців за матч або за сезон. Наступна евристика використовується для обчислення коефіцієнта виходу:

  1. Ми починаємо з серії подій тиску, заснованих на існуючому факті матчу гравця, який найбільше відчуває тиск. Кожна подія складається зі списку, що містить усі окремі події тиску на власника м’яча протягом однієї фази індивідуального володіння м’ячем (IBP).
  2. Для кожної фази ми обчислюємо максимальний сукупний тиск на кульову опору.
  3. Як згадувалося раніше, фаза тиску повинна задовольняти двом умовам, щоб вважатися:
    1. Попередній IBP був гравцем тієї ж команди.
    2. Максимальний тиск на гравця під час поточного IBP становив > 0.6.
  4. Якщо наступний IBP припадає на гравця тієї ж команди, ми зараховуємо це як втечу. В іншому випадку це зараховується як втрачений м'яч.
  5. Для кожного гравця ми обчислюємо коефіцієнт втечі, підраховуючи кількість втеч і ділячи її на кількість подій тиску.

Приклади втеч

Щоб проілюструвати різні способи успішного подолання тиску, наведені нижче відео показують чотири приклади того, як Джошуа Кімміх втікає від ситуацій тиску (5 тур, сезон 22/23 – Уніон Берлін проти Баварії Мюнхен).

Джошуа Кімміх виходить з-під тиску та пасує на фланг.

Джошуа Кімміх виконує швидкий пас вперед, щоб уникнути наступного тиску.

Джошуа Кімміх двічі врятувався від тиску. Перша втеча відбувається шляхом ковзного підкату суперника, який, тим не менш, призвів до збереженого командного володіння м’ячем. Друга втеча полягає в тому, що на вас чинять фол і тим самим утримуються командне володіння м’ячем.

Джошуа Кімміх рятується від тиску швидким рухом і передачею.

Висновки керування тиском

Давайте подивимося на деякі висновки.

Бундесліга Match Fact Pressure Handling: Оцінка виступів гравців у ситуаціях високого тиску на AWS PlatoBlockchain Data Intelligence. Вертикальний пошук. Ai.

За допомогою Pressure Handling Match Fact гравці ранжуються відповідно до рівня втечі на основі матчу. Щоб мати справедливе порівняння між гравцями, ми оцінюємо лише гравців, які перебували під тиском принаймні 10 разів.

У наведеній нижче таблиці показано, скільки разів гравець потрапляв у топ-2 рейтингу матчів за перші сім турів сезону 2022/23. Ми показуємо лише гравців, які принаймні тричі потрапили в топ-2.

Кількість разів у топ-2 Гравець Кількість разів у рейтингу
4 Джошуа Кімміч 5
4 Ексекіель Паласіос 6
3 Джуд Біллінгем 7
3 Альфонсо Девіс 6
3 Ларс Штіндл 3
3 Йонас Гектор 6
3 Вінченцо Гріфо 4
3 Кевін Стьогер 7

Джошуа Кімміх і Ексекіель Паласіос лідирують у групі, по чотири потрапивши в топ-2 рейтингу матчів. Окремо можна відзначити Ларса Штіндля, який тричі потрапив у топ-2, незважаючи на те, що зіграв лише тричі, перш ніж травма завадила подальшим стартам Бундесліги.

Як це реалізується?

Бундесліга Match Fact Pressure Handling використовує позиції та дані про події, а також дані з інших Бундесліги Match Facts, а саме xPasses і Most Pressed Player. Факти збігу працюють незалежно AWS Fargate контейнери всередині Служба еластичних контейнерів Amazon (Amazon ECS). Щоб гарантувати відображення останніх даних у розрахунках керування тиском, ми використовуємо Amazon керував потоковим передаванням для Apache Kafka (Amazon MSK).

Amazon MSK дозволяє різним Фактам про матчі Бундесліги надсилати та отримувати найновіші події та оновлення в режимі реального часу. Використовуючи Kafka, ми отримуємо найактуальніші події з усіх систем. Наступна діаграма ілюструє наскрізний робочий процес для керування тиском.

Бундесліга Match Fact Pressure Handling: Оцінка виступів гравців у ситуаціях високого тиску на AWS PlatoBlockchain Data Intelligence. Вертикальний пошук. Ai.

Управління тиском починає розраховуватись після того, як надходить подія від факту матчу гравця з найбільшим тиском. Контейнер керування тиском записує поточну статистику до теми в Amazon MSK. Центральний AWS Lambda використовує ці повідомлення від Amazon MSK і записує показники вихідних сигналів у an Амазонська Аврора бази даних. Потім ці дані використовуються для інтерактивної візуалізації майже в реальному часі Amazon QuickSight. Крім того, результати також надсилаються до каналу, який потім запускає іншу функцію Lambda, яка надсилає дані до зовнішніх систем, де їх можуть споживати мовники по всьому світу.

Підсумки

У цьому дописі ми продемонстрували, як нова Бундесліга Match Fact Pressure Handling дає змогу кількісно оцінити та об’єктивно порівняти результативність різних гравців Бундесліги в ситуаціях високого тиску. Для цього ми будуємо та об’єднуємо раніше опубліковані Факти про матчі Бундесліги в режимі реального часу. Це дозволяє коментаторам і вболівальникам зрозуміти, які гравці сяють під тиском суперників.

Нові факти про матчі Бундесліги є результатом глибокого аналізу футбольних експертів Бундесліги та дослідників даних AWS. Надзвичайні коефіцієнти втечі відображаються в прямому ефірі відповідних матчів в офіційному додатку Bundesliga. Під час трансляції коефіцієнти втечі надаються коментаторам через пошук історії даних і візуально показується вболівальникам у ключові моменти, наприклад, коли гравець із високим рівнем тиску та швидкістю виходу забиває гол, виконує винятково вдалі паси або долає багато труднощів, зберігаючи контроль над м’ячем.

Ми сподіваємося, що вам сподобається цей абсолютно новий факт про матч Бундесліги, і він надасть вам нові знання про гру. Щоб дізнатися більше про партнерство між AWS і Бундеслігою, відвідайте сайт Бундесліга на AWS!

Ми раді дізнатися, які закономірності ви відкриєте. Поділіться з нами своїми думками: @AWScloud у Twitter, з хештегом #BundesligaMatchFacts.


Про авторів

Саймон Рольфес провів 288 ігор у Бундеслізі на позиції центрального півзахисника, забив 41 гол і виграв 26 матчів за Німеччину. Зараз Рольфес працює керуючим спортивним директором у «Байєрі 04» (Леверкузен), де він наглядає та розвиває склад професійних гравців, скаутський відділ і розвиток молоді в клубі. Саймон також пише щотижневі колонки Bundesliga.com про останні факти про матчі Бундесліги на основі AWS. Там він пропонує свій досвід колишнього гравця, капітана та телеаналітика, щоб підкреслити вплив передової статистики та машинного навчання на світ футболу.

Луук Фігдор є радником зі спортивних технологій у команді професійних послуг AWS. Він працює з гравцями, клубами, лігами та медіа-компаніями, такими як Бундесліга та Формула-1, щоб допомогти їм розповідати історії за допомогою даних за допомогою машинного навчання. У вільний час він любить вивчати все про розум і перетин психології, економіки та ШІ.

Хав'єр Поведа-Пантер є дослідником даних для спортивних клієнтів у регіоні EMEA в команді AWS Professional Services. Він дозволяє клієнтам у сфері глядацьких видів спорту впроваджувати інновації та використовувати свої дані, забезпечуючи високоякісну роботу користувачів і вболівальників за допомогою машинного навчання та науки про дані. У вільний час він займається різними видами спорту, музикою та ШІ.

Тарек Хашемі є консультантом AWS Professional Services. Його навички та сфери знань включають розробку додатків, науку про дані, машинне навчання та великі дані. Він підтримує клієнтів у розробці додатків на основі даних у хмарі. До приходу в AWS він також був консультантом у різних галузях, таких як авіація та телекомунікації. Він захоплений тим, щоб допомогти клієнтам під час подорожі даних/ШІ до хмари.

Фотінос Кіріакід є консультантом AWS Professional Services. Завдяки своїй роботі інженером з обробки даних і розробником додатків він підтримує клієнтів у розробці додатків у хмарі, які використовують та впроваджують інновації на основі інформації, отриманої з даних. У вільний час любить бігати та досліджувати природу.

Уве Дік є дослідником даних у Sportec Solutions AG. Він працює над тим, щоб клуби і засоби масової інформації Бундесліги могли оптимізувати свою продуктивність за допомогою передової статистики та даних — до, після та під час матчів. У вільний час він задовольняється меншим і просто намагається витримати всі 90 хвилин для своєї розважальної футбольної команди.

Часова мітка:

Більше від AWS Машинне навчання