足球中的逼抢或施压是球队试图向持球的对方球员施加压力的过程。球队施加压力,限制对方球员做出决定的时间,减少传球选择,并最终尝试交出控球权。尽管几乎所有球队都试图向对手施加压力,但他们的策略可能会有所不同。
有些球队采用所谓的深度紧逼,给对手留下时间和空间将球向前推进。然而,一旦球到达场地的最后三分之一,防守队员就会通过向持球者施压来拦截球。稍微不那么保守的方法是 中压。压力施加在中场线周围,防守者试图将进攻带向某个方向,阻挡空位球员和传球路线,最终迫使对手后退。尤尔根·克洛普领导下的多特蒙德队是使用中路逼抢最高效的球队之一。最具侵略性的紧逼球队类型是 高压 战略。在这里,球队试图向后卫和守门员施加压力,重点是对持球者直接施压,让他们有足够的时间选择正确的传球选择,因为他们必须覆盖球。在这种策略中,逼抢球队试图通过挑战或拦截草率的传球来交出控球权。
2021 年 XNUMX 月,德甲首次发布了关于球队如何施加压力的见解 由 AWS 提供支持的最受关注的玩家比赛事实。最受压力的球员实时量化球员遇到的防守压力,让球迷可以比较某些球员与其他球员受到压力的情况。在过去的 1.5 年里,这个比赛事实为球迷提供了关于有多少球队施加压力的新见解,但也产生了新的问题,例如“这种压力是否成功?”或“这位球员如何应对压力?”
引入压力处理,这是一种新的德甲比赛数据,旨在使用不同的指标来评估经常受到压力的球员的表现。压力处理是“最受压迫球员”的进一步发展,并为控球球员发现自己陷入的重大压力情况的数量增加了质量成分。这个新的比赛事实中的一个核心统计数据是逃逸率,它表明球员发生的频率通过为球队保留控球权来成功解决压力情况。此外,球迷还可以深入了解球员在压力下的传球和投篮表现。
这篇文章深入探讨了 AWS 团队如何与德甲联赛密切合作,将压力处理比赛事实变为现实。
我们如何运作?
这个新的德甲比赛数据描述了球员在压力情况下的表现。例如,控球的进攻球员可能会受到对方防守球员的压力。他丢球的可能性很大。如果该球员能够在不丢球的情况下解决压力情况,他们就会在压力下提高表现。不丢球定义为球队 保持控球权 球员个人控球权结束后。例如,这可能是通过成功传球给队友、被犯规、或者获得界外球或角球。相比之下,受压迫的球员可能会因铲球或不成功的传球而失去球权。我们只计算球员从队友那里接球的控球次数。这样,我们就排除了他们拦截球并立即受到压力的情况(这种情况通常会发生)。
我们将玩家的压力处理表现汇总为一个名为“KPI”的 KPI e花茎 r吃。逃逸率定义为球员在压力下且没有丢球的情况下控球的比例。在这种情况下,“在压力下”被定义为压力值 >0.6(参见我们的 以前的帖子 有关压力值本身的更多信息)。逃逸率使我们能够根据每场比赛或每个赛季来评估球员。以下启发式用于计算逃逸率:
- 我们从一系列压力事件开始,基于现有的压力最大的球员比赛事实。每个事件都包含一个列表,其中包含单个控球 (IBP) 阶段中持球者身上的所有单独压力事件。
- 对于每个阶段,我们计算球载体上的最大聚合压力。
- 如前所述,压力阶段需要满足两个条件才能被考虑:
- 之前的IBP是由同队的一名选手完成的。
- 当前 IBP 期间玩家承受的最大压力 > 0.6。
- 如果随后的 IBP 记入同一队的球员,我们将其视为越狱。否则,算作丢球。
- 对于每个玩家,我们通过计算逃脱次数并将其除以压力事件数来计算逃脱率。
逃脱的例子
为了说明成功解决压力的不同方法,以下视频展示了约书亚·基米希 (Joshua Kimmich) 逃离压力情况的四个示例(第 5 比赛日,第 22/23 赛季 - 柏林联合队 vs 拜仁慕尼黑队)。
约书亚·基米希摆脱压力,传球到边路。
约书亚·基米希快速向前传球以逃避随之而来的压力。
约书亚·基米希两次逃脱压力。第一次逃脱是通过对手的滑铲,但这仍然导致球队保留了控球权。第二次逃脱是被犯规,从而保留球队控球权。
约书亚·基米希通过快速移动和传球摆脱了压力。
压力处理结果
让我们看看一些发现。
通过压力处理比赛事实,球员可以根据比赛中的逃生率进行排名。为了在球员之间进行公平比较,我们只对承受压力至少10次的球员进行排名。
下表显示了 2/2022 赛季前 23 个比赛日某球员进入比赛排名前 2 的次数。我们只显示在前 XNUMX 名中出场至少 XNUMX 次的球员。
进入前2名的次数 | 播放机 | 排名次数 |
4 | 约书亚·金米奇 | 5 |
4 | 埃奎尔宫 | 6 |
3 | 裘德·贝灵汉(Jude Bellingham) | 7 |
3 | 阿方索戴维斯 | 6 |
3 | 拉斯·斯汀德尔 | 3 |
3 | 乔纳斯·赫克托 | 6 |
3 | 文森佐·格里福(Vincenzo Grifo) | 4 |
3 | 凯文·斯托格 | 7 |
约书亚·基米希 (Joshua Kimmich) 和埃克塞奎尔·帕拉西奥斯 (Exequiel Palacios) 分别在比赛排名前 2 名中出场 2 次,位列榜首。特别值得一提的是拉尔斯·施廷德尔,尽管在因伤阻止德甲联赛进一步开赛之前只出场了 XNUMX 次,但他还是 XNUMX 次进入前 XNUMX 名。
它是如何实施的?
德甲比赛事实压力处理消耗位置和事件数据,以及来自其他德甲比赛事实的数据,即 xPasses 和最受压迫的球员。比赛事实独立运行 AWS 法门 里面的容器 亚马逊弹性容器服务 (亚马逊 ECS)。为了保证最新数据反映在压力处理计算中,我们使用 适用于Apache Kafka的Amazon托管流 (亚马逊 MSK)。
Amazon MSK 允许不同的德甲比赛事实实时发送和接收最新的赛事和更新。通过使用 Kafka,我们可以从所有系统接收最新的事件。下图说明了压力处理的端到端工作流程。
在从最受压力的玩家比赛事实接收到事件后,压力处理开始计算。压力处理容器将当前统计数据写入 Amazon MSK 中的主题。一个中央 AWS Lambda 函数使用来自 Amazon MSK 的这些消息,并将转义率写入 亚马逊极光 数据库。 然后将该数据用于交互式近实时可视化,使用 亚马逊QuickSight。除此之外,结果还会发送到一个 feed,然后触发另一个 Lambda 函数,将数据发送到外部系统,全世界的广播公司都可以使用这些数据。
总结
在这篇文章中,我们演示了新的德甲比赛事实压力处理如何能够量化和客观比较不同德甲球员在高压情况下的表现。为此,我们以之前发布的实时德甲比赛事实为基础并结合起来。这使得评论员和球迷能够了解哪些球员在受到对手压力时表现出色。
新的德甲比赛数据是德甲足球专家和 AWS 数据科学家深入分析的结果。德甲官方应用程序中相应比赛的实时行情显示了非凡的逃逸率。在广播期间,逃逸率通过 数据故事查找器 并在关键时刻以视觉方式向球迷展示,例如当一名具有高压力数和逃逸率的球员进球、传球出色或在保持控球能力的同时克服许多挑战时。
我们希望您喜欢这个全新的德甲比赛实况,并希望它为您提供对比赛的新见解。 要了解有关 AWS 与德甲之间合作关系的更多信息,请访问 AWS 上的德甲联赛!
我们很高兴了解您将发现哪些模式。 与我们分享您的见解: 推特上的@AWScloud,带有#BundesligaMatchFacts 标签。
作者简介
西蒙·罗尔夫斯 作为中场球员,他在德甲联赛中出场 288 场,打进 41 粒进球,并为德国队出场 26 次。目前,罗尔夫斯担任勒沃库森拜耳 04 体育部总经理,负责监督和发展职业球员名单、球探部门以及俱乐部的青年发展。西蒙还每周撰写专栏 Bundesliga.com 关于由 AWS 提供支持的最新德甲比赛事实。 在那里,他提供了他作为前球员、队长和电视分析师的专业知识,以突出高级统计和机器学习对足球世界的影响。
卢克·菲格多 是 AWS 专业服务团队的体育技术顾问。 他与球员、俱乐部、联赛和媒体公司(如德甲和一级方程式)合作,帮助他们使用机器学习利用数据讲述故事。 在业余时间,他喜欢学习所有关于思维以及心理学、经济学和人工智能之间的交叉点的知识。
哈维尔·波韦达-潘特 是 AWS 专业服务团队中 EMEA 体育客户的数据科学家。 他使观众体育领域的客户能够创新并利用他们的数据,通过机器学习和数据科学提供高质量的用户和球迷体验。 他在业余时间追随对各种运动、音乐和人工智能的热情。
塔雷克·哈舍米 是 AWS 专业服务部的一名顾问。 他的技能和专业领域包括应用程序开发、数据科学、机器学习和大数据。 他支持客户在云中开发数据驱动的应用程序。 在加入 AWS 之前,他还是航空和电信等多个行业的顾问。 他热衷于帮助客户进行数据/人工智能云之旅。
福蒂诺斯·基里亚基德斯 是 AWS 专业服务顾问。通过担任数据工程师和应用程序开发人员,他支持客户在云中开发应用程序,利用数据生成的见解并进行创新。业余时间,他喜欢跑步和探索大自然。
乌维迪克 是 Sportec Solutions AG 的数据科学家。 他致力于使德甲俱乐部和媒体能够使用先进的统计数据和数据来优化他们的表现——赛前、赛后和赛中。 在业余时间,他满足于更少,只是试图为他的休闲足球队坚持整整 90 分钟。