足球比赛数据可视分析：帮助足球数据分析师清晰直观地发现

足球比赛数据的可视化分析？摘要：足球比赛数据的可视化分析可以帮助足球数据分析人员清晰直观地发现比赛中隐藏的规律，引起了众多研究人员的关注。首先阐述了现有的足球比赛数据可视化分析，根据数据类别分为基于统计数据的分析、基于赛事数据的分析和基于轨迹数据的分析；然后进一步讨论了足球比赛数据的可视化分析当前面临的挑战；最后对未来的发展方向进行了展望。关键词：足球比赛分析?;?数据分析?;?视觉分析 1 引言 足球是世界上最受欢迎的运动之一，在全球范围内吸引了众多参与者。数以千计的职业足球运动员参加职业足球比赛，许多重大的足球赛事（如国际足联世界杯）被数百万球迷观看。可视化分析技术能够清晰直观地展示分析过程和结果，支持用户交互探索数据，广泛应用于不同领域的数据分析。在体育数据可视化分析领域，足球比赛数据的可视化分析引起了众多研究者的关注。例如，ESPN、WhoScored等足球比赛数据网站使用大量图标、时间线等视觉元素来展示比赛过程，并使用条形图、雷达图等统计图表来对比分析球员统计数据。在专业足球比赛数据分析中，定制化的可视化分析系统被广泛使用，可以帮助数据分析人员直观地分析和探索比赛中所采用的比赛形势和战术。

足球比赛数据主要包括统计数据、赛事数据、轨迹数据等。针对不同类型的比赛数据，相关的可视化分析工作可以根据分析任务分为不同的类别。例如，对于统计数据，可以分为游戏排名可视化分析和统计指标可视化分析；对于事件数据，可分为关键事件可视化分析和过场事件可视化分析；对于轨迹数据，可分为比赛视频的可视化分析、比赛时空轨迹的可视化分析、比赛阵型的可视化分析等。 2 足球比赛数据 本节主要介绍现有的足球比赛数据类型，并总结常用的足球数据采集方法。足球比赛中常用的数据类型包括统计数据、赛事数据、轨迹数据等。早期的足球比赛数据分析工作主要集中在统计数据的分析上。由于近年来足球细粒度数据采集技术的发展，近期的足球比赛数据分析工作逐渐聚焦于赛事数据和轨迹数据的分析。以下部分将详细介绍上述数据类型。 2.1 统计 体育比赛中的统计主要是指一项运动的基本统计。在足球比赛领域，统计可以分为球队统计和球员表现统计。其中，球队的统计数据主要包括进球数、失球、射门、犯规、红黄牌、越位、角球、扑救等。球队净胜球、球队积分、球队排名等。

对球员的统计主要包括出场、进球、助攻、红黄牌、跑动距离、冲刺距离等。足球比赛统计数据的获取方式有很多种。许多常用的足球数据网站（ESPN、WhoScored等）都会公布各个联赛的积分榜以及热门球队和热门球员的详细统计数据。直接获取数据。同时，大部分比赛的视频直播都会展示两支球队在某场比赛中的统计数据，数据分析师可以直接在比赛的视频直播中记录相应的统计数据值。 2.2 赛事数据 体育赛事中的赛事数据主要是指某一时刻发生的具体事件。与统计数据相比，粒度更细，还包含了比赛过程中的时间和空间信息。具体在足球比赛中，事件数据主要用于描述球员之间的传球、运球、犯规等行为。分析师可以通过对事件数据的分析获得有价值的结论，从而了解团队所采用的战术和其他信息。对于某场足球比赛，常见的事件数据主要是比赛中发生的事件记录。每个事件记录包括事件的时间戳、事件类型、事件对应的玩家、事件的空间位置等信息。常见的基本事件类型包括传球、运球、射门、得分、犯规等。基本事件类型还可以根据分析需要进行更详细的分类。例如，最常见的传球事件记录通常包括传球事件的类型、传球发生的时间、传球的人、接球的人、传球者在太空中的位置、球员在太空中的位置、其他细节等. .

足球比赛数据分析工作中的赛事数据主要来自商业足球数据公司（Wyscout、Opta等），或者使用定制的数据收集系统手动收集。商业足球数据公司可以提供大量详细、全面的足球比赛事件数据，但缺点是数据购买成本高。研究人员通常还开发足球比赛数据收集系统。通过提供交互界面，帮助采集者手动标记游戏实况视频中的事件，数据采集者还可以使用交互系统记录游戏中的事件并标记事件的发生。位置和事件类别等信息。这种方法的缺点是需要多个采集器对数据进行标注，人工标注效率低，费时费力。还可以通过使用计算机视觉等技术来改进采集过程，以减少数据采集人员的工作量。数据分析师可以根据不同的分析需求选择不同的数据采集方式。 2.3 轨迹数据 体育比赛中的轨迹数据主要是指球员的跑动轨迹和球在比赛中的跑动轨迹，包含了比赛中最详细的信息。在足球比赛中，轨迹数据包括场上每个球员的位置坐标和不同时刻球的位置坐标。分析师可以多角度分析轨迹数据，也可以利用数据挖掘等技术发现玩家在游戏中的运行规律，获得与游戏战术相关的洞察。某场足球比赛中的轨迹数据主要包括两队球员在比赛中每个时间戳的位置二维坐标，以及球的位置二维坐标。

足球比赛数据分析使用的轨迹数据主要来自商业数据公司（Prozone等）、GPS采集、视频标注系统采集等。与赛事数据一样，商业数据公司的轨迹数据质量更高足球比赛数据统计表，但也更昂贵。系统采集的方法主要有人工采集和半自动采集。其中足球比赛数据统计表，人工采集的采集工作量比较大，采集时间也比较长。因此，研究人员将计算机视觉技术引入到足球轨迹数据采集过程中，利用计算机视觉技术识别场上每位球员的位置，同时支持数据采集人员进行人工调整和修正，以提高数据收集的效率。对于足球阵型变化的可视化分析，Wu Y C et al.提出了可视化分析系统ForVizor，并详细介绍了一种半自动足球比赛轨迹数据采集方法。该方法使用粒子滤波技术进行球员位置跟踪和阵型检测。该系统采用基于颜色直方图和粒子滤波器的交互式玩家跟踪方法，是计算机视觉中常用的跟踪方法。首先，采集器在足球比赛视频的第一帧中选择特定球员作为跟踪目标，并将被跟踪球员的位置显示在球场上，采集器在采集过程中可以确认。跟踪将在 3 种情况下停止。首先是跟踪目标的切换。当采集器发现跟踪帧从目标玩家转移到另一个玩家时，可以停止跟踪，点击修改按钮，再次点击目标玩家进行更正。二是跟踪目标的遮挡情况。

在游戏过程中目标玩家可能被完全遮挡，此时采集器可以手动设置玩家的位置。最后是跟踪对结果的低置信度。对于跟踪的每一帧，粒子滤波算法计算跟踪结果的置信度。如果置信水平低于预设阈值，系统将停止跟踪并请求手动更正。系统进一步将球员追踪结果映射到二维平面，得到场上球员的二维坐标。 3 足球比赛数据的可视化分析 本节主要总结现有的足球比赛数据可视化分析工作。根据数据类型的不同，可以分为基于统计数据的分析、基于事件数据的分析和基于轨迹数据的分析。 3.1 基于统计的分析 大多数基于统计的分析工作都集中在游戏排名和统计指标的可视化上。其中，比赛排名的可视化通常采用基于折线图的方法来展示排名的变化，而统计指标的可视化通常采用统计图表等可视化形式进行展示和比较。 3.1.1 足球比赛排名的可视化 在足球联赛中，每场比赛后球队的积分和排名都会发生变化。当前的比赛排名通常以表格的形式呈现，其中包括球队排名和对应积分等统计信息。然而，简单的表格显示方法难以显示球队之间的积分差异及其随比赛回合的变化。因此，有效地展示足球赛点和排名的变化对于足球分析师来说非常重要。佩林 C 等人。建议A表！和 Gap Charts 分别在 2014 年和 2016 年，用它们来可视化足球排名的变化。

其中，一张桌子！使用折线图显示球队积分和排名的变化。如图 1 所示，Gap Charts 改进了传统的折线图方法。线之间的差距用来表示比分的大小，可以清楚地看到球队之间的差距。 2016 年，Perin C 等人。提出了一个系统，用于交互和可视化用户对足球比赛结果的预测。系统支持用户在游戏中选择获胜队伍，并通过不同阶段游戏回合的展示，将用户的选择过程可视化。用户可以通过系统交互选择自己在各个比赛阶段的预测结果，并生成相应的可视化图表进行交流展示。 2015 年，Vuillemot R 等人。用折线图来展示比赛排名的变化。图1???足球比赛排名差距图表可视化3.1.2 足球比赛统计指标可视化 在足球比赛中，球员的统计指标可以反映球员在比赛中的表现一定程度上的表现，因此经常被足球分析师用于比赛分析。如图 2 所示，Rusu A 等人。 2010 年提出了 Soccer Scoop，这是一个可视化球员统计指标的系统。系统中的可视化图表分别采用足球场和球员的隐喻（可视化中的隐喻是指将可视化元素与具有特定含义的图形结合起来，更形象地表达数据），将球员的不同统计指标编码到球场的不同场地中。位置和球员的不同身体部位。

在图2中，右图所示的基于球员隐喻的统计图表使用不同身体部位的颜色来编码具体的统计指标值。系统提供球员相互对比功能，分析师可以通过不同的统计指标对比不同球员的技术特点。 2011 年，Rusu A 等人。将 Soccer Scoop 扩展到足球比赛中守门员统计指标的分析。改进后的系统还使用基于隐喻的方法对守门员不同方面的统计指标进行编码。借助 Soccer Scoop，分析师可以清晰直观地评估和比较足球运动员的统计指标。对于足球比赛统计指标的可视化，Ryoo M 等人。 2018年设计了方形图标对球员的统计指标进行编码，图标的大小代表统计指标的数值，图标的颜色代表统计指标所属的类别。水平线图显示了整个团队的统计数据。 2013 年，Cava R 等人。采用矩阵形式直观地展示和分析玩家在游戏中的统计指标。 3.2基于事件数据的分析基于事件数据分析的工作主要侧重于对足球比赛中的关键事件和相对细粒度的传球事件进行可视化分析。在足球运动中，相似的传球序列可以代表球队所采用的进攻战术，因此引起了研究人员的关注。目前的工作通常是将足球比赛中的传球序列抽象为事件序列，利用聚类等数据挖掘算法得到一组相似的事件序列，并根据领域需求和算法设计相应的可视化分析系统。

图2???Soccer Scoop的可视化界面3.2.1 足球比赛关键事件可视化分析 足球比赛关键事件（进球、失球等）可以揭示比赛情况是博弈分析中非常重要的分析指标。 Wongsuphasawat K 等人。提出了一种时间维事件序列可视化分析方法Outflow，并利用足球比赛中的关键时间数据进行案例分析。如图3，Outflow主要使用流的形式聚合事件序列，展示不同的事件