1. خانه
  2. همه مقالات
  3. مفاهیم رایانش ابری
  4. گرافیک ابری
  5. رایانش ابری در فوتبال

رایانش ابری در فوتبال

زمان مطالعه: 4 دقیقه
رایانش ابری در فوتبال

برای بررسی تاثیر رایانش ابری در فوتبال، به سراغ همکاری بوندسلیگا آلمان با شرکت رایانش ابری آمازون وب سرویس رفته‌ایم.

امروزه تماشاچیان فوتبال به دیدن صفحات آماری کوچکی که گاها در کنار قاب تلوزیون، در حین تماشای مسابقات به نمایش در می‌آیند، عادت کرده‌اند.

حتی در بسیاری از موارد عاشقان این مستطیل سبز، به تجزیه و تحلیل دقیق این آمار پرداخته و نظرات کارشناسانه خود را ارائه می‌دهند.

اما بدون شک افرادی که باید بیش از هر شخص دیگری با این آمار سروکار داشته باشند، مربیان و سرمربیان تیم‌های فوتبالی هستند.

در حال حاضر روش‌های آمارگیری متفاوتی برای انواع قوانین فیفا، استراتژی‌های تیم و نوع تکنیک‌های بازیکنان در جهان وجود دارد.

با این حال این مقاله صرفا به بررسی نحوه آمارگیری یک سوم تهاجمی زمین در بوندسلیگا، توسط ابر آمازون (AWS اختصاص یافته است.

 

حقایق بازی یا Match Facts چیست؟

مقاله پیشِ رو برگرفته از نوشته‌ای از سیمون رولفس، هافبک سابق بوندسلیگا در سال‌های 2005 تا 2015 و مدیر استعدادیابی فعلی در بایر لورکوزن است.

این فوتبالیست موفق که 26 بازی ملی را در کارنامه خود به ثبت رسانده است، در ستون هفتگی بوندسلیگا از تاثیر یادگیری ماشین در دنیای فوتبال می‌گوید.

او اهمیت حقایق بازی را با مثالی از ستاره پیشین بوندسلیگا، استفان کیسلینگ آغاز می‌کند که بین سال‌های 2008 تا 2014 میلادی، گل‌ها بی‌شماری را به ثبت رساند.

آمار Match Facts برگرفته از AWS نشان می‌داد که استفان در مرکز زمین عالی عمل می‌کرد. بنابراین تیم حریف بیشتر تمرکز خود را صرف مهار او در مرکز زمین می‌کرد.

این امر سبب شده بود که سرمربی استفان، هربار برای حمله سایر اعضای تیمش از جناحین و رسیدن به گل پیروزی از کناره‌های زمین برنامه‌ریزی کند و به موفقیت برسد.

در واقع حقایق بازی یا Match Facts چیزی است که می‌تواند بینش عمیق‌تر و نگاه اجمالی‌تری به پشت پرده تاکتیک‌ها، برای طرفداران و مربیان تیم‌ها فراهم آورد.

این بینش یا آمار پیشرفته براساس تجزیه و تحلیل 3.6 میلیون نقطه داده در هر بازی جمع‌آوری می‌شود.

آمار پیشرفته برای شناسایی نقاط ضعف و قوت تیم خود یا تیم حریف بسیار موثر است.

زیرا همان‌قدر که آنالیز تیم خودی و شناخت نقاط ضعف و قوت آن اهمیت دارد، شناسایی نقاط ضعف و قوت تیم حریف نیز مهم است.

 

همکاری بوندسلیگا و ابر آمازون 

همکاری بوندسلیگا و آمازون وب سرویس برای تهیه آمار یک سوم هجومی تیم‌ها، از طریق یادگیری ماشین صورت می‌پذیرد.

همان‌گونه که در عکس زیر مشخص است، برای ثبت و آنالیز حقایق بازی، زمین فوتبال را بنا به مختصات X و Y به سه بخش _ دفاعی، میانی و حمله _ تقسیم می‌کنند.

طبق اساسنامه DFL، یک زمین فوتبال استاندارد بین 100 تا 105 متر طول و بین 64 تا 68 متر عرض دارد. پس هر کدام از این سه ناحیه، چیزی حدود 35 متر هستند.

با تعریف منطقه حمله یا یک سوم پایانی زمین، خود این منطقه نیز به چهار بخش مساوی تقسیم می‌گردد. عرض هر یک از این مناطق حدود 17 متر است.

این نوع از تقسیم‌بندی به خوبی مشخص می‌کند که چند درصد از حملات هر تیم از کدام قسمت از زمین صورت می‌پذیرد.

در طول هر مسابقه، بوندسلیگا دائماً اطلاعاتی در مورد موقعیت بازیکنان در زمین بر اساس مختصات x-y و سرعت حرکت آن‌ها دریافت می‌کند.

این “بسته‌های موقعیتی” 25 بار در ثانیه به AWS ارسال می‌شوند، جایی که کانتینرهای این ابر با کمک یادگیری ماشین به تجزیه و تحلیل این آمار می‌پردازد.

 

حقایق بازی فوتبال

نحوه ورود توپ به منطقه حمله

ورود توپ به منطقه حمله زمانی شمارش می‌شود که مالکیت توپ در همان تیم باقی بماند در حالی که به منطقه یک سوم حمله می‌رود.

این بدان معناست که این توپ نباید حتی به آرامی توسط بازیکنی از تیم حریف لمس شود.

مانند زمانی که یک بازیکن توپ را از منطقه میانی به یارش در منطقه هجومی پاس می‌دهد.

راه دوم برای شمارش ورود توپ به منطقه حمله این است که یک بازیکن از ناحیه میانی، توپ را به سمت منطقه یک سوم حمله دریبل می‌زند.

این امر با تجزیه و تحلیل توالی رویدادهای مالکیت توپ که قبل از مالکیت توپ در یک سوم مهاجم توسط بازیکن انجام می‌گیرد، شناسایی می‌شود.

تشخیص حرکت بازیکن، مالکیت فردی وی، ارتفاع توپ، تغییر زاویه جهت توپ و فاصله بازیکنان از توپ نیز سایر اطلاعات برگرفته از این فناوری هستند.

طرفداران و مربیان تیم‌ها این آمار را به شکل عناصر گرافیکی می‌بینند.

آن‌ها می‌توانند ببینند که یک تیم به کدام منطقه حمله علاقه دارد و چه درصدی از حملات آن منطقه را هدف قرار می‌دهند.

این به بینش در مورد برنامه ریزی بازی و استراتژی مربیان کمک می‌کند تا نقاط ضعف دفاعی حریف را شناخته و مناسب‌ترین بازیکن را در بهترین موقعیت خود قرار دهد.

مثال:

برای مثال واقعی، می‌شود به Der Klassiker، بازی تیم بایرن مونیخ در مقابل بوروسیا دورتموند روز 6 مارس در اوایل این فصل نگاهی انداخت.

در طول این مسابقه برای هر دو تیم در مجموع 115 ورودی حمله در 90 دقیقه شناسایی شد.

از این مجموع نزدیک به 70 درصد حملات با پاس و 30 درصد حملات با دریبل شروع شدند.

این آمار دقیقا با تاکتیک ادین ترزیچ، سرمربی بروسیا دورتموند برای استفاده از توپ‌های بلند برای رساندن آن به ارلینگ هالند، بازیکن نوک حمله مطابقت داشت.

بوروسیا دورتموند با موفقیت توانست در 30 دقیقه اول، 10 حمله تهاجمی به‌وجود آورد و با باز کردن زمین در هر چهار منطقه خط حمله، دو گل به ثمر برساند.

اما الگوریتم‌ها نشان می‌دهند که پس از تعویض هالند، تیم نتوانست سرعت خود را حفظ کند و تعداد حملات به شدت کاهش یافت و تنها به 21 حمله در کل بازی رسید.

از سوی دیگر، بایرن مونیخ پس از شروعی آرام، مجموع 94 بازی هجومی، به سرعت جای خود را در این مسابقه پیدا کرد و سلطه خود را به دست آورد.

55 مورد از 94 بازی هجومی این تیم، توسط بازیکنان یکسان صورت پذیرفتند. مثلا کینگزلی کومان 18 بار به سمت منطقه تهاجمی حمله‌ور شد.

این آمار با توجه به تعویض دقیقه 66 این بازیکن، آمار خوبی است. در نهایت بایرن مونیخ بازی 0-2 باخته خود را به پیروزی 4-2 تبدیل کرد.

الگوریتم‌های بوندسلیگا نشان می‌دهد که از حدود 20500 ورودی هجومی شمارش شده در یک فصل از این لیگ، حملات بیشتر از جناحین بوده‌اند.

به این ترتیب که بال‌ها ی راست و چپ زمین به ترتیب شاهد 35% و 33% از ورودی‌های تهاجمی بازی‌ها بوده‌اند.

 

 

برچسب‌ها:
فهرست