近日，全球掀起了一阵火热的“世界波”，作为四年一届的世界级足球盛宴，第21届世界杯在俄罗斯正式打响，无论是铁杆球迷还是普通大众都将世界杯作为茶余饭后的谈资，与亲朋好友一起收看比赛直播也成为大多数人近期的主要业余活动。
近日，全球掀起了一阵火热的“世界波”，作为四年一届的世界级足球盛宴，第21届世界杯在俄罗斯正式打响，无论是铁杆球迷还是普通大众都将世界杯作为茶余饭后的谈资，与亲朋好友一起收看比赛直播也成为大多数人近期的主要业余活动。对球迷而言，对直播过程中出现的诸如比分、控球率等数据应该并不陌生。那足球比赛中的实时数据是怎样又快速、又准确地统计出来的？在回答这个问题之前，先来看看早期的足球比赛的数据统计。
足球数据分析从何而来？
足球，这项充满魅力的体育运动，最初起源于19世纪末的英国，紧接着便疯狂席卷全球，由于当时的媒介多为报纸，那时的足球数据仅限于“场面数据”，通过手动记录简单的比分、扑救等数据，再配以评述进行刊发。虽然缺乏时效性和参与性，却为日后的足球数据分析播下种子。1927年，英国BBC首次尝试对足球比赛进行广播，以口述的方式即时分享比赛数据，但是依旧缺少参与性。再到1939年，BBC对足球比赛进行电视录播，开创了电视观看比赛的先河，让观众可以根据比赛数据进行独立分析，参与度得到大幅提升。但是该时期的数据统计还是依赖人工。
直到第三次技术革命，计算机成为足球比赛的专业统计辅助工具，统计人员将球场上的每个动作变成单一事件，将每分钟30次以上的各种高密度动作转化为事件存储下来，再由人工进行验证，并通过程序进行实时发布。这也成为现代足球数据分析的“雏形”。
那现代如雨后春笋般的创新技术，诸如人工智能、机器学习、云计算等，是否也在悄然改变着这个行业呢？
足球统计数据将何去何从？
要回答这个问题，首先要清楚足球比赛中的实时数据是谁来统计的。在一些大型的足球联赛或世界级比赛中，实时数据则是由专门的数据分析公司提供，通过专业的数据采集方法对实时数据进行采集。一部分数据在直播中展示，一部分更深入详细的数据在赛后进行整理分析。
前些年，大数据悄然改变着每一个行业，足球也不例外。体育科学研究专家、英国布莱顿大学教授雅尼斯·匹兹拉迪斯表示：“大众开始意识到大数据已经成为比赛的一部分，尽管足球在这方面远远落后于其他一些项目，但催生出许多从事足球数据分析服务的公司。”随着当下人工智能、机器学习等创新技术的兴起，这些公司的数据分析技术也日渐成熟，竞争会愈加激烈，整个行业必将在人工智能（AI）的驱动下向多元化、精准化和智能化发展。
一家名为SciSports的荷兰运动分析公司正致力于将AI引入足球赛场，该公司初创于2012年，创始人是两名热爱足球运动且热衷于数据分析技术创新的年轻人，他们通过机器学习、深度学习和人工智能捕获和分析流媒体数据，进而实现从球员招募到粉丝虚拟现实观看等各个领域的创新。
以人工智能纳新，引进潜在人才
内马尔、C罗、梅西……细数这些身价过亿欧元的球星，其实在足球领域中并不稀奇，看出球员招募不亚于一场高风险博弈。构建球队不是将顶尖球员进行叠加那么简单，而取决于教练如何选择球员并根据优势进行阵容优化。数十年来，教练往往通过观察和基础数据，加以直觉来对球员素质进行评估。然而，一些世界顶尖的联赛俱乐部正在通过高级的分析技术来挖掘未来的种子选手，并对被低估的球员进行更客观的评判，用较低的溢价签到最合适的球员, 进而帮助球队取得胜利。
“我们借助SAS平台，通过机器学习算法，对20多万名球员的技术、天赋和商业价值进行评分。这有助于球队发现人才，寻找符合特定素质或阵容需求的球员，甚至分析竞争对手。” SciSports创始人兼首席执行官Giels Brouwer这样表示。
SciSports每周会对210个足球联赛中的1,500多场比赛数据进行分析。凭借独到的洞察力和SAS平台的技术支持，SciSports与欧洲的足球俱乐部合作，帮助他们签下优秀或者满足需求的球员。这不仅帮助广大足球联赛俱乐部吸收人才，更带来颇丰的商业利益。
例如，一位荷兰乙级联赛球队的球员因续约金额无法谈拢，便选择退部进入自由球员市场。在SAS平台的帮助下，SciSport为一家新的俱乐部提供该球员的数据分析，尽管综合素质并不突出，但是他独特的球风却能弥补球队的不足。最终，该球员与俱乐部正式签约并迅速进入首发阵容，成为队内最佳射手。在不到两年的时间里，该名球员就被高价转会到另一家足球俱乐部，现在的他已经是荷兰职业足球联赛的最佳射手之一——Memphis Depay。
凭实时3D分析，助力球队“智”胜
传统的足球数据公司只能生成球员控球时的数据，而其他所有数据都没有记录。这样的数据不能完整的展现球员的综合素质和强项。SciSports发现在控球数据之外存在大量的需求，因此开发了一个名为BallJames的摄像系统。
BallJames采用实时跟踪技术进行拍摄，与SAS合作致力即时从影像中生成3D数据进行跟踪分析。透过球场上假设的10多台摄像机，记录场上参赛球员的每一个动作。最后BallJames再根据实时比赛画面，生成包括传球的精准度、方向和速度，短跑力量和跳跃力量等比赛数据。
“这就形成了一套完整的足球数据体系。而这些数据可以有许多种应用，比如让球迷使用虚拟现实从任何角度观看比赛。甚至可以帮助场边的教练实时变换战术，通过分析比赛球员是否体能临近极限，进而合理安排替补上场，让球队保持良好的比赛状态赢得比赛。 ”Brouwer详细讲道。
AI与开放并行，引领智能足球时代
SciSports利用机器学习算法为足球场上的动作构建模型。随着应用经验的越加丰富，这些算法逐渐提高了执行任务的能力。“现有的数学模型是基于人们对足球已有的了解和洞见而构建的，而AI将帮助人们进行新的探索和发现。” SciSports首席技术官Wouter Roosenburg表示。
以实时3D分析为例，赛场上追此逐彼，若要让BallJames进行精准数据采集，就必须对球员、裁判和足球进行动态识别，这也是SciSports当时所面临的一大难题。“在这个问题上，我们非常感谢SAS平台的智能技术支持，SAS®事件流处理（SAS® Event Stream Processing）方案支持使用深度学习模型进行实时图像识别。通过将我们的深度学习模型与SAS®ViyaTM相结合，我们可以在云中、摄像机或任何我们部署资源的地方，训练我们的模型。最终通过统一的平台来管理整个3D生产链，这一点实属难能可贵。”Roosenburg对SAS给予高度的认可“如果没有SAS® ViyaTM的帮助，该项目是不可能成功的。”
SciSports之前完全依赖开源代码构建模型。现在，凭借SAS平台的帮助，分析团队可以选择自己擅长的语言，在组织内部共享一个托管的分析资产库。据Brouwer介绍：“这使得他们能够吸引具有不同开源代码技能的员工，还能使用同一个平台对生产链进行管理。另外，相比Python需要100行代码才能完成的工作，我们在SAS平台上仅需要5行，大大缩短了研发周期，这对于运动分析来说也是至关重要的。”
自创立以来，SciSports迅速成为全球发展最快的运动分析公司之一。Brouwer认为SAS平台的多功能性是他们成功的一个主要因素。“通过SAS，我们可以根据需要增强或降低处理能力，对模型进行实时投产，在一个平台上开发所有产品，并与开源代码相结合。”
“我们的目标是为全球数十亿球迷带来实时数据分析。通过与SAS合作，我们相信可以实现这一目标。”
网友评论