基于資源庫的運動技戰術訓學研平臺構建

王 杰

(1. 上海體育學院 體育教育訓練學院，上海 200438；2. 國家體育總局運動技戰術診斷與分析重點實驗室，上海 200438)

從開展對抗性項目技戰術研究至今，在訓練和比賽實踐以及運動技戰術研究中形成了海量的數據資源。隨著數據量的快速增長，出現種類繁多、格式復雜、多源異構、分布離散等問題。運動項目技戰術研究中形成的大量數據多被用于訓練和比賽，在教學方面的挖掘還遠遠不夠。部分研究通過建立視頻庫和信息平臺的方式來整合技戰術研究資源，尚未上升到知識的層次，對數據的深度挖掘較少。基于此，本文依托知識管理理論，系統梳理運動技戰術資源類型，論述技戰術資源結構化存儲、知識表示的方法，搭建訓學研一體的網絡平臺，為國家隊訓練和備戰提供數據支撐，為對抗性項目技戰術教學提供實驗平臺，為開展技戰術研究提供數據保障。訓學研平臺的搭建和知識表示的實現可為開發比賽決策支持系統和專家系統奠定基礎。

1 運動技戰術訓學研平臺的構建

技戰術是對抗性運動項目的制勝因素,運動技戰術資源的積累有益于項目研究、運動技戰術教學、輔助訓練和比賽決策。運動技戰術訓學研平臺以運動技戰術資源庫為支撐，在解決領域知識表示與推理機制的前提下，通過平臺接口與高校師生、運動員、教練員及科研人員進行信息交互，提供技戰術信息查詢與知識獲取、運動技戰術資源提取、運動技戰術分析等服務。運動技戰術資源庫集運動技戰術動態、運動技戰術資源、運動技戰術軟件三位一體，為運動技戰術教學、對抗性項目技戰術訓練和運動技戰術科研提供平臺支撐。

運動技戰術訓學研平臺構建主要解決3個方面的問題：運動項目技戰術資源庫構建、運動項目技戰術知識表示與推理、網絡信息平臺的開發(圖1)。

圖1 基于資源庫的運動技戰術訓學研平臺

2 運動項目技戰術知識表示與推理機制——以乒乓球為例

知識表示是指把知識客體中的知識因子和知識關聯表示出來，以便于人們識別和理解。知識表示是人工智能領域的重要分支，對實現知識的計算機存儲、知識推理、數據挖掘和決策支持具有重要意義。知識表示方法的選擇決定了存儲知識的方式和機器運算的智慧程度。在人工智能領域，知識表示的方法有產生式規則、謂詞邏輯、語義網絡、框架法、Petri網、面向對象知識表示方法、人工神經網絡(Artificial Neural Network,ANN)等[1]。知識工程論認為知識表示是采用計算機模型對現實世界進行的描述和表達的[2]。

知識表示的作用在于實現比賽關鍵技術、戰術特征的存儲重現，以及實現由比賽數據向知識元的過渡，在此基礎上建立比賽知識庫進行數據挖掘和專家系統的研究。由于對抗性項目的項群共性特征，尤其是技術和戰術特征的相似性，對乒乓球知識表示方法的研究將會對其他對抗性項目(羽毛球、排球、擊劍)的知識研究起到借鑒作用，因此，本文以乒乓球為例進行論述。

乒乓球比賽能否獲勝受多種因素的共同制約，如心理因素、身體因素、環境因素、技戰術因素等，其中，技戰術是比賽致勝的主要因素[3-6]。乒乓球比賽技戰術知識表示即尋求適合乒乓球比賽技術和戰術知識描述的方法，通過該方法實現每場比賽中運動員所采用技術的數據庫存儲和比賽中關鍵信息的數字化，在此基礎上進行推理和演繹，從不同角度實現比賽知識的獲取，為構建乒乓球專家系統提供基礎。知識表示的意義在于使乒乓球比賽的技術特征成為便于計算機存儲和利用的結構，使比賽特征以知識元的形式在數據庫中保存下來，這樣不僅實現了單場比賽的關鍵特征重現，而且在進行數據累積后，還便于進行數據挖掘和知識發現的研究。

2.1乒乓球比賽技戰術評價指標體系的構建發球技術、弧圈球技術、挑打技術、劈長技術、擺短技術和推(擋)球技術是比賽中經常采用的技術，乒乓球比賽中的戰術行為可分為進攻、防御、控制和均勢4類，基于以上內容最終確定乒乓球比賽的技戰術指標體系。

2.2乒乓球比賽技戰術的知識表示乒乓球比賽中的知識可以分為事實性知識、技能性知識和原理性知識；根據知識的層次又可將其分為顯性知識和隱性知識。事實性知識包括比賽的場次、比分、球數、擊球板數、比賽時間等；技能型知識包括擊球的技術、所采用的戰術等；原理性知識是在這些客觀事實背后隱藏的原理，包括使用不同技術的原因、采用類似戰術的情境等。顯性知識為通過觀察直接得到的認識，包括比分、擊球技術、擊球位置、擊球落點、戰術勢態等；隱性知識為通過數據分析和加工才能獲取的知識，包括各項技術和戰術的得分率、使用率以及不同技術行為、戰術行為、擊球落點之間的聯系等。針對不同的知識特征，采用不同的知識表示方法。

(1) 顯性知識表示。顯性知識表示采用面向對象的知識表示方法，面向對象的知識表示按照客觀世界事物的特點，將描述對象進行封裝，具有模塊性、繼承性等特點。一個對象可以定義為四元組，包括對象標志符、數據結構、方法集合和消息接口[7]。乒乓球比賽技戰術顯性知識包括比賽編號、局數、回合數、擊球板數、比分、擊球技術、擊球位置、戰術勢態、擊球效果等。采用面向對象的知識表示方法主要對擊球對象進行標示，對數據結構進行描述。以STROKE表示某次擊球，其對象可以表示為，STROKE∷=(Number, DS, Methods, Message)，其中Number為擊球序號，DS為數據結構，Methods為屬性方法集，Message為消息。Number由比賽編號、局數、回合數、擊球板數排序得到；屬性方法包括擊球技術、擊球位置、戰術勢態、擊球效果等；消息表示是否進入下一步，數據結構描述如下。圖2為節點示意圖，箭頭所示方向根據擊球效果進行判斷，如果得分或者失分，本節點就是尾節點，否則鏈接到下一個節點。

圖2 擊球對象節點

圖3為擊球鏈表實例，為擊球板數為4拍的1個擊球回合，1.1.1表示第1局第1個回合的第1板擊球，第1、第2、第3拍均收到了擊球效果的消息(未得分或失分)，在第4拍時得分，鏈表結束。

圖3 擊球鏈表

面向對象的知識表示方法將每個擊球對象進行封裝，將其不同的屬性、序號和消息封裝在每個結點中，并相互連接組成鏈表，這樣的表示便于按照擊球效果進行數據挖掘和知識發現。知識發現的過程與上述過程相反。首先判斷鏈表尾節點的結果是得分還是失分，然后回溯，依次判斷上一板的擊球技術、擊球位置和戰術姿態等，并對得失分數進行累加。可以計算不同擊球技術和戰術行為對比賽結果的影響，進而對比賽進行診斷和分析。

(2) 隱性知識表示。乒乓球比賽中的隱性技戰術知識隱藏在可以觀察到的事實性知識的背后，需要對觀察和統計到的數據進行統計分析才能得到。采用數理建模的方法對隱性技戰術知識進行表示，通過ANN對比賽技戰術指標和比賽結果進行建模，建立比賽技戰術與比賽結果的擬合關系。

ANN是一種采用機器學習的計算機擬合算法，由于其可以充分逼近任何復雜的非線性關系，擬合精度高，建模速度快，因此在各個領域得到了廣泛應用。在體育領域的應用包括比賽建模、技術診斷和成績預測等。相關研究表明，在賽馬名次預測、賽狗比賽獲勝者預測等方面取得了很好的效果[3]。

基于輸入自變量xi為技戰術數據，輸出因變量y為比賽獲勝的概率，建立3層BP ANN模型[8]。該ANN對比賽技戰術行為和比賽結果(獲勝概率)建立了隱含關系，對比賽行為和比賽結果的聯系進行了知識表示。比賽中擊球技術、擊球戰術對比賽結果的影響隱含在ANN中。基于上述知識表示方法，可以方便地進行比賽數據的挖掘。

基于ANN的乒乓球比賽技戰術知識表示為f(x1,x2, …,xi) =y。x與y之間建立了非線性的函數關系。基于該知識表示可以對乒乓球比賽進行診斷、評估和預測研究。

2.3乒乓球比賽技戰術的推理機制訓學研平臺構建了包括運動員數據、比賽基本數據、比賽技戰術數據等的多種數據，通過知識表示實現了數據存儲后，就可以對這些數據進行推理，獲得對訓練、比賽和教學都有意義的信息和知識。知識表示方法決定了推理方式。資源庫中采用面向對象的顯性知識表示和基于ANN的隱性知識表示方法，因此，對顯性知識采用關聯規則的推理和逆向推理，對隱性知識采用基于ANN的推理。

(1) 關聯推理。面向對象的知識表示方式實現了運動員信息、比賽信息、比賽時序信息的封裝。關聯推理通過主要和次要關鍵字匹配實現信息之間的關聯。在資源庫方面分析，在運動技戰術動態、比賽信息資源、運動技戰術分析、運動技戰術文獻、運動員信息資源和運動技戰術軟件等模塊中均包含了運動員關鍵字，通過該關鍵字可實現各個數據表資源的關聯，建立起一個信息串。關聯推理可以以運動員為主體建立涵蓋其個人信息、比賽、近期動態及其技戰術狀態的關聯知識。知識表示實現了計算機識別，推理實現了數據間的關聯，最終形成關于運動員或者比賽的一系列認識，為教練員、運動員和科研人員提供決策支持。

(2) 逆向推理。從結論出發去尋找造成該問題的原因。在比賽決策過程中，往往需要根據比賽的結果分析造成得失分的原因，獲得致勝要素，這里主要采用逆向推理的方式。乒乓球比賽知識表示采用面向對象的方式進行封裝，然后以鏈表的形式進行存儲，這種方式為進行逆向推理提供了數據基礎。在乒乓球比賽中，經常需要分析比賽得失分的特征，還要尋找形成比賽結果的技戰術行為。在基于鏈表的數據存儲方式中，鏈表的結尾為比賽結果(得分或失分)，倒數第2個節點為得失分的上一板，在節點中存儲了擊球技術、擊球戰術、擊球位置、擊球落點以及擊球效果，這是造成比賽得失分的最重要原因。通過逆向推理結合頻次分析可以推斷出得失分的主要技術、主要戰術、主要位置和落點等。依據此方法可以繼續回溯，直至回到發球起點，從而找到得失分的擊球技術和戰術規則的集合。

(3) ANN的推理。資源庫中存儲了運動員的個人基本信息、周邊動態信息、個人比賽信息、個人技戰術數據及其技戰術分析等。基于上述的知識表示形式，以運動員競技狀態為因變量、上述數據信息為自變量訓練ANN，建立各項資源信息與運動員競技狀態之間的關聯。基于上述關聯，通過球類比賽計算機模擬診斷的方法獲取運動員技戰術知識。

(4) 決策樹推理。以資源庫中提供的運動員數據信息構建條件集，以運動員競技狀態(比賽結果)構建決策集，從而構建條件集與決策集組成的決策表。通過決策樹算法建立技戰術—運動員競技狀態決策樹，生成運動員技戰術規則集；也可以建立技戰術—比賽結果決策樹，生成致勝技戰術規則集，為比賽提供決策支持。

3 運動項目技戰術資源庫的構建

3.1資源庫概述在對抗性項目技戰術研究中產生了海量的技戰術資源，這些資源種類繁多，有視頻、圖片、音頻文檔等。技戰術資源的積累對深入挖掘技戰術特征，開展后續技戰術研究具有重要意義。因此，技戰術資源庫構建的目的在于系統梳理技戰術資源，便捷管理檢索，為輔助教學和訓練搭建平臺。運動項目技戰術資源庫的搭建解決了不同數據源的結構化，構建了后臺技戰術資源庫，并建立了前臺的檢索模塊，方便教學、科研和訓練比賽。資源庫采用VB語言開發設計，后臺為SQL SERVER 2000數據庫。

3.2資源庫的構成資源庫基于結構化數據庫軟件SQL SERVER 2000 設計，該平臺支持結構化查詢語言，具有良好的可擴充性，支持多用戶并發訪問，適用于在網絡端運行。資源庫由運動技戰術動態庫、比賽信息資源庫、運動員信息資源庫、運動技戰術分析庫、運動技戰術文獻庫和運動技戰術軟件構成。運動技戰術動態庫用于查詢和存儲運動技戰術的前言動態、運動員與比賽的相關新聞等。比賽信息資源庫用于存儲乒乓球、羽毛球、網球、擊劍等項目的各種比賽錄像和比賽信息。運動員信息資源庫用于存儲和查詢各項目運動員的基本信息。運動技戰術分析庫用于存儲各項比賽的技術和戰術分析文檔，供教練員和運動員查詢和參考。運動技戰術文獻庫用于存儲和查詢各學術數據庫技戰術研究文獻。

3.3資源庫功能模塊根據資源庫的上述分類，運動技戰術資源庫前臺分為運動技戰術動態、比賽信息資源、運動技戰術分析、運動技戰術文獻、運動員信息資源和運動技戰術軟件6個模塊。

3.3.1 運動技戰術動態模塊 運動技戰術動態模塊從國內外相關網站中提取關于技戰術研究的最新動態，對抗性項目的賽事訓練動態，運動員比賽、訓練等方面的信息。

3.3.2 比賽信息資源模塊 海量的比賽視頻是進行比賽觀察、技戰術學習和研究的重要資源。視頻資源的格式比較豐富，有本地媒體和流媒體等。比賽信息資源庫統一對視頻的格式進行了限定，統一為WMV格式，方便視頻的點播、剪切和合并操作。賽事信息資源囊括了乒乓球、羽毛球、網球、擊劍等項目的技戰術視頻，后臺按照賽事名稱、運動員姓名、比賽項目、比賽級別等關鍵詞進行存儲，前臺支持模糊智能檢索。

3.3.3 運動技戰術分析模塊 運動技戰術分析模塊是歷次訓練和備戰中所做的關于運動員、對手或者某場比賽的技術和戰術分析文檔，是技戰術專家對運動員和比賽的科學認識和總結。運動技戰術分析對輔助訓練和比賽、運動技戰術教學具有重要的指導價值。與賽事檢索類似，支持按照關鍵字模糊智能檢索，查詢結果以列表的形式顯示，雙擊列表項即可打開運動技戰術分析文檔。

3.3.4 運動技戰術文獻模塊 在長期的運動技戰術研究中形成了大量有價值的研究文獻，這些文獻包括研究報告、書籍、期刊和論文等。文獻散落在各種數據庫和書籍中，將這些文獻資料整合起來，統一數據格式和存儲方式，便于教學、科研使用。在運動技戰術文獻檢索界面，可以按照文獻名稱、文獻作者和文獻類型進行檢索，右側為檢索結果預覽框，單擊列表框中的文獻就可以顯示文獻的詳細信息，包括文獻名稱、文獻作者、文獻來源和文獻的摘要信息等。

3.3.5 運動員信息資源模塊 運動員信息資源模塊用于查詢和存儲乒乓球、羽毛球、網球、擊劍等項目運動員的信息，包括姓名、性別、年齡、國籍、國際排名等。

3.3.6 運動技戰術軟件模塊 運動技戰術軟件模塊將技戰術分析和研究中使用的PowerPoint軟件、數據采集軟件、技戰術分析軟件、數據挖掘軟件集成起來，供技戰術分析和研究使用。

4 結論

在對抗性運動項目技戰術研究中產生了海量的技戰術資源，技戰術資源的積累對于深入挖掘技戰術特征，開展后續技戰術研究具有重要意義。本文在解析運動項目技戰術知識表示與推理機制、構建運動項目技戰術資源庫、研發平臺接口的基礎上搭建了運動技戰術訓學研平臺。提出了運動項目技戰術知識分類(以乒乓球為例)：顯性知識和隱性知識。顯性知識基于面向對象的知識表示方法；隱性知識采用ANN的知識表示方法，采用關聯推理、逆向推理、基于神經網絡的推理和決策樹推理的機制。本文構建了運動項目技戰術資源庫，探討了運動項目技戰術知識庫在教學、訓練和科研中的應用方式。資源庫由運動技戰術動態模塊、比賽信息資源模塊、運動員信息資源模塊、運動技戰術分析模塊、運動技戰術文獻模塊和運動技戰術軟件模塊構成。運動技戰術平臺在乒乓球、網球、擊劍、拳擊等項目訓學研中的應用表明，其綜合了多媒體信息資源和多種軟件資源，依靠網絡平臺進行交互，能夠有效地為教學、訓練和科研提供決策支持。

[1] 方平.基于Petri網的知識表示方法研究[D].武漢:武漢理工大學,2013:2-7

[2] 孫麗君.物流配送干擾管理問題的知識表示與建模方法[D].大連:大連理工大學,2011:14

[3] 王杰.基于人工智能的乒乓球比賽技戰術診斷與評估研究[D].上海:上海體育學院,2010:1-26

[4] 王清.我國優秀運動員競技能力狀態診斷和監測系統的研究與建立[M].北京:人民體育出版社,2004:359-394

[5] 田麥久,麻雪田,黃新河,等.項群訓練理論及其應用[J].體育科學,1990,10(6):29-35

[6] 虞麗娟,張輝,凌培亮,等.隔網對抗項目制勝因素的研究與實施研究成果報告[R].2008:1-21

[7] 年志剛,梁式, 麻芳蘭,等.知識表示方法研究與應用[J].計算機應用研究,2007,24(5):235-236

[8] 肖毅,張輝.中國乒乓球隊奧運攻關研究報告:基于人工神經網絡的乒乓球比賽診斷模型研究[J].體育科研,2008,29(6):19-22