足球比賽數(shù)據(jù)可視分析

曹安琪，陳泓宇，謝瀟，巫英才

1. 之江實驗室，浙江 杭州 310012；2. 浙江大學(xué)計算機輔助設(shè)計與圖形學(xué)國家重點實驗室，浙江 杭州 310058

1 引言

足球是世界上非常受歡迎的運動之一，在全球范圍內(nèi)吸引了眾多的參與者。成千上萬的職業(yè)足球運動員參與到專業(yè)的足球比賽中，許多重大的足球賽事（如國際足聯(lián)世界杯等）受到數(shù)以百萬計的球迷的關(guān)注。可視分析技術(shù)能夠?qū)Ψ治龅牧鞒毯徒Y(jié)果進行清晰直觀的展示，并支持用戶對數(shù)據(jù)進行交互式的探索，被廣泛應(yīng)用到不同領(lǐng)域的數(shù)據(jù)分析中。

在體育數(shù)據(jù)可視分析領(lǐng)域中，足球比賽數(shù)據(jù)的可視分析吸引了眾多研究人員的關(guān)注。例如，ESPN和WhoScored等足球比賽數(shù)據(jù)網(wǎng)站大量采用圖標和時間軸等可視化元素對比賽過程進行展示，采用柱狀圖和雷達圖等統(tǒng)計圖表對球員統(tǒng)計數(shù)據(jù)進行比較分析。在專業(yè)的足球比賽數(shù)據(jù)分析中，定制的可視分析系統(tǒng)被廣泛采用，其可以幫助數(shù)據(jù)分析師對比賽形勢以及比賽中采取的戰(zhàn)術(shù)進行直觀的分析和探索。

足球比賽數(shù)據(jù)主要包括統(tǒng)計數(shù)據(jù)、事件數(shù)據(jù)、軌跡數(shù)據(jù)等。針對不同的比賽數(shù)據(jù)類型，相關(guān)的可視分析工作可以按照分析任務(wù)分為不同的類別。例如針對統(tǒng)計數(shù)據(jù)，可以分為比賽排名的可視化分析和統(tǒng)計指標的可視化分析等；針對事件數(shù)據(jù)，可以分為關(guān)鍵事件的可視分析和傳球事件的可視分析等；針對軌跡數(shù)據(jù)，可以分為比賽視頻的可視分析、比賽時空軌跡的可視分析、比賽陣形的可視分析等。

2 足球比賽數(shù)據(jù)

本節(jié)主要對現(xiàn)有的足球比賽數(shù)據(jù)類型進行闡述，并總結(jié)常用的足球數(shù)據(jù)采集方法。足球比賽常用的數(shù)據(jù)類型包括統(tǒng)計數(shù)據(jù)、事件數(shù)據(jù)、軌跡數(shù)據(jù)等。早期足球比賽數(shù)據(jù)分析工作主要關(guān)注對統(tǒng)計數(shù)據(jù)的分析，由于近年來足球細粒度數(shù)據(jù)采集技術(shù)的發(fā)展，近期足球比賽數(shù)據(jù)分析工作逐漸關(guān)注對事件數(shù)據(jù)和軌跡數(shù)據(jù)的分析。后文將對上述數(shù)據(jù)類型分別進行具體介紹。

2.1 統(tǒng)計數(shù)據(jù)

體育比賽中的統(tǒng)計數(shù)據(jù)主要指某項運動中的基本統(tǒng)計數(shù)據(jù)。在足球比賽領(lǐng)域中，統(tǒng)計數(shù)據(jù)可以分為針對球隊的統(tǒng)計數(shù)據(jù)和針對球員表現(xiàn)的統(tǒng)計指標。其中，針對球隊的統(tǒng)計數(shù)據(jù)主要包括每場比賽的進球數(shù)、失球數(shù)、射門次數(shù)、犯規(guī)次數(shù)、紅牌和黃牌次數(shù)、越位次數(shù)、角球次數(shù)、撲救次數(shù)等，也包括每場比賽后球隊的凈勝球數(shù)、球隊積分、球隊排名等。針對球員的統(tǒng)計數(shù)據(jù)主要包括出場次數(shù)、進球數(shù)、助攻數(shù)、紅牌和黃牌次數(shù)、跑動距離、沖刺距離等。

足球比賽中統(tǒng)計數(shù)據(jù)的獲取方式較多，許多常用的足球數(shù)據(jù)網(wǎng)站（ESPN、WhoScored等）會公布各個聯(lián)賽的積分排名狀況以及熱門球隊和熱門球員的詳細統(tǒng)計數(shù)據(jù)，數(shù)據(jù)分析人員可以從網(wǎng)站上直接獲取數(shù)據(jù)。同時，大多數(shù)比賽的直播視頻中會展示兩支球隊在某場比賽中的統(tǒng)計數(shù)據(jù)，數(shù)據(jù)分析人員可以在比賽直播視頻中直接記錄對應(yīng)的統(tǒng)計數(shù)據(jù)值。

2.2 事件數(shù)據(jù)

體育比賽中的事件數(shù)據(jù)主要指某一時刻發(fā)生的具體事件，相對于統(tǒng)計數(shù)據(jù)，其粒度更細，同時包含了比賽過程中的時空信息。具體到足球比賽中，事件數(shù)據(jù)主要用于描述球員之間的傳球、帶球、犯規(guī)等行為。分析人員可以通過對事件數(shù)據(jù)的分析了解球隊采取的戰(zhàn)術(shù)等信息，獲得有價值的結(jié)論。

對于某一場足球比賽，常見的事件數(shù)據(jù)主要是比賽中發(fā)生的事件記錄。其中每條事件記錄包括該事件發(fā)生的時間戳、事件類型、該事件對應(yīng)的球員、該事件發(fā)生的空間位置等信息。常見的基本事件類型包括傳球、帶球、射門、進球、犯規(guī)等，也可以針對分析需求對基本事件類型進行更加細致的分類。例如，最常見的傳球事件記錄通常包括傳球事件類型、傳球發(fā)生的時間、傳球球員、接球球員、傳球球員所在的空間位置、接球球員所在的空間位置、其他詳細信息等。

足球比賽數(shù)據(jù)分析工作中的事件數(shù)據(jù)主要來自商業(yè)足球數(shù)據(jù)公司（Wyscout、Opta等），或采用定制的數(shù)據(jù)采集系統(tǒng)手動采集。商業(yè)足球數(shù)據(jù)公司能夠提供大量詳細且全面的足球比賽事件數(shù)據(jù)，但缺點是數(shù)據(jù)購買成本較高。研究人員通常也開發(fā)足球比賽數(shù)據(jù)采集系統(tǒng)，通過提供交互式界面，幫助采集人員手動標注比賽直播視頻中的事件，數(shù)據(jù)采集人員也可以使用交互式的系統(tǒng)記錄比賽中的事件，標記該事件發(fā)生的位置以及事件類別等信息。該方法的缺點是需要多名采集人員對數(shù)據(jù)進行標注，并且手工標注的效率較低，費時費力。也可以采用計算機視覺等技術(shù)對采集流程進行改進，以降低數(shù)據(jù)采集人員的工作量。數(shù)據(jù)分析人員可以根據(jù)不同的分析需求選擇不同的數(shù)據(jù)獲取方式。

2.3 軌跡數(shù)據(jù)

體育比賽中的軌跡數(shù)據(jù)主要指比賽中球員的跑動軌跡和球的運行軌跡，其包含了比賽中最詳細的信息。在足球比賽中，軌跡數(shù)據(jù)包括不同時刻每個球員在球場上的位置坐標以及球的位置坐標。分析人員可以對軌跡數(shù)據(jù)進行多角度的分析，也可以通過數(shù)據(jù)挖掘等技術(shù)發(fā)現(xiàn)比賽中球員跑動的規(guī)律，得到與比賽戰(zhàn)術(shù)有關(guān)的見解。

某一場足球比賽中的軌跡數(shù)據(jù)主要包括比賽中每個時間戳上兩隊球員所處位置的二維坐標，以及球所處位置的二維坐標。足球比賽數(shù)據(jù)分析中采用的軌跡數(shù)據(jù)主要來自商業(yè)數(shù)據(jù)公司（Prozone等）、GPS采集、視頻標注系統(tǒng)采集等。與事件數(shù)據(jù)相同，來自商業(yè)數(shù)據(jù)公司的軌跡數(shù)據(jù)質(zhì)量較高，但獲取成本同樣較高。系統(tǒng)采集的方法主要包括手動采集和半自動采集等。其中，手動采集的采集工作量較大，采集時間較長。因此，研究人員將計算機視覺技術(shù)引入足球軌跡數(shù)據(jù)采集流程中，采用計算機視覺技術(shù)識別球場上每個運動員的位置，同時支持數(shù)據(jù)采集人員進行手動調(diào)整和糾正，以提高數(shù)據(jù)采集的效率。

針對足球陣形變化可視分析，Wu Y C等人[1]提出了一種可視分析系統(tǒng)ForVizor，詳細介紹了一種半自動足球比賽軌跡數(shù)據(jù)采集的方法。該方法采用粒子濾波技術(shù)進行球員位置追蹤和陣形檢測。系統(tǒng)采用基于顏色直方圖和粒子濾波的交互式球員追蹤方法，這是計算機視覺中常用的跟蹤方法。首先，采集人員選擇足球比賽視頻第一幀中的特定球員作為跟蹤目標，被跟蹤的球員的位置顯示在球場中，采集人員可以在采集過程中進行確認。跟蹤將在3種情況下停止。第一種是跟蹤目標的切換。當采集人員發(fā)現(xiàn)跟蹤框從目標球員轉(zhuǎn)移到另一個球員上時，可以停止跟蹤，單擊修改按鈕，重新單擊目標球員進行校正。第二種是跟蹤目標的遮擋。目標球員在比賽過程中可能會被完全遮擋，這時采集人員可以手動設(shè)置球員位置。最后一種是跟蹤結(jié)果的低置信度。對于跟蹤的每一幀，粒子濾波算法都會計算跟蹤結(jié)果的置信度。如果置信度低于預(yù)先設(shè)置的閾值，則系統(tǒng)將停止跟蹤，并請求手動更正。系統(tǒng)進一步將球員跟蹤結(jié)果映射到二維平面，以獲取球員在球場上的二維坐標。

3 足球比賽數(shù)據(jù)可視分析

本節(jié)主要對現(xiàn)有的足球比賽數(shù)據(jù)可視分析工作進行總結(jié)。根據(jù)不同的數(shù)據(jù)類型，其可被分為基于統(tǒng)計數(shù)據(jù)的分析、基于事件數(shù)據(jù)的分析、基于軌跡數(shù)據(jù)的分析。

3.1 基于統(tǒng)計數(shù)據(jù)的分析

大多數(shù)基于統(tǒng)計數(shù)據(jù)的分析工作主要關(guān)注比賽排名以及統(tǒng)計指標的可視化。其中，比賽排名的可視化通常采取基于折線圖的方法來展示排名的變化，統(tǒng)計指標的可視化通常采取統(tǒng)計圖表等可視化形式進行展示和對比。

圖1 Gap Charts 對足球比賽排名的可視化[3]

3.1.1 足球比賽排名的可視化

在足球聯(lián)賽中，每場比賽后球隊的積分和排名會發(fā)生變化。目前的比賽排名通常通過表格呈現(xiàn)，表格中包括球隊排名以及對應(yīng)的積分等統(tǒng)計信息。然而簡單的表格展示方法很難表現(xiàn)球隊之間積分的差距以及其隨比賽輪次的變化。因此，對足球比賽積分和排名的變化進行有效的展示對于足球分析師來說是十分重要的。Perin C等人[2-3]在2014年和2016年分別提出了A table!和Gap Charts，利用二者對足球比賽排名的變化進行可視化。其中，A table!采用折線圖的形式展示球隊積分和排名的變化。如圖1所示，Gap Charts對傳統(tǒng)的折線圖方法進行了改進，用行之間的空隙表示分數(shù)大小，可以清晰地看出球隊之間的積分差距。

Perin C等人[4]在2016年提出了對用戶預(yù)測足球錦標賽結(jié)果進行交互和可視化的系統(tǒng)。該系統(tǒng)支持用戶選擇在比賽中勝出的球隊，并通過不同階段比賽輪次的展示，對用戶的選擇過程進行直觀的可視化。用戶可以通過該系統(tǒng)交互式地選擇自己在每個比賽階段的預(yù)測結(jié)果，并生成對應(yīng)的可視化圖表進行交流和展示。2015年Vuillemot R[5]等人采用折線圖的形式對比賽排名變化進行展示。

3.1.2 足球比賽中統(tǒng)計指標的可視化

在足球比賽中，球員的統(tǒng)計指標可以在一定程度上反映球員在比賽中的表現(xiàn)，因此經(jīng)常被足球分析師用于比賽分析。如圖2所示，Rusu A等人[6]在2010年提出了對球員統(tǒng)計指標進行可視化的系統(tǒng)Soccer Scoop。系統(tǒng)中的可視化圖表分別采用了足球場和球員的隱喻（可視化中的隱喻指將可視化元素與有特定含義的圖形結(jié)合，進行更加形象的數(shù)據(jù)表達），將球員的不同統(tǒng)計指標編碼到球場的不同位置以及球員的不同身體部位上。圖2中，右側(cè)圖片展示的基于球員隱喻的統(tǒng)計圖表采用不同身體部位的顏色對具體的統(tǒng)計指標數(shù)值進行編碼。系統(tǒng)提供了球員之間互相比較的功能，分析師可以通過不同的統(tǒng)計指標比較不同球員的技術(shù)特點。Rusu A等人[7]在2011年將Soccer Scoop 擴展到足球比賽中守門員的統(tǒng)計指標分析。改進后的系統(tǒng)同樣采用基于隱喻的方法對守門員不同方面的統(tǒng)計指標進行編碼。通過Soccer Scoop，分析師可以清晰直觀地對足球運動員的統(tǒng)計指標進行評估和比較。

針對足球比賽統(tǒng)計指標的可視化，Ryoo M等人[8]在2018年設(shè)計了正方形圖標對球員的統(tǒng)計指標進行編碼，其中圖標大小表示統(tǒng)計指標的值，圖標顏色表示統(tǒng)計指標所屬的類別，并設(shè)計了環(huán)形的地平線圖（horizon graph）展示球隊整體的統(tǒng)計指標。Cava R等人[9]在2013年采用矩陣的形式對球員在比賽中的統(tǒng)計指標進行了直觀的展示和分析。

3.2 基于事件數(shù)據(jù)的分析

基于事件數(shù)據(jù)分析的工作主要關(guān)注足球比賽中關(guān)鍵事件以及比較細粒度的傳球事件的可視分析。在足球比賽中，相似的傳球序列可以表示球隊采取的進攻戰(zhàn)術(shù)，因此受到了研究人員的關(guān)注。目前的工作通常將足球比賽中的傳球序列抽象為事件序列，采用聚類等數(shù)據(jù)挖掘算法獲取相似事件序列的集合，針對領(lǐng)域需求和算法設(shè)計相應(yīng)的可視分析系統(tǒng)。

圖2 Soccer Scoop 的可視化界面[6-7]

3.2.1 足球比賽中關(guān)鍵事件的可視分析

足球比賽中的關(guān)鍵事件（進球、失球等）可以揭示比賽態(tài)勢，在比賽分析中是十分重要的分析指標。Wongsuphasawat K等人[10]提出了一個時間維度的事件序列可視分析方法Outflow，并采用足球比賽中的關(guān)鍵時間數(shù)據(jù)進行案例分析。如圖3所示，Outflow主要采用流的形式對事件序列進行聚合，并展示不同的事件序列導(dǎo)致的不同結(jié)果。圖3展示了曼徹斯特聯(lián)隊在2010—2011賽季中所有比賽的聚合，其中每個事件序列表示一場比賽，序列中的關(guān)鍵事件主要包括比賽開始、進球、失球、比賽結(jié)束等，系統(tǒng)中的顏色表示比賽結(jié)果。用戶可以通過該系統(tǒng)直觀、清晰地看出比賽中的關(guān)鍵事件對比賽結(jié)果的影響。

3.2.2 足球比賽中傳球事件的可視分析

足球比賽中的傳球是球員之間最頻繁的互動，在創(chuàng)造得分機會上起著重要作用。因此，許多可視分析工作關(guān)注對足球比賽中傳球事件的分析。SoccerStories[11]是第一個全面完整的足球事件數(shù)據(jù)可視分析系統(tǒng)。如圖4所示，SoccerStories采取了多種可視化形式對足球比賽進行描述。其中，系統(tǒng)的主視圖采用Focus+Context的可視化方法，將不同的局部傳球線路繪制到球場的相應(yīng)位置上，并在球場上繪制相似傳球序列的聚合結(jié)果。數(shù)據(jù)分析師可以通過聚合結(jié)果了解比賽中常見的傳球模式，并通過局部具體的傳球線路探索感興趣的傳球線路的細節(jié)。同時，SoccerStories也提供統(tǒng)計數(shù)據(jù)的展示以及文字描述的自動生成功能。

圖3 Outflow 的系統(tǒng)界面[10]

圖4 SoccerStories 的系統(tǒng)界面[11]

Stein M等人[12]在2016年提出了通過比賽中的傳球等事件數(shù)據(jù)對球隊戰(zhàn)術(shù)進行分析的可視分析系統(tǒng)。該系統(tǒng)首先通過比賽中傳球事件的屬性對球場上每個區(qū)域的進攻威脅性進行評估，并采用基于熱力圖的形式在球場上進行編碼。同時，為了對球隊采取的戰(zhàn)術(shù)進行分析，系統(tǒng)將相似的傳球序列進行聚類，得到位置上相似的傳球序列，并采用小圖標（small multiple）的形式對每個聚類進行可視化。圖5所示為對比賽中前場定位球戰(zhàn)術(shù)的聚類結(jié)果進行的可視化，其中每個矩形的大小表示該戰(zhàn)術(shù)出現(xiàn)的數(shù)量。

圖5 前場定位球戰(zhàn)術(shù)的聚類結(jié)果可視化[12]

Gon?alves B等人[13]在2017年提出了基于傳球網(wǎng)絡(luò)的可視化分析足球比賽的方法。該方法采用傳球網(wǎng)絡(luò)對比賽中的傳球事件進行分析，傳球網(wǎng)絡(luò)中的每個節(jié)點表示一個球員，連接兩個節(jié)點的邊表示兩個球員在比賽中的傳球事件。該方法通過計算傳球網(wǎng)絡(luò)中的節(jié)點中心度等屬性對球隊戰(zhàn)術(shù)進行分析，并對球員之間的傳球以及球員位置進行可視化。如圖6所示，對足球比賽中的傳球網(wǎng)絡(luò)進行可視化，圖6（a）展示了傳球網(wǎng)絡(luò)的結(jié)構(gòu)，節(jié)點顏色表示節(jié)點中心度大小，邊的顏色表示傳球頻率大小；圖6（b）展示了球員的位置，節(jié)點的顏色表示球員活動區(qū)域，邊的顏色表示球員活動規(guī)律性。其中節(jié)點的面積表示節(jié)點中心度等與球員相關(guān)的屬性的大小，邊的寬度表示球員之間傳球得分等屬性的大小。

足球分析師希望能夠從傳球事件的角度了解有價值的進攻模式，同時，揭示傳球模式的動態(tài)變化能夠幫助教練員進行策略調(diào)整。可視分析系統(tǒng)PassVizor[14]采用一種基于主題模型的方法對有相同球員出現(xiàn)的傳球事件序列進行挖掘，并通過可視化的形式展示傳球模式的動態(tài)性。如圖7所示，PassVizor的可視化界面由兩個視圖構(gòu)成，分別為變化視圖（evolution view）和傳球序列視圖（phase view）。其中，變化視圖采用熱力圖的形式對每個傳球模式提供概覽，并采用圓點表示比賽中采用的傳球模式，由此可以總結(jié)出比賽中傳球模式隨時間的變化。分析師也可以選擇感興趣的傳球模式，查看某個傳球模式中包含的詳細序列信息，如球員在陣形中的位置以及傳球位置等。傳球序列視圖主要對分析師感興趣的傳球序列進行詳細的展示和分析，主要包括詳細的傳球過程以及傳球統(tǒng)計數(shù)據(jù)和球員統(tǒng)計數(shù)據(jù)。同時，系統(tǒng)采用新設(shè)計的圖標對傳球結(jié)果、空間環(huán)境、球員身份進行清晰直觀的展示。

圖6 足球比賽中傳球網(wǎng)絡(luò)的可視化[13]

3.3 基于軌跡數(shù)據(jù)的分析

基于軌跡數(shù)據(jù)分析的工作主要關(guān)注比賽視頻的可視分析、時空軌跡的可視分析、比賽陣形的可視分析等。軌跡數(shù)據(jù)是足球比賽中最細粒度的數(shù)據(jù)，因此吸引了眾多研究人員的關(guān)注。其中，比賽視頻的可視分析主要采用視頻剪輯和視頻增強等方法對球員軌跡的相關(guān)數(shù)據(jù)進行直觀的展示。時空軌跡可視分析的工作較多，主要包括軌跡的篩選和聚合，以及后續(xù)的可視化。足球比賽中的陣形可以表示球隊采取的高級戰(zhàn)術(shù)。通過對比賽過程中陣形的變化進行分析，可以了解戰(zhàn)術(shù)的變化規(guī)律。

圖7 PassVizor 的系統(tǒng)界面[14]

3.3.1 足球比賽視頻的可視分析

足球數(shù)據(jù)分析師通常通過比賽視頻對球隊進行分析。因此，將可視分析技術(shù)與比賽視頻結(jié)合起來，能夠幫助足球分析師更好地從比賽視頻中得到有價值的結(jié)論。Stein M等人[15]提出了Director’s Cut，研究了如何恰當?shù)剞D(zhuǎn)換和可視化地表示足球比賽視頻數(shù)據(jù)，從而幫助足球分析師檢測到關(guān)鍵的比賽模式，并進一步評估單個球員或多個球員。Director’s Cut支持視頻分析師利用可視分析方法和半自動技術(shù)分析足球比賽。該系統(tǒng)通過一個可調(diào)整的基于規(guī)則的選擇引擎來加速對特定情況的過濾，減少了數(shù)據(jù)分析師的工作量。系統(tǒng)首先產(chǎn)生帶有自動標注的視頻剪輯，視頻分析師可以進一步編輯這些標注結(jié)果。系統(tǒng)提供了有效的自動標注方法，以啟發(fā)式、主題相關(guān)方式，解決足球比賽分析的3個基本問題（交互空間、自由空間、傳球選擇），與基于規(guī)則的標注一起，增強并加快了手動交互式分析和標注過程。

Stein M等人[16]提出了一種通過將可視化圖標繪制在比賽視頻中的方法Bring it to the Pitch，在團隊運動分析領(lǐng)域提供了有效的可視分析手段。該工作實現(xiàn)了一種計算機視覺技術(shù)，能從比賽視頻中提取球員位置，捕捉球員運動數(shù)據(jù)，并將球員位置映射到二維平面上。該工作進一步設(shè)計了定制的可視化圖標，并根據(jù)比賽分析師的需求將圖標繪制到原視頻中。通過系統(tǒng)提供的視頻增強方法，數(shù)據(jù)分析師能夠采用熟悉的分析方法進行分析，提高了分析效率。系統(tǒng)的工作流程如圖8所示。其中圖8中的（A）為球員按幀檢測的結(jié)果，（B）為從原視頻中提取變換后的全景視頻，（C）為球員在全景視頻中的投影，（D）為球員在平面上的投影，（E）為原視頻增強后的結(jié)果。

針對足球比賽視頻可視分析，F(xiàn)ischer M T等人[17]在2019年通過在視頻中添加可視化元素標注的方式幫助用戶更好地理解比賽視頻。Feng N等人[18]在2020年采用計算機視覺技術(shù)對足球比賽視頻進行分割，并對球員在場上的位置進行標注和分析。

3.3.2 足球比賽時空軌跡的可視分析

直接對足球比賽中的球員軌跡和球軌跡進行分析能夠使數(shù)據(jù)分析師直觀、清晰地了解足球比賽中的細節(jié)，這對于足球比賽分析十分重要。Janetzko H等人[19]在2014年提出了基于球員特征對足球比賽中的軌跡進行聚類分析的可視分析系統(tǒng)。系統(tǒng)首先選取球員軌跡的統(tǒng)計數(shù)據(jù)特征，如速度、方向、球員與球之間的距離等，將這些特征組合為歸一化的特征向量，并進行降維處理，最后將降維后的結(jié)果進行聚類，得到相似的球員軌跡數(shù)據(jù)集合。系統(tǒng)的可視化界面如圖9所示。分析師可以根據(jù)分析需求對聚類選項進行調(diào)整，聚類得到的結(jié)果顯示在界面右上角的小圖標中。同時，系統(tǒng)提供了平行坐標軸和地平線圖，可對每個特征的具體值進行展示，并支持對多個球員的對比分析。

Janetzko H等人[20]在2016年提出了采用基于平行坐標軸的方法對足球運動員的高維屬性進行展示的可視分析系統(tǒng)。該系統(tǒng)對圖9中系統(tǒng)采用的平行坐標軸進行了改進，通過在每個屬性的坐標軸上繪制統(tǒng)計圖表（如堆疊柱狀圖、箱線圖、小提琴圖（violin plot）等）對球員特征的分布進行概覽，分析師可以通過概覽球員特征篩選感興趣的軌跡，并進行詳細分析。系統(tǒng)也支持對不同類別的球員進行對比分析。

圖8 Bring it to the Pitch 的系統(tǒng)工作流程[16]

為了從不同的時空角度對足球軌跡數(shù)據(jù)中體現(xiàn)的戰(zhàn)術(shù)進行探索，Andrienko G等人[21]提出了基于時空軌跡數(shù)據(jù)可視化對足球比賽戰(zhàn)術(shù)進行分析的方法。該工作提出了一個分析框架，涉及交互式查詢、查詢結(jié)果的聚合，以及對查詢結(jié)果中的模式進行直觀的探索。該框架利用空間與時間之間的相互作用對足球比賽中的戰(zhàn)術(shù)進行理解。如圖10所示，對球員軌跡以及球的軌跡進行空間變換，其中黃色軌跡表示多特蒙德隊，紅色軌跡表示拜仁慕尼黑隊，右側(cè)圖表展示了對多特蒙德隊進行軌跡空間變換的結(jié)果，分析師可以清晰地看出球員及球之間的相對位置。查詢結(jié)果的聚合產(chǎn)生了一種新的運動集合，稱之為偽軌跡，其由沿抽象時間軸排列的廣義位置組成。最終的聚合結(jié)果以可視化的方式顯示，以便分析師探索、比較、評估球員運動軌跡隨時間或空間的變化。

圖9 基于球員軌跡特征的可視分析系統(tǒng)界面[19]

圖10 球員軌跡及球軌跡的空間變換結(jié)果[21]

Andrienko G等人[22]在2017年主要關(guān)注比賽的時空軌跡中體現(xiàn)的球員防守戰(zhàn)術(shù)，通過計算球員之間的壓迫面積來評估球隊的防守效果。該工作設(shè)計了不同的可視化形式，例如采用球員運動軌跡的寬度編碼防守球員對對方進攻球員的壓迫值大小，采用熱力圖表示防守球員在球場上不同位置產(chǎn)生的壓迫值。分析師可以通過上述可視化形式直觀地評估球員在防守上的表現(xiàn)。Andrienko G等人[23]在2018年研究了球員之間壓迫面積的可視化，采用熱力圖、節(jié)點鏈接圖、時空立方體（space-time cube）等形式展示球員的防守表現(xiàn)。

針對足球比賽時空軌跡可視分析，Stein M等人[24]在2015年采用平行坐標軸等可視化形式對球員的軌跡特征進行直觀的展示；Shao L等人[25]在2016年采用交互式的軌跡搜索來評估比賽形勢；Andrienko G等人[26]在2016年對球員軌跡進行空間變換和可視化；Sacha D等人[27]在2017年采用多種軌跡聚類算法對比賽中的軌跡進行聚合和展示；Machado V等人[28]在2017年采用基于熱力圖的形式展示球員位置隨時間的變化；Stein M等人[29-31]在2019年對軌跡進行了交互式的搜索，采用可視化的交互界面對軌跡進行標注，對球員軌跡和球的軌跡進行可視化和模擬預(yù)測分析等一系列工作。

圖11 ForVizor 的系統(tǒng)界面[1]

3.3.3 足球比賽陣形的可視分析

足球比賽中的陣形可以體現(xiàn)比賽中球隊采取的戰(zhàn)術(shù)。在比賽中，球隊的陣形是隨時間變化的，并且包含了固有的空間信息。足球陣形的這種時空特性和足球數(shù)據(jù)的其他特性（如多變量特征）使得足球陣形分析成為一個具有挑戰(zhàn)性的問題。如圖11所示，可視分析系統(tǒng)ForVizor[1]中設(shè)計了一種新穎的陣形變化的可視化形式。系統(tǒng)通過陣形檢測算法對球員的軌跡數(shù)據(jù)進行處理，并輸出比賽中不同時刻對應(yīng)的每支球隊的陣形。系統(tǒng)的可視化界面包含陣形視圖和展示視圖。在陣形視圖中，足球分析師可以通過矩陣的可視化形式了解兩支球隊在比賽中常用的陣形，通過新的可視化設(shè)計陣形流直觀地跟蹤整場比賽中陣形的變化和球員在陣形中的移動，并比較兩支球隊的陣形變化模式以及觀察陣形和比賽情況之間的關(guān)系。分析師可以進一步在展示視圖中獲取詳細的球隊陣形的上下文信息（如球員在球場上的真實位置），并使用有用的統(tǒng)計指標進行詳細分析。

針對足球比賽陣形可視分析，Perl J等人[32]在2 013 年采用矩陣和折線圖的形式對比賽中的陣形變化進行展示；Bialkowski A等人[33]在2014年對比賽中的陣形進行檢測，并采用熱力圖和散點圖對陣形進行展示。

4 挑戰(zhàn)和展望

可視分析技術(shù)能夠支持數(shù)據(jù)分析師交互式地對數(shù)據(jù)進行分析和探索，幫助分析師清晰直觀地得出結(jié)論，因此被廣泛應(yīng)用到足球比賽數(shù)據(jù)分析領(lǐng)域中。目前研究人員提出了許多有效的足球比賽數(shù)據(jù)可視分析方法。然而，該領(lǐng)域目前仍然存在許多挑戰(zhàn)，主要的挑戰(zhàn)和展望如下。

4.1 細粒度足球 比賽數(shù)據(jù)的獲取

足球比賽數(shù)據(jù)的獲取是足球比賽數(shù)據(jù)分析必不可少的一個環(huán)節(jié)。然而，目前較易獲取的數(shù)據(jù)主要是統(tǒng)計數(shù)據(jù)等粗粒度數(shù)據(jù)，事件數(shù)據(jù)和軌跡數(shù)據(jù)等細粒度數(shù)據(jù)的獲取仍然存在很大難度。一方面，商業(yè)數(shù)據(jù)公司采集的細粒度數(shù)據(jù)獲取難度較大、成本較高；另一方面，使用視頻標注系統(tǒng)標注數(shù)據(jù)的工作量較大，標注效率較低，同時也需要有穩(wěn)定的高質(zhì)量的視頻源。目前研究人員能夠獲取到的足球比賽視頻絕大多數(shù)是比賽直播視頻，視頻中的鏡頭切換較為頻繁，并且視頻的同一幀中只包含部分球員的信息，因此很難從比賽直播視頻中采集所有球員的軌跡數(shù)據(jù)。軌跡數(shù)據(jù)可以從比賽全景視頻中采集，然而，比賽全景視頻需要通過在球場設(shè)置固定機位進行拍攝，很難從公開的比賽視頻來源中獲取。因此，如何獲取大量高質(zhì)量的視頻源，進而高效采集足球比賽中的細粒度數(shù)據(jù)，仍然是目前足球比賽數(shù)據(jù)可視分析面臨的巨大挑戰(zhàn)。

4.2 足球比賽中防守戰(zhàn)術(shù)的可視分析

足球比賽中球隊采用的戰(zhàn)術(shù)可以分為進攻戰(zhàn)術(shù)和防守戰(zhàn)術(shù)兩個方面。目前絕大多數(shù)足球比賽數(shù)據(jù)可視分析的工作聚焦于進攻戰(zhàn)術(shù)。然而，足球比賽中的防守戰(zhàn)術(shù)也十分重要，在壓迫對手空間、迫使對手失誤進而奪回球權(quán)上起著不可或缺的作用。防守戰(zhàn)術(shù)需要對比賽雙方多個球員的軌跡進行多角度的分析，相比進攻戰(zhàn)術(shù)更加困難。目前在足球比賽中防守戰(zhàn)術(shù)的可視分析方面，僅Andrienko G等人[22-23]在2017年和2018年對足球比賽中防守的壓迫面積進行了可視化。因此，如何對足球比賽中球員在防守時的行為進行分析和評估，進而采用可視分析技術(shù)進行直觀的交互式探索，將是十分具有前景的研究方向。

4.3 足球比賽中的解釋性可視分析

足球比賽中的解釋性分析主要指對比賽中變量之間的關(guān)系進行解釋，能夠幫助分析師了解影響比賽的因素以及各個因素之間的因果關(guān)系。目前的足球比賽可視分析工作通常采用描述性分析的方法，主要通過足球分析師的領(lǐng)域知識對分析結(jié)果進行解釋。然而，足球分析師對分析結(jié)果的解釋存在一定的局限性，因此，需要采用解釋性的方法對比賽數(shù)據(jù)進行更加深入的分析。解釋性分析需要揭示變量之間影響的方向，需要考慮的因素更多，相比描述性分析更加困難。因此，對足球比賽數(shù)據(jù)進行解釋性的可視分析將是未來該領(lǐng)域中的重要挑戰(zhàn)。

4.4 與沉浸式技術(shù)結(jié)合的體育可視分析方法

沉浸式技術(shù)主要包括虛擬現(xiàn)實和增強現(xiàn)實等技術(shù)，能夠使用戶身臨其境地對數(shù)據(jù)進行感知和交互，為可視分析提供了一種新的形式。目前已經(jīng)有一些工作將沉浸式技術(shù)應(yīng)用到數(shù)據(jù)的可視分析中。針對足球比賽數(shù)據(jù)，沉浸式技術(shù)能夠使分析人員更加清晰直觀地對球員的運動軌跡等比賽數(shù)據(jù)進行感知，從而提高分析人員的沉浸感。相比二維環(huán)境，三維環(huán)境下的視覺通道更多，因此，有效利用更多的視覺通道進行可視化設(shè)計是十分困難的。目前仍然缺乏能夠應(yīng)用到足球比賽數(shù)據(jù)中的沉浸式可視分析工作。設(shè)計并開發(fā)面向足球比賽的沉浸式可視分析工具是近年來比較有前景的研究方向。

5 結(jié)束語

近年來，隨著可視分析技術(shù)的發(fā)展，足球比賽數(shù)據(jù)可視分析引起了越來越多研究人員的關(guān)注。本文主要對現(xiàn)有的足球比賽數(shù)據(jù)可視分析工作進行概述。按照分析的數(shù)據(jù)類型，現(xiàn)有的足球比賽數(shù)據(jù)分析可以分為基于統(tǒng)計數(shù)據(jù)的分析、基于事件數(shù)據(jù)的分析、基于軌跡數(shù)據(jù)的分析3個類別。在現(xiàn)有工作基礎(chǔ)上，本文進一步討論了足球比賽數(shù)據(jù)可視分析面臨的挑戰(zhàn)和未來發(fā)展的方向。未來主要需要解決的問題有細粒度足球比賽數(shù)據(jù)的獲取，以及將沉浸式技術(shù)等前沿技術(shù)應(yīng)用到足球比賽數(shù)據(jù)可視分析中。