基于弦图可视化的竞技体育团队配合模式模拟方法

摘要

本发明公开了一种基于弦图可视化的竞技体育团队配合模式模拟方法，包括以下步骤：步骤一、建立比赛相关信息的基础数据库；步骤二、根据单场比赛直播记录中球员的助攻信息构建弦图，即：每个球员分为得分扇区和助攻扇区，分别表示其得分记录和助攻次数记录，使用弦将配合双方对应的助攻扇区和得分扇区相连，从而得出比赛的详细记录；步骤三、根据球队中球员之间相互助攻信息的历史记录数据，使用多维尺度分析方法对球员进行聚类，得出m个向量的二维坐标，从而得到m个球员的聚类信息；与现有技术相比，本发明使用弦图可视化设计，方便用户更好地了解和分析比赛得分分布和球员配合情况。

说明书

技术领域

本发明涉及信息的可视分析技术领域，使用弦图对比赛中球员之间的得分配合信息 进行可视化展示和交互分析，同时通过多维尺度分析方法分析团队球员之间的配合倾 向，进而有效研究球队的战术架构。

背景技术

在竞技团体体育比赛中，由于战术安排和配合倾向，部分球员之间会经常发生相互 配合得分，这些配合模式对于攻防双方十分重要，通过己方的配合模式研究可以针对性 的做出战术调整，而研究对方的相关模式则可以有效洞察战术架构，进而安排合适的防 守策略，因此研究团队配合策略和模式有着广阔的应用前景。

可视分析是在近几年发展起来的新兴技术，是从科学可视化和信息可视化领域衍生 而来并与应用背景紧密结合的产物，能够帮助用户更加高效、准确地认知复杂数据并发 现数据背后的模式，同时用户可以结合交互操作方便、快速地对数据进行可视分析以解 决相应的实际问题。

截至目前，尽管人们围绕竞技体育比赛中配合模式的分析和研究已经展开了大量工 作。基于比赛视频，人们可以对视频中的语义事件进行提取、归纳，并能将配合事件提 取并展示出来，但是展示形式比较晦涩，同时会缺失部分信息，球员之间的配合细节却 无法有效地展现；通过将比赛历史信息中的模式进行对比分析和处理，人们可以对球队 的技战术进行探索研究，但是展示方式不太直观，用户无法清晰地获知配合模式；此外， 还有人通过将球员视为节点，将传球视为连线，从而将球队连接为网络，但是得分信息 却无法有效地显示。

目前仍未出现一种能够直观、有效展示配合信息，同时根据配合模式建模研究球队 战术体系的方法。

发明内容

为了克服上述现有技术的局限和不足，本发明提出了一种基于弦图可视化的竞技体 育团队配合模式模拟方法，结合可视分析和统计分析，将比赛得分中的配合信息充分展 示，并基于历史配合数据得出球队的配合模式，从而从不同尺度深入分析球队的战术体 系，为相关决策者提供技术支持。

本发明提出了一种基于弦图可视化的竞技体育团队配合模式模拟方法，该方法包 括以下步骤：

步骤一、建立比赛相关信息的基础数据库，包括包含了助攻发起者与助攻终结 者的单场比赛直播记录，以及，球队中球员之间每场比赛的相互助攻历史数据也通 过官网获得，从而得到在一个赛季之内的球员之间配合总数；

步骤二、根据单场比赛直播记录中球员的助攻信息构建弦图，即：每个球员分 为得分扇区和助攻扇区，分别表示其得分记录和助攻次数记录，使用弦将配合双方 对应的助攻扇区和得分扇区相连，从而得出比赛的详细记录；

步骤三、根据球队中球员之间相互助攻信息的历史记录数据，使用多维尺度分 析方法对球员进行聚类，在欧式空间下构建m个向量代表m个球员，满足以下能量 优化方程

minΣ_i＜j(||X_i-X_j||-δ_i，j)²：

的最小收敛结果，即：m个向量的二维坐标，从而得出m个球员的聚类信息；

其中，球员距离的相异矩阵表示为

$\left(\begin{array}{cccc}{\delta }_{\mathrm{1,1}}& {\delta }_{\mathrm{1,2}}& ···& {\delta }_{1,m}\\ {\delta }_{\mathrm{2,1}}& {\delta }_{\mathrm{2,2}}& ···& {\delta }_{2,m}\\ ··& ···& ···& ···\\ {\delta }_{m,1}& {\delta }_{m,2}& ···& {\delta }_{m,m}\end{array}\right)$

m为球员的总数，n为统计比赛的总数，代表球员i和球员j之间 在第k场比赛中相互助攻的总数；相异矩阵中的δ_i，j表示为

其中，δ_i代表球队中的某位球员i，δ_i，j代表球员i和球员j之间的距离。所述步骤 二中，若得分为自主单打得分，则其助攻扇区和自身的得分扇区相连。

所述弦的宽度与双方之间配合产生分数的总和成正比，双方配合的次数越多，总分 越多，弦的宽度也越大。

与现有技术相比，本发明的有益效果可归纳为以下几点：

1、使用弦图可视化设计，方便用户更好地了解和分析比赛得分分布和球员配合情 况；

2、通过交互分析过滤无关信息，提高用户对关键信息的阅读和认知能力；

3、融入历史统计信息的统计分析，提高了对团队配合研究分析的准确性和全面性。

附图说明

图1是本发明实施例的公牛队得分与助攻弦图；

图2是本发明实施例的热火队得分与助攻弦图；

图3是本发明实施例的公牛队核心球员罗斯得分与助攻弦图；

图4是本发明实施例的热火队核心球员詹姆斯得分与助攻弦图；

图5是本发明实施例的结合历史信息的热火队球员配合多维尺度分析图；

图6是本发明的一种基于弦图可视化的竞技体育团队配合模式模拟方法的整体流 程示意图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明，但本发明的实施范围并 不局限于此。

下面以NBA为实施例并结合附图对本发明做进一步阐述。

本发明的基于多维尺度分析和弦图可视化的竞技体育团队配合研究方法，包括 以下步骤：

步骤一、建立比赛相关信息的基础数据库，数据库信息来源于NBA官网的直播 记录，记录中包含了助攻发起者与助攻终结者(即得分球员)的直播记录，同时， 球队中球员之间每场比赛的相互助攻历史数据也通过官网获得，从而得到在一个赛 季之内的球员之间配合总数。

步骤二、根据单场比赛中球员的助攻信息构建弦图，每个球员用不同颜色的扇 区表示，且每个球员又分为得分扇区和助攻扇区，分别表示得分来源和助攻去向， 使用弦将配合双方对应的助攻扇区和得分扇区相连，若得分为自主单打得分，则其 助攻扇区和自身的得分扇区相连，弦的宽度与双方之间配合产生分数的总和成正比， 双方配合的次数越多，总分越多，弦的宽度也越大，从而得出比赛得分的详细信息。 同时用户还可以通过交互过滤查看某一个球员的助攻去向和得分来源等信息，更加 清晰地认知该球员的团队配合与场上贡献。

步骤三、根据球队中球员之间相互配合(助攻)的历史记录数据，使用多维尺 度分析方法对球员进行聚类，δ_i代表球队中的某位球员i，δ_i，j代表球员i和球员j之 间的距离，该距离与双方之间助攻的次数成反比，助攻总次数越多，距离越近(如 式1所示)，

m为球员的总数，n为统计比赛的总数，代表球员i和球员j之间在第 k场比赛中相互助攻的总数，进而可以得到球员距离的相异矩阵(如式2所示)。

$\left(\begin{array}{cccc}{\delta }_{\mathrm{1,1}}& {\delta }_{\mathrm{1,2}}& ···& {\delta }_{1,m}\\ {\delta }_{\mathrm{2,1}}& {\delta }_{\mathrm{2,2}}& ···& {\delta }_{2,m}\\ ··& ···& ···& ···\\ {\delta }_{m,1}& {\delta }_{m,2}& ···& {\delta }_{m,m}\end{array}\right)---\left(2\right)$

在欧式空间下构建m个向量代表m个球员，通过求解能量优化方程(如式3所示)，

minΣ_i＜j(||X_i-X_j||-δ_i，j)²   (3)

得出m个向量的二维坐标，从而得到m个球员的聚类信息，球队的配合模式也可以 得以体现。

下面将通过实施例来进一步印证本发明的实用性、科学性和准确性，以下实例 中选取2013年10月30日热火对公牛的NBA赛季揭幕战和热火队球员配合模式为 研究对象。

实例1、单场比赛球员配合分析

按照本发明的方法和步骤，构建了球员配合的可视设计图(如图1至5所示)， 每个球员用不同灰度的扇区表示，且每个球员包含一个助攻扇区(助攻得分用图中 的“球员名_ast”表示)和一个得分扇区(得分用图中的“球员名_score”表示)，前 者表示其助攻队友得分的情况，后者表示其接受队友助攻的得分情况，如图1、图2 所示。

将图2所示的热火队和图1所示的公牛队相比，该可视化结果的解析为：热火队

内线球员得分较少。热火队三位内线球员波什(bosh)、哈斯勒姆 (harslerm)和安德森(anderson)总得分只有31分；而公牛队内线球员布泽尔(boozer) 仅一人得分就为31分，另一位主要内线替补吉布森(gibson)也得了9分。从助攻 部分来看，公牛内线球员的助攻表现也优于热火内线球员。总体而言，内线进攻在 本场比赛中是公牛的重心，且内线进攻表现也比较突出。虽然内线不占优势，最后 热火仍赢得比赛的主要原因是其外线球员如詹姆斯(james)、韦德(wade)、钱莫斯 (chalmers)等表现出众，同时热火队强调团体配合的流畅性，个人自主单打得分相 对较少，另外替补球员如阿伦(allen)、巴蒂尔(battier)和科尔(cole)也表现优异， 尤其詹姆斯和阿伦既能得分又能助攻队友得分，激活了球队的进攻，而公牛恰恰缺 少这样的球员，并主要依赖布泽尔和其他先发球员的个人表现。

依靠过滤操作可以分析球队核心球员的个人表现，图3为公牛队核心球员罗斯 (rose)，图4为热火队核心球员詹姆斯(james)，可以看出詹姆斯无论是助攻还是 个人得分都要优于罗斯，因此作为球队领袖詹姆斯表现得更加出色。

根据本发明方法，用户可以准确、快速地判断球队比赛的得分分布和配合情况， 显著提高了分析工作的效率。

实例2、基于历史数据的球员配合模式分析

选取热火队出场球员进行配合模式的分析，考虑到单场比赛数据可能存在偶然 性误差，于是选取热火队在赛季中和另外29只球队的比赛记录作为数据支撑，如果 球员A和球员B配合较多，则双方在多维尺度分析聚类中距离则相对较近或者会被 归为同一聚类。

通过上述多维尺度分析方法的相关步骤，最终可以得到热火队球员在二维空间 上的聚类图，如图5所示。在图中可以看到，詹姆斯、韦德、波什和钱莫斯四名先 发球员经常互相助攻配合，而科尔、刘易斯(lewis)、比斯利(beasley)和安德森4 名替补球员聚为一类，阿伦虽然是替补球员但是其很好的串联了先发阵容和替补阵 容，而巴蒂尔和哈斯勒姆则相对孤立，很少参与到球队的整体配合之中。

使用本发明中的可视分析方法，用户可以整合历史信息，更加全面、准确地分 析球员之间的配合情况，从而为球队的技战术研究提供分析的依据。

尽管以上内容结合实施例与图对本发明进行了实施描述，但是本发明并不仅仅 局限于上述实施例，上述内容仅是示意性的而非限制性的，本领域的相关技术人员 在本发明的启示帮助下，在不脱离本发明宗旨和实质的情况下进行的变形也应属于 本发明的保护范围之内。