【世界盃】大數據如何改變球賽?預測冠軍不出兩隊……

A+A-
有統計模型顯示,比利時是今屆世界盃奪冠大熱。 圖片來源:Jaber Abdulkhaleg/Anadolu Agency via Getty Images

分析數據幾乎已逐漸主導體育界,以足球而言,數據可以決定球員轉會、訓練強度、應對比賽對手策略、球員上陣時間,以至球場上踢球的最佳方向。隨著世界盃開鑼,科學期刊 Nature 近日有文章指出,研究人員利用更多樣數據,助足球教練更有效訓練球員及制定戰術。

為收集更多數據,現時球員會穿戴可感應運動的背心及背帶、使用 GPS 追蹤位置,並計算每隻腳的射門次數,而多角度的攝影機亦會捕捉球場上一切移動。大多數精英足球隊更會聘請數據分析師,包括來自頂級公司及實驗室的數學家、數據科學家及物理學家。分析師的見解已逐步改變比賽的打法,例如前鋒減少遠距離射門、翼鋒直接傳球給隊友而不再橫傳,教練更著眼於在球場上贏得控球權。

德國科隆體育大學的體育科學家 Daniel Memmert 說:「大數據開創出足球新時代,改變了球隊的理念和行為,改變他們分析對手、培養人才及發掘球員的方式。」未來基於數據的預測會變得更準確,而所得數據愈多,也愈能制定出致勝策略。

預測賽果

幾十年來,足球統計學家傾向於關注進球數及失球數,並嘗試建立相關模型,以預測賽果。英國牛津大學的博士生 Matthew Penn 近年開發出一個假設進球數及失球數圍繞平均值分佈的數學模型,成功預測出意大利在 2020 年歐洲國家盃決賽擊敗英格蘭,以及猜中 8 強中的 6 隊。

Penn 指出:「若要知道每支球隊進攻和防守實力,可以根據每支球隊的總進球數,及對手相對的水平來計算。最終就能得出一大組方程式來拆解其實力,然後預測每場比賽就變得非常容易。」對於卡塔爾世界盃,Penn 的模型顯示比利時最有可能得到冠軍,其次是巴西。至於英國數據科學及人工智能研究所 Alan Turing Institute 的模型則認為巴西最有機會奪冠,其次是比利時。

收集場上資訊

在 1950 年代,前皇家空軍會計師 Charles Reep 大部分時間在英格蘭觀看比賽,並對諸如球場位置及傳球順序等因素進行基本觀察。Reep 甚至使用他的數據來分析團隊表現,並提出戰術建議。他為狼隊(Wolverhampton Wanderers F.C.)引進直接銳利、減少橫傳的踢球風格,成功助球會在 5 年內贏得 3 個聯賽冠軍。

現代技術使獲取及分析此類數據變得更容易,像利物浦(Liverpool F.C.)已設有數據團隊,當中包括歐洲核子研究組織(CERN)及英國劍橋大學的物理學家,他們已建立起模型,可以評估球員在球場上的行動是否能提高入球可能性。球會更可以從商業公司購買球場上各項資訊數據,這些公司會記錄大約 3,000 場主要比賽中球員行動所得出的結果,包括盤球、傳球及攔截等,更會提供摘要統計,例如每位球員的傳球成功率。

取得全面數據

近年,數據公司更使用廣播足球比賽影片,得到更全面的控球及無球跑動分析,並以人工智能預測球員動作。預測模型由 Google 旗下人工智能公司 DeepMind 的研究人員,以及利物浦的數據團隊合作開發。

球會研究主任、前劍橋大學高分子物理學博士後研究員 Ian Graham 說:「通過這種應用程序,可以開始提出戰術的相應問題。對於比賽中的特定情況,該模型可製造出數千種不同的模擬情況。」DeepMind 的電腦科學家 Karl Tuyls 表示這項工作是建立「人工智能助教」的第一步,他說:「可以想像人工智能會觀察上半場的表現,並建議改變成更好的陣式。」

精英球會所收集的數據甚至愈來愈細緻,像曼城(Manchester City F.C.)與 Playermaker 合作開發出可固定在球鞋上的追蹤器「CITYPLAY」。CITYPLAY 內有 6 軸運動智能感應器,每秒可收集 1,000 個運動動作細節,並測量每一個微小動作,包括與地面的撞擊、球的撞擊和每隻腳的扭動。追蹤器總共追縱到 15 個足球特定指標,包括觸球、全速奔跑距離、左右腳接球平衡、比賽節奏、速度、敏捷度等,能夠協助制定球會的培訓內容。