Новые метрики для оценки оборонительных действий в футболе. Использование Disruption map (Часть 2)
Этот пост написан пользователем Sports.ru, начать писать может каждый болельщик (сделать это можно здесь).
Настоящее искусство игры в защите заключается в том, чтобы предвосхищать потенциальную опасность и действовать так, чтобы максимально снижать возможность возникновения голевого эпизода у своих ворот. Паоло Мальдини однажды сказал: “Если я вынужден сделать подкат, то я уже допустил ошибку”. Очень часто необходимость подката является следствием неверно выбранной позиции в игровом эпизоде. А если защитник грамотно располагается в ключевых эпизодах матча и своими умными действиями вынуждает атакующих игроков соперника выбирать менее опасные решения, то как мы с вами можем оценить такие действия? До недавнего времени, пока футбольная аналитика целиком и полностью опиралась на данные о событиях, это была почти неразрешимая задача. С появлением трекинговых данных у нас появилась возможность фиксировать действия игроков без мяча. Это дало возможность оценивать то, что ранее оставалось скрытым от всех статистических рейтингов и от рядовых болельщиков.
В первой части обзора работы, представленной на конференции SSAC21, были введены новые метрики, которые строятся на основе трекинговых данных с применением нейросетей. Все метрики рассчитываются для игроков команды, находящейся во владении, в каждый момент матча.
- xReceiver (xR) - вероятность того, что игрок станет адресатом паса.
- xPass (xP) - вероятность того, что передача дойдет до партнера и не будет перехвачена.
- xThreat (xT) - вероятность того, что игрок без мяча нанесет удар по воротам в течение следующих 10 секунд, если ему будет сделана передача. Эта метрика никак не связана с метрикой xT на основе данных о событиях, которая оценивает вероятность гола через несколько следующих действий на поле.
На основе данных метрик был создан специальный инструмент, позволяющий давать количественную оценку оборонительным действиям, совершаемым без мяча (через значение метрики xT, которая по своей сути оценивает количество предотвращенных ударов).
Также с помощью данного инструмента удалось классифицировать оборонительные действия на два основных типа:
- действия, направленные на игрока с мячом (Ball-orientated defending)
- действия, направленные на игроков без мяча, являющихся потенциальными адресатами передач (Man orientated defending)
Помимо количественной оценки оборонительных действий для каждого конкретного игрока, авторы предложили способ визуальной оценки эффективности всей линии защиты команды через специальную тепловую карту - disruption map, детали которой и будут рассмотрены во второй части обзора.
Disruption maps (карты "разрушений")
- Disruption map (DM) - тепловая карта, на которой цветом выделяются зоны поля с высокими, низкими и нейтральными значениями метрики.
- DM строится отдельно для каждой команды, для каждой метрики и для каждого конкретного матча
Ниже приводится пример карты "разрушений" по метрике xThreat для Ювентуса в матче 2019 Серии А против Лацио. Изначально строится тепловая карта метрики xThreat для Ювентуса по всем матчам рассматриваемого сезона, получается своего рода отображение усредненного значения метрики для каждой точки поля (Team Identity). Далее строится аналогичная карта для конкретного матча с Лацио (Game Identity). После этого из первой карты вычитают вторую и получают финальное отображение, которое и является Disruption map Ювентуса для метрики xThreat в конкретном матче с Лацио.
Приведенная Disruption map для Ювентуса для метрики xT демонстрирует зоны, в которых защите Лацио удавалось лучше "разрушать" или предотвращать потенциальную опасность у своих ворот действиями без мяча. Красные области на карте разрушений указывают на зоны, в которых атакующей команде удавалось создавать опасность (зоны с высоким значением xT). Синие области - зоны, в которых защита соперника справлялась лучше (низкое значение xT)
Ниже приводятся карты разрушений для всех трех метрик в рассматриваемом матче. Построения для двух оставшихся - аналогичные тем, которые использовались для xT.
Несмотря на победу, после матча Джорджо Кьеллини скажет, что первые 60 минут матча были худшими за весь сезон для Ювентуса. Авторы работы использовали рассмотренные выше Disruption maps, чтобы определить действия Лацио, которые оказали основное влияние на атакующую игру Старой синьоры.
- На тепловой карте xThreat (крайняя правая DM) отчетливо видно, что защита Лацио не позволила создать моменты с левого фланга относительно своих ворот - широкая область раскрашенная синим. Это фланг, на котором играл Роналдо в том матче. Числовое значение метрики xT для данной области оказалось для Ювентуса на 10% ниже, относительно средних значений по тому сезону.
- На тепловой карте xPass (DM по середине) можно наблюдать зоны, выделенные синим, вероятность успешных передач в которые значительно снизилась, относительно средних значений для Ювентуса в текущем сезоне. Ярко синий цвет соответствует повышению риска потери примерно на 20% в результате передачи в данную зону. Получается, защита Лацио полностью перекрыла область в пределах штрафной площади, широкий коридор в левой части штрафной и весь правый фланг.
- На тепловой карте xReceiver (крайняя левая DM) более красным цветом окрашены зоны, в которых игроки Ювентуса имели несколько более высокую вероятность стать адресатами передач, по сравнению со средними значениями по сезону. Здесь можно обратить особое внимание на правый фланг Ювентуса на зону в пределах границы штрафной площади, окрашенной в более теплые тона (желтый, оранжевый, красный). Получается, что атакующие игроки Ювентуса имели более высокое значение метрики xR в зоне, вероятность успешности передачи в которую была снижена (xP) и вероятность нанесения ударов по воротам, после приема в которой, также оказывалась ниже средних значений (xT).
После матча обозреватели Kicker напишут, что в первом тайме Роналдо был выключен из игры, а Дибала не сумел придать импульс атакующим действиям Ювентуса.
Авторы работы помимо командных карт разрушений также создали индивидуальные disruption map для отдельных игроков, при рассмотрении которых можно наглядно увидеть подтверждение оценок Kicker по Кришу и Пауло, а также получить дополнительные инсайты относительно эффективности действий без мяча атакующих игроков на поле.
Disruption maps для Роналду
Disruption maps для Дибалы
Получается, что disruption map демонстрирует как изменяются значения метрик для всей команды или для отдельного игрока внутри одного матча или тайма относительно среднего значения. Анализируя степень изменения метрик атакующей команды можно проводить оценку оборонительных действий команды соперника.
Для получения более полной картины, метрики следует рассматривать не только по отдельности, но и в совокупности, как в примере с Роналду, когда во втором тайме ему удавалось находить зоны с высоким xT, но при этом в эти зоны было сложно доставить пас (xP), и сам Роналду не являлся наиболее приоритетным адресатом по xR.
Аналогично для примера с Дибалой во втором тайме - на DM выделены зоны с высоким значением xT и xP, но по каким-то причинам, природы которых не анализируется внутри освещаемой работы, его значения xR оказывались средними или ниже среднего в этих зонах, т.е. в моменты открываний в эти зоны партнеры Дибалы, находящиеся на мяче, в большинстве случаев имели более приоритетных адресатов с точки зрения игрового контекста.
Еще один пример с индивидуальной disruption map
Ниже предлагается для рассмотрения еще один пример, который отражает назначение индивидуальных карт разрушений. В нем рассматриваются disruption maps метрик xR и xP для некоторого центрального полузащитника, против которого было совершено больше всего оборонительных действий по ходу матча.
Основные детали:
- рассматриваемый игрок в области, выделенной красным овалом, занимал позиции преимущественно со средним уровнем xR, т.е. партнеры по команде рассматривали его в качестве адресата паса в центре на том же уровне, как и в другие матчи сезона.
- передачи в области, находящиеся внутри овала, оказывались значительно более рискованными, чем в среднем по сезону, что отражает эффективность действий без мяча игроков обороняющейся команды
- почти половина всех эффективных действий обороняющейся команды в отношении рассматриваемого игрока были сделаны без мяча (28 таких действий из 58), т.е. соперник накрывал рассматриваемого игрока, когда тот открывался для получения передачи (Man orientated defending).
Основные результаты:
В итоге у нас есть численная оценка в виде суммарного количества действий обороняющейся команды против конкретного игрока. Дополнительно доступна разбивка по типам действий - действия против игрока, когда он был на мяче, и действия против него, когда он был без мяча и рассматривался как потенциальный адресат паса.
Также нам доступна визуальная карта, показывающая, насколько эффективными были эти действия. Чем более синий окрас имеют области на карте, тем более сильные отклонения наблюдаются по рассматриваемой метрике относительно среднего значения и тем выше эффективность действий обороняющейся команды.
На этом с disruption map можно поставить точку. Основная задача данного обзора - получить общее представление о предложенном авторами подходе. Насколько я понял, авторы допустили некоторые ошибки с представленной в их работе визуализацией, что говорит о том, что они очень торопились презентовать свое решение на рынке на широкую аудиторию, как мне кажется.
На Friends of tracking после презентации работы от Stats Perform выступал еще один докладчик с инструментом для оценки оборонительных действий с помощью все тех же трекинговых данных, который предложил методику оценивания эффективности предотвращения передач (Pass Prevention) и ударов (Shot Prevention) - подробности здесь. Это еще раз указывает на повышенный интерес внутри индустрии именно к разработке инструментов для оценки оборонительных действий и, наверное, стремление оказаться первыми в этом направлении со своими решениями.
Дополнительно
Несмотря на то, что основной акцент работы был направлен на оценку оборонительных действий, предложенные метрики в том числе оказались полезными для оценки эффективности действий без мяча, совершаемых атакующими игроками. В частности, удалось автоматически детектировать специальный тип действий, которые совершают игроки без мяча, - Active off Ball Runs - активные ускорения без мяча.
Более формальное определение таким действиям, предложенное авторами, - это действия, при которых атакующий игрок совершает рывок на максимальной скорости для того, чтобы увеличить свое значение xR или, что тоже самое, чтобы стать потенциальным получателем паса в следующий момент времени.
Для каждого игрока можно проанализировать количество и типы таких ускорений в течение матча и составить своего рода профайл по active runs. Данный анализ может быть полезен для различных целей, но особенный интерес заключается в том, что оценка по active runs позволяет классифицировать футболистов и их функционал по действиям без мяча, что дает возможность более детально формулировать при скаутинге требования к игрокам, которые рассматриваются на ту или иную позицию. Также глубокое понимание статистики по active runs может помочь в корректировке тренировочного процесса с расставлением акцентов на проработке каких-то конкретных типов беговых нагрузок.
Больше деталей по active runs можете найти в источниках ниже.
Оригинал публикации - Making Offensive Play Predictable - Using a Graph Convolutional Network to Understand Defensive Performance in Soccer.
Видео с Pro Forum, где работа была представлена впервые на широкую аудиторию.
Видео с Friends of Tracking, на котором представлено более детальное обсуждение работы.