AWS和德甲为2021赛季新推出三项赛况统计数据,强化实时比赛分析

本文主要是介绍AWS和德甲为2021赛季新推出三项赛况统计数据,强化实时比赛分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2021219日,亚马逊云服务(AWS)与德国足球甲级联赛宣布推出三项由AWS技术支持的全新“德甲赛况”分析数据,让球迷更深入地了解赛况。新的赛况分析包括:最受压制球员——用来突出在整场比赛中控球球员遭到(对方防守球员)显著压制的频率;进攻区域——用于向球迷展示他们支持的球队在哪个区域发起进攻,以及最有可能从他们观看的球场的哪一侧进球;平均站位变化趋势——显示球队战术阵型的变化如何影响比赛结果。三项数据在2021212日第21个比赛日RB莱比锡对阵FC奥格斯堡的比赛中首次亮相。访问https://aws.amazon.com/cn/sports/bundesliga/ 可以观看每项数据的视频演示、阅读博客内容,以及了解更多信息。

通过将比赛视频直播数据流传送到AWS,实时数据被收集和分析之后,“德甲赛况”得以产生。在2020/2021赛季以及之后的整个赛季中,球迷们将在视频转播和德甲官方App中,以图表的形式看到这些数据洞察。之后,这些数据会以统计数据的形式,实时反馈给世界各地的转播观众。这些高级统计数据,可以帮助观众更好地了解球员在赛场上的决策,以及每次射门的进球概率等。此次发布的三项比赛实况分析将更好地展示球场上的动态,为球迷、教练、球员和评论员分析球队决策提供视觉支持。

关于三项由AWS支持的全新“德甲赛况”分析数据

最受压制球员:在进攻和防守中,球队通常都将压制作为一项技术,打乱对方球员的节奏。此前,我们无法量化某位球员个体所收到的压制。“最受压制球员”通过测量对方参与压制的球员数量,他们与被压制球员的距离,以及每个球员的移动方向,显示持球球员经受明显压制的频率。这项高级统计数据还将比较球员在控球时受到压制的次数,以及本轮带球传球中队友平均受到压制的次数,帮助确定哪些球员受到的压制最大。

进攻区域:当球队尝试利用对方防守的弱点,接近对方球门并最终取得进球时,“进攻区域”可以让球迷看到球队在哪里集中进攻、创造这些得分机会。这一赛况分析数据沿进攻方向将球场最后三分之一的区域划分为四个同等大小的攻击区域。每当进攻球队进入其中一个区域,无论是盘带还是传球,控球算法都会算作一次进攻,并显示在图像中。这一高级统计数据的目的,是向球迷展示他们喜爱的球队在哪里进攻,以及他们正在观看的球场的哪一侧更有可能得分。

 

平均站位变化趋势:这一新的统计数据可以帮助球迷、教练和评论员确定球队的策略,它可以显示球员在比赛中任何时间段在球场上平均位置的变化。它建立在现有的比赛实况分析数据"平均站位" (在2019-2020赛季所使用) 的基础上,能够更灵活地分析整场比赛的任何时段,而不仅仅是在半场或比赛结束时提供分析。媒体和评论员现在可以选择分析任意时间跨度,比较这些比赛时段,从而更容易识别球队战术趋势,例如在进球、红牌或换人等重大事件后,球队是否有明显的应对,后一段时间是否压力增大。

"每一场德甲比赛都会产生数据,这些数据能够帮助我们改进比赛,也能帮助球迷更好地理解球队策略。我们正在利用存档资料和当前比赛的大量数据,开发新的‘德甲赛况’分析数据。我们与AWS共同创建的这些高级统计数据,可以帮助球迷更深入地了解比赛实况。" 德甲数字创新部执行副总裁Andreas Heyden表示,"与AWS一起,我们为赛场提供了一个新的观看视角,让球迷有一种新的、引人入胜的方式,关注他们最喜爱的球队。"

"拓展我们与德甲的合作,意味着更多的球迷可以领略到球场上富有天赋的球员和球队所做出的决策。同时,德甲联赛可以使用先进的分析技术提高比赛质量、打造差异化。" AWS德国、奥地利和瑞士总经理Klaus Buerg表示,"自推出‘德甲赛况’以来的一年时间里,AWS和德甲创造的统计数据,为全球球迷提供了全新的观赛体验。我们在发布这些高级统计数据时所取得的创新步伐,即使是最狂热的球迷也将为之激动,可以帮助球队制定战略,并将新一代产品引入足球的复杂世界。"

体育运动中高级统计数据的发展,使得人们对赛场策略和运动员表现有了更深的了解。为了让球迷更深入地了解这些高级统计数据和相关的比赛,前德甲球员Simon Rolfes将撰写一系列博客文章,介绍新的“德甲赛况”分析数据,阅读请访问:https://www.bundesliga.com/en/bundesliga/stats/bmf-zone

此前已经推出三个赛况分析数据包括速度警报、平均站位和进球概率,加上新推出的三个赛况分析数据,德甲球迷可获得的洞察总数达到6个。有关所有这些统计数据的信息,可访问:aws.amazon.com/sports/bundesliga。球迷还可以通过Bundesliga.com以及其它官方渠道关注最新德甲赛事。

这篇关于AWS和德甲为2021赛季新推出三项赛况统计数据,强化实时比赛分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/715070

相关文章

Springboot请求和响应相关注解及使用场景分析

《Springboot请求和响应相关注解及使用场景分析》本文介绍了SpringBoot中用于处理HTTP请求和构建HTTP响应的常用注解,包括@RequestMapping、@RequestParam... 目录1. 请求处理注解@RequestMapping@GetMapping, @PostMappin

Spring Boot Interceptor的原理、配置、顺序控制及与Filter的关键区别对比分析

《SpringBootInterceptor的原理、配置、顺序控制及与Filter的关键区别对比分析》本文主要介绍了SpringBoot中的拦截器(Interceptor)及其与过滤器(Filt... 目录前言一、核心功能二、拦截器的实现2.1 定义自定义拦截器2.2 注册拦截器三、多拦截器的执行顺序四、过

SpringBoot+Vue3整合SSE实现实时消息推送功能

《SpringBoot+Vue3整合SSE实现实时消息推送功能》在日常开发中,我们经常需要实现实时消息推送的功能,这篇文章将基于SpringBoot和Vue3来简单实现一个入门级的例子,下面小编就和大... 目录前言先大概介绍下SSE后端实现(SpringBoot)前端实现(vue3)1. 数据类型定义2.

C++ scoped_ptr 和 unique_ptr对比分析

《C++scoped_ptr和unique_ptr对比分析》本文介绍了C++中的`scoped_ptr`和`unique_ptr`,详细比较了它们的特性、使用场景以及现代C++推荐的使用`uni... 目录1. scoped_ptr基本特性主要特点2. unique_ptr基本用法3. 主要区别对比4. u

Nginx内置变量应用场景分析

《Nginx内置变量应用场景分析》Nginx内置变量速查表,涵盖请求URI、客户端信息、服务器信息、文件路径、响应与性能等类别,这篇文章给大家介绍Nginx内置变量应用场景分析,感兴趣的朋友跟随小编一... 目录1. Nginx 内置变量速查表2. 核心变量详解与应用场景3. 实际应用举例4. 注意事项Ng

Java多种文件复制方式以及效率对比分析

《Java多种文件复制方式以及效率对比分析》本文总结了Java复制文件的多种方式,包括传统的字节流、字符流、NIO系列、第三方包中的FileUtils等,并提供了不同方式的效率比较,同时,还介绍了遍历... 目录1 背景2 概述3 遍历3.1listFiles()3.2list()3.3org.codeha

Nginx分布式部署流程分析

《Nginx分布式部署流程分析》文章介绍Nginx在分布式部署中的反向代理和负载均衡作用,用于分发请求、减轻服务器压力及解决session共享问题,涵盖配置方法、策略及Java项目应用,并提及分布式事... 目录分布式部署NginxJava中的代理代理分为正向代理和反向代理正向代理反向代理Nginx应用场景

Redis中的有序集合zset从使用到原理分析

《Redis中的有序集合zset从使用到原理分析》Redis有序集合(zset)是字符串与分值的有序映射,通过跳跃表和哈希表结合实现高效有序性管理,适用于排行榜、延迟队列等场景,其时间复杂度低,内存占... 目录开篇:排行榜背后的秘密一、zset的基本使用1.1 常用命令1.2 Java客户端示例二、zse

Redis中的AOF原理及分析

《Redis中的AOF原理及分析》Redis的AOF通过记录所有写操作命令实现持久化,支持always/everysec/no三种同步策略,重写机制优化文件体积,与RDB结合可平衡数据安全与恢复效率... 目录开篇:从日记本到AOF一、AOF的基本执行流程1. 命令执行与记录2. AOF重写机制二、AOF的

MyBatis Plus大数据量查询慢原因分析及解决

《MyBatisPlus大数据量查询慢原因分析及解决》大数据量查询慢常因全表扫描、分页不当、索引缺失、内存占用高及ORM开销,优化措施包括分页查询、流式读取、SQL优化、批处理、多数据源、结果集二次... 目录大数据量查询慢的常见原因优化方案高级方案配置调优监控与诊断总结大数据量查询慢的常见原因MyBAT