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

使用Python和OpenCV库实现实时颜色识别系统

《使用Python和OpenCV库实现实时颜色识别系统》:本文主要介绍使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色(红... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间详解

OpenCV实现实时颜色检测的示例

《OpenCV实现实时颜色检测的示例》本文主要介绍了OpenCV实现实时颜色检测的示例,通过HSV色彩空间转换和色调范围判断实现红黄绿蓝颜色检测,包含视频捕捉、区域标记、颜色分析等功能,具有一定的参考... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间

MyBatis Plus 中 update_time 字段自动填充失效的原因分析及解决方案(最新整理)

《MyBatisPlus中update_time字段自动填充失效的原因分析及解决方案(最新整理)》在使用MyBatisPlus时,通常我们会在数据库表中设置create_time和update... 目录前言一、问题现象二、原因分析三、总结:常见原因与解决方法对照表四、推荐写法前言在使用 MyBATis

Python主动抛出异常的各种用法和场景分析

《Python主动抛出异常的各种用法和场景分析》在Python中,我们不仅可以捕获和处理异常,还可以主动抛出异常,也就是以类的方式自定义错误的类型和提示信息,这在编程中非常有用,下面我将详细解释主动抛... 目录一、为什么要主动抛出异常?二、基本语法:raise关键字基本示例三、raise的多种用法1. 抛

github打不开的问题分析及解决

《github打不开的问题分析及解决》:本文主要介绍github打不开的问题分析及解决,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、找到github.com域名解析的ip地址二、找到github.global.ssl.fastly.net网址解析的ip地址三

Mysql的主从同步/复制的原理分析

《Mysql的主从同步/复制的原理分析》:本文主要介绍Mysql的主从同步/复制的原理分析,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录为什么要主从同步?mysql主从同步架构有哪些?Mysql主从复制的原理/整体流程级联复制架构为什么好?Mysql主从复制注意

java -jar命令运行 jar包时运行外部依赖jar包的场景分析

《java-jar命令运行jar包时运行外部依赖jar包的场景分析》:本文主要介绍java-jar命令运行jar包时运行外部依赖jar包的场景分析,本文给大家介绍的非常详细,对大家的学习或工作... 目录Java -jar命令运行 jar包时如何运行外部依赖jar包场景:解决:方法一、启动参数添加: -Xb

Apache 高级配置实战之从连接保持到日志分析的完整指南

《Apache高级配置实战之从连接保持到日志分析的完整指南》本文带你从连接保持优化开始,一路走到访问控制和日志管理,最后用AWStats来分析网站数据,对Apache配置日志分析相关知识感兴趣的朋友... 目录Apache 高级配置实战:从连接保持到日志分析的完整指南前言 一、Apache 连接保持 - 性

Linux中的more 和 less区别对比分析

《Linux中的more和less区别对比分析》在Linux/Unix系统中,more和less都是用于分页查看文本文件的命令,但less是more的增强版,功能更强大,:本文主要介绍Linu... 目录1. 基础功能对比2. 常用操作对比less 的操作3. 实际使用示例4. 为什么推荐 less?5.

spring-gateway filters添加自定义过滤器实现流程分析(可插拔)

《spring-gatewayfilters添加自定义过滤器实现流程分析(可插拔)》:本文主要介绍spring-gatewayfilters添加自定义过滤器实现流程分析(可插拔),本文通过实例图... 目录需求背景需求拆解设计流程及作用域逻辑处理代码逻辑需求背景公司要求,通过公司网络代理访问的请求需要做请