خوشه بندی شکل تیم بر مبنای داده های مکانی-زمانی برای تجزیه و تحلیل رفتار جمعی بازیکنان تیم فوتبال

در سال های اخیر تحلیل داده های فوتبال برای آنالیز رفتار بازیکنان مورد توجه قرار گرفته است. بخش مهمی از این داده ها ماهیتی مکانی-زمانی دارند و همین امر اهمیت تحلیل های مکانی-زمانی را در صنعت فوتبال پررنگ تر می کند. هدف از این تحقیق، تحلیل رفتار جمعی بازیکنان در سطح ماکرو می باشد. برای این منظور، در گام اول در هر فریم زمانی، مشخصات تیم بر مبنای مجموعه ای از پارامترهای مکانی، هندسی، توپولوژیکی و توزیع استخراج می شود. سپس، این پارامترها مبنای خوشه بندی شکل تیم قرار می گیرند. این خوشه بندی به صورت دومرحله ای انجام می شود. در مرحله اول، خوشه های اصلی بر مبنای پارامترهای مکانی به دست می آید و وضعیت تدافعی یا تهاجمی بودن تیم مشخص می شود. در مرحله دوم به ازای هر یک از خوشه های اصلی، بر مبنای سایر پارامترها، خوشه های جدید تعریف می شوند که بیانگر شکل کلی تیم در یک محدوده مشخص می باشند. در این تحقیق از داده های یک مسابقه فوتبال استفاده شده و پنج خوشه اصلی، و همچنین پنج زیر خوشه به ازای هر یک از خوشه های اصلی به دست آمده است. در فرآیند ارزیابی، میزان تفاوت شکل تیم با مرکز خوشه متناظر با آن، اندازه گیری شده است. میزان انحراف معیار این تفاوت در خوشه های اصلی بین 0.19 تا 0.27 متغیر است. بر مبنای این تغییر در انحراف معیار، میزان نوسانات شکل تیم در مناطق مختلف زمین و بر مبنای خوشه بندی تیم در زمان های مختلف مسابقه، سهم زمانی خوشه ها و میزان تسلط تیم بر زمین، وضعیت تدافعی یا تهاجمی بودن و روند کلی تغییر وضعیت تیم مشخص می شود. در نظر گرفتن پارامترهای مکانی، توپولوژیکی و تراکم در کنار پارامتر های هندسی، انجام خوشه بندی به صورت دو‌مرحله ای و بدون نیاز به انتقال شکل به فضای رستر (و در نتیجه عدم نیاز به استفاده از تکنیک های پردازش تصویر) از نقاط تمایز مقاله پیش رو در مقایسه با تحقیقات پیشین به شمار می آید. 

shape clustering based on spatio-temporal data for analyzing the collective behavior of a football team

in recent years, the analysis of football data with the aim of investigating the behavior of players and matches has received a lot of attention. an important part of these data has a spatio-temporal nature, and this makes the importance of spatio-temporal analyzes more prominent in the football industry. the purpose of this research is to analyze the collective behavior of players at the macro level. for this purpose, in the first step in each time frame, team characteristics are extracted based on a set of spatial, geometric, topological and distribution parameters. then, these parameters are the basis of team shape clustering. this clustering is performed in two phases. in the first phase, the main clusters are obtained based on the spatial parameters and the defensive or offensive status of the team is determined. in the second phase, for each of the main clusters, based on other descriptors, new sub-clusters are defined. in this research, the data of a football match was used and five main clusters, as well as five sub-clusters for each of the main clusters, were identified. in the evaluation process, the difference between the shape of the team and the center of the corresponding cluster has been measured. the standard deviation of this difference in the main clusters varies between 0.19 and 0.27. based on this change in the standard deviation, the fluctuations in the team’s shape in different areas of the pitch and based on the clustering of the team’s overall shape at different times of the match, the time contribution of the clusters and the degree of team dominance on the pitch, the defensive or offensive situation of team and also, overall flow of the team’s movement will be determined. considering the spatial, topological and density parameters along with the geometrical parameters, performing clustering in two stages and without the need to transfer the shape to the raster space (and as a result no need to use image processing techniques) are the most important distinguishing points of the proposed method compared to previous research.