体育数据可视化是体育新闻和体育竞技中的重要技术。上回我们说到，体育数据可分为一维体育属性统计数据，体育属性和时空属性结合的多维数据等。已有的工作主要有体育数据新闻、体育数据分析、可视分析系统。

　　在今天的推送中，镝次元将带你了解体育数据可视化工作中采用的基本方法还有体育数据可视分析的基本思路。

　　本文选自雷辉、劳天溢、刘真、左伍衡、陈为在《计算机辅助设计与图形学学报》发表的论文《体育数据可视化综述》，已得到原作者的授权。

　　制图工具：镝数图表 - 在线数据可视化神器，让你的数据有型有款、创意无限

　　如今已有不少关于体育数据可视化的工作。根据可视化的目的不同，使用的可视化方法也不尽相同。体育数据可视化的方法类似于一般可视化的步骤，包括数据获取、数据过滤和可视表达这几个步骤。

　　如图 5所示，如果是面向媒体的“数据新闻”，则还要加上故事叙述。

　　技术统计数据的可视化方法

　　技术统计数据的可视化方法根据统计数据的不同，具体的可视化方法千差万别。通常会根据数据的属性选择较好的呈现方式，并辅之以良好的交互手段。图 6a

　　图 6a所示系统中，教练通过观察守门员的比赛表现，将其与其他守门员进行比较，从而提供专门训练。手脚、躯干的颜色表示该身体部位的表现是否良好，表现越好，颜色越接近绿色；反之，颜色接近红色。此外，球员的角度表示整场比赛扑出球的个数，从而反映球员的整体表现。图 6b

　　图 6b所示系统也是类似的方法，球员身体部位的颜色表示该球员该部位的表现，例如手臂的颜色反映出左边的球员在掷界外球方面要比右边的球员出色; 而足球的高度表示球员的控球水平，球的颜色表示球在该球员脚下的安全性。以上两个都是球员身体素质统计的数据可视化。图 7a

　　图 7a表示的是 NTL 每个不同位置的球员在 2014 年的薪资水平。图 7b

　　图 7b表示的是 NCAA 球员 2014 年 19 周内的排名变化情况。以上两个都是球员数据可视化。

　　技术统计数据和空间数据结合的可视化方法

　　大部分体育比赛都是在一定规模的场地中进行，球员位置和事件产生位置等都是至关重要的数据。因此仅对技术统计可视化可能会遗漏掉重要的信息。技术统计数据和空间数据结合的可视化方法能够对比赛场地进行等比例的简化绘制，并且将技术统计数据绘制到对应的空间位置上。图 8a

　　图 8a用散点图表示篮板球的分布情况。图 8b

　　图 8b表示进攻篮板在篮下区域的分布比例、颜色编码比例的高低。图 8c

　　图 8c用热力图表示了投篮位置的概率分布，六边形的颜色则表示防守时对方球员的效率值。图 8d

　　图 8d所示，根据鼠标的位置可以在场地上实时可视化该位置投篮后篮板球所在的位置和 概率，该图中扇形区域表示篮板球可能的位置，颜色的深浅表示概率。图 8e

　　图 8e用辐向热力图可视化了射门距离的式样，表示不同球场中不同距离的位置上射门事件发生的频率分布，颜色越深表示射门事 件发生越频繁。图 8f

　　图 8f是 ESPN 上对匹兹堡企鹅队和纽约流浪者队的比赛，主队事件标注在右侧，客队事件标注在左侧；其中每个事件都有特别设计的标志，其利用和球队对应的颜色绘制事件发生的对应位置。技术统计数据和空间数据结合的方法能反映出比赛场地上不同位置的属性，从而有助于教练、球队管理者或者比赛分析师针对不同位置带来的属性差异，发现优势或者短板并调整策略。

　　技术统计数据和时间数据结合的方法

　　如果采用技术统计数据与空间数据的方法展示比赛，用户并不能从可视化结果中看出比赛的发展趋势。 然而技术统计数据和时间数据相结合的方法就能很好地反映比赛过程。 基于对整场比赛或者比 赛中某个时间段的赛况的可视化，有利于帮助用户分析比赛进程的动态变化。

　　1) 趋势可视化 体育可视化使用的时间概念已经对时间做了一定程度的简化，它将客观事件发生的时间作为规律的时间单元进行处理，这种可视化方法能够反映比赛的趋势。图 9

　　图 9 所示 TenniVis 可视化系统用饼盘图展示比赛全过程，显著地提高用户观看比赛的效率。在饼盘图中，每一块代表一局比赛；视图的主体部分隐喻常见的量程表盘，通过指针偏向能够发现这局比赛的走势。指针越往上偏，则表明选手 1 在这局中赢得越轻松；指针越往下偏，则表明选手 2 在这局中赢得越轻松大佬们都在玩{精选官网网址: www.vip333.Co }值得信任的品牌平台!。绿色表示比赛局势偏向选手 1，红色则相反；实心表示是好球(制胜球、Ace 球等)，空心表示是坏球(非受迫性失误、双发失误)；选手 1 的信息列在视图的上半部分，选手 2 的信息在下半部分。

　　某局比赛的饼盘图的生成过程如图 9a 所示，最后只保留指针划过的扇形区域。其实饼盘图的生成过程正是技术统计数据和时间数据相结合的结果，虽然这种处理方法只是将一个发球局中所有得分的时间间隔用叠加的扇形规律表示，然而起到反映比赛走势的作用。

　　图 9b 中，多个比赛的单元组合即可反映出更长比赛时间内的走势。对时间精度要求不高的体育数据可视化而言，这是一种十分简洁有效的方法。

　　2) 实时可视化 实时可视化是将实际的比赛时间或有效比赛时间真实地还原到时间轴的可视化，这样的可视化能够精确地还原比赛进程。

　　MatchPad 是一个完全实时展示赛况的可视化系统。如图 10 所示，它是一场橄榄球比赛中一个 17 min 时间片段的可视化结果。其中水平中线表示的是时间轴，与实际比赛时间成比例；主队在中线上方用红色表示，客队在中线下方用蓝色表示。比赛中的重要事件都通过有意义的标志来表示；其中蓝色和红色的柱形区域表示橄榄球的相位移动情况，宽度表示时间跨度，高度表示移动的远近；横向的时间跨度中一部分用浅绿色作为背景，这部分表示的是有效比赛时间，底部有详细的信息描述面板。

　　对体育比赛数据实时可视化不但可以更加精准地反映比赛发展情况，而且还能发现比赛中某些隐藏的状况，这非常有利于更进一步的专业体育分析。

　　技术统计数据和时空数据结合的方法

　　1） 轨迹可视化

　　对于体育数据分析而言， 比赛的轨迹绘制不容置疑是非常重要的。 在球类比赛中，球的轨迹或者运动员的轨迹都能够反映出动态规律，通过对重要轨迹的分析可以掌握重要的比赛和球员线索。

　　轨迹是结合时空数据将位置信息根据时间先后绘制并连接形成轨迹。图 11 所示从一个斯诺克比赛视频中产生的可视化结果，结果展示比赛中每个击球事件。重要性通过轨迹的粗细来表示，越粗表 示越重要；事件发生的顺序通过球上的数字来标注；图中所示的轨迹清晰地表示该视频中的几个主要击球事件。

　　图 12 所示 SoccerStories 是探索分析足球比赛各个阶段的可视化系统，它将一场足球比赛分解为 多个阶段，对每个阶段进行可视化表示，并以此作为一个切入点。

　　SoccerStories 设计一系列可视化形式表示足球动作，对应不同的动作组设计不同可视化形式，将其作为预先定制的可视样式。这些动作组构成了足球比赛的多个阶段，可采用时空流的形式把顺序发生的动作组在足球场上连接出来。图 12a 绘制球的一些阶段移动，图 12b 将其中的一个阶段映射到球场上；图 12c 通过将一些相邻动作编组，用预先定制的可视样式表示该阶段；图 12d 则根据图 12c 输出图文混合的信息文本。

　　轨迹可视化对于分析比赛重要阶段的变化情况具有重要的意义。像足球、篮球比赛往往包含很多精彩的进球时刻和遗憾的失球时刻，将这些阶段的轨迹可视化可以有效分析成功或者失败的原因，这对提高球队成绩和球员技术有很大的帮助。

　　轨迹作为一种特殊的时空数据可视化，其实是根据前后关系顺序地连接位置信息，是一种非显著时间特征的时空数据可视化。

　　2） 再现比赛

　　图 13 展示的是一个在线冰球追踪系统，它可以重现一场体育比赛；该图是科罗拉多雪崩队和新泽西魔鬼队一场比赛的可视化。通常低精度的重现可以作为一种更生动的图文直播；高精度的再现则可以做到对体育比赛的完全掌握和分析，它具有强大的分析能力。 在一场冰球比赛中，这个系统可以实时地显示球场上发生的事件，新的事件通过特定标志表示，显示在球场上的对应位置以及下方的时间线上。

　　多种方法结合

　　以上方法也可以结合运用在一个系统。例如，整体上采用一种再现比赛的可视系统，查看局部数据时则辅以简单可视化或技术统计和空间数据结合的可视结果。这种多元层次的可视化方法比一般方法更为有效。

　　体育运动中，球员个体、球队全体球员以及相互协作的多个球员皆可以作为可视化对象。 尤其在 需要团队协作的比赛中， 针对多个球员的可视化对于理解比赛事件具有尤为重要的作用。

　　单个球员

　　单个球员的可视化可以使用此前介绍的各种时空可视化方法，只不过对象是单个的球员。

　　图 14 所示为 AI Jefferson 在篮球场上投篮位置的可视化；其中，每个小方块表示该球员在该区域的投篮出手情况；方块的大小表示出手的次数，次数越多，则方块越大。

　　多个球员

　　对于多个球员进行可视化虽然可以使用此前介绍的时空可视化方法，但是也可以利用其它不同的方法。这包含球员整体中某项数据的简单可视化；针对多个球员某属性的纵向比较可视化；针对球员之间的相互关系的可视化；以某球场阶段为主要对象，对于涉及到该阶段球员表现的可视化，通常多个球员之间的动作会有前后关系或者协作关系。图 15a

　　图 15a 将联赛中的所有球员数据进行简单的叠加，展现整体的投篮属性。图 15b

　　图 15b 是对多个球员速度曲线的纵向比较。图 15c

　　图 15c 的传球网络表示在一个球类比赛中特定的时间内球员之间的传球关系。图 15d

　　图 15d 的 SoccerStories 系统将多个球员之间的配合连接起来。

　　根据体育数据可视化的目标对象不同，可视分析的目标也有所差异。概括来讲，大部分可视化系统的分析目标主要包括比赛趋势概览、球员表现、球队表现、球员和球队之间的表现比较以及行为的预测和更正等。

　　关于比赛趋势概览、球员表现、球队表现等目标，应用此前的可视化方法对可视化的结果进行观察比较，基本可以较好地满足分析需求。

　　关于球员和球队之间的表现比较等目标，由于涉及到了多个球员和球员群体，分析方法稍显复杂，通常会应用基于移动和集群分析的方法。关于行为的预测和更正等目标，还涉及到机器学习、人工智能等领域的知识，通常会应用基于特征检测的方法；目前其也正处于发展阶段。

　　基于移动和集群的分析

　　对于足球和篮球等需要群体战术策略的运动，分析一场比赛中单个球员的某项属性和球员群体的属性都十分重要。

　　通过基于移动的分析，既可以观察某个球员的运动模式，也可以比较球员之间的运动模式差异。图 16 所示系统通过分别绘制中场防守球员在某段时间内的运动轨迹，分析他们在比赛中表现；通过检测到的相位为轨迹上了颜色，而速度的特征则在下方的曲线图中显示。 从他们的移动特征和相位颜色观察，可以发现 2 个人的表现很相似。

　　通过基于集群的分析能够发现更多大型球类比赛的规律，像球员阵型和球队阵型都是十分重要的分析对象。图 17a/17b 是关于橄榄球比赛场景的可视搜索系统，它可以提供基于草图的移动模式查询。该系统利用对视频分析解压得到的数据，基于球员配置和他们在比赛中的移动，寻找和绘制与草图路线最接近的球队移动模式。对于想要分析球队阵型与移动模式的用户来说，由此来寻找和草图移动模式相近的球队，将会大大降低人工搜索的成本。

　　基于特征检测的分析

　　通常，一场比赛的精彩部分只是很短的时间段，因此在时间有限的情况下许多体育迷们往往只挑选精彩片段来观看。另外对于比赛分析师来说，比赛的“重要时刻”更是弥足珍贵。一种查找“重要时刻”的常用方法是使用人工标注，它的优势是包含人类的知识见解，但同时也会耗费较多的时间精力，而且不能保证检测出所有的“重要时刻”。鉴于此，可以在体育分析中运用特征检测，它将定义和训练分类器运用到神经网络、决策树、概率模型和支持向量等，使分类器找到分析师需要的“重要时刻”。

　　如图 18 流程图所示，Janetzko 等希望定义和训练一个分类器来告诉人们哪里有射门得分事件以及哪里没有。 他们使用 KNIME 作为数据挖掘框架，并用 WEKA 聚类集成。 首先建立一个 KNIME 工作流并且将它集成到分析过程中去，再把时间系列数据分成指定长度的间隔；其中有时间间隔是种类 A，其它为种类 B。 经过处理之后把所有可用的 KNIME 和 WEKA 分类器用 33%的数据样本训练，剩余的 67% 用来检测。 他们将转换过的足球数据输出到 KNIME 工作流中，完成训练并评估分类器后将结果输入回原型。 很多之前没有标注的新射门事件被分类器探测。

　　图 19显示分类结果，其中绿色表示正确找到的事件，红色表示没有找到的事件，黄色是可能有意思的事件。

　　最后由分析师判断和确认新找到的射门事件，将正确的事件进行标注。通过不断训练和优化分类器，不仅可以帮助分析师找到遗漏的“重要时刻”，而且未来也很可能做到“重要时刻”的半自动检测甚至自动检测。

　　当今社会，体育数据可视化已经成为信息可视化领域的重要研究和应用方向。本文在研究体育数据的基础上，总结了当前体育数据的可视化方法和可视分析方法。偏向“数据新闻”的体育数据可视化可以更好、更形象地讲述比赛和故事，枯燥的文字直播将不复存在。未来的可视化也可能会结合 3D 技术、全息投影技术，在展示形式上有巨大的突破。大佬们都在玩{精选官网网址: www.vip333.Co }值得信任的品牌平台!

　　随着可视化技术和视频追踪技术的进步，未来的可视化系统将更加完善。面向专业分析师的可视化系统不仅能够实现对比赛过程的实时再现，还能自动分析并呈现用户感兴趣的时段，对单个球员、多个球员、球员之间相互协作的分析也找到了高效且专业的方法。

　　结合机器学习和人工智能等手段，系统可以根据以往的数据集对未来的行为作出预测,既有助于解析对手的策略，也能够对球队内部的不安定因素做出预判。未来可视分析系统将会成为专业体育领域不可或缺的工具。

　　作者：雷辉、劳天溢、刘真、左伍衡、陈为

　　作者简介：

　　雷辉，长沙理工大学电气与信息工程学院大佬们都在玩{精选官网网址: www.vip333.Co }值得信任的品牌平台!

　　劳天溢，浙江大学 CAD&CG 国家重点实验室

　　刘真，杭州电子科技大学计算机学院

　　左伍衡，浙江工业大学教育科学与技术学院

　　陈为，浙江大学 CAD&CG 国家重点实验室

　　做图表，找数据，看文章，就用镝数图表：镝数图表 - 在线数据可视化神器，让你的数据有型有款、创意无限

　　关注公众号也可以获得更多关于数据图表的知识和可视化的干货喔！（镝次元数据：dyclub-org）