Книга Футболоматика, страница 41. Автор книги Дэвид Самптер

Разделитель для чтения книг в онлайн библиотеке

Онлайн книга «Футболоматика»

Cтраница 41
Глава 9
Мир в движении

Каждая область научных исследований создает свой собственный маленький мир. Исследователи невероятно детально изучают что-то (например, как рыба реагирует на положение остальной стаи или форму муравьиных дорожек) и втягиваются. Они обсуждают, является ли положение, скорость или ориентация самым важным фактором в реакции рыбы. Они спорят о химическом составе феромонов муравьев.

Я должен признать, что и я порой терялся в маленьких академических микрокосмах. Сейчас это футбол, но до этого я с головой погружался в движение рыб, а еще раньше были муравьиные тропы. Есть нечто пленительное в изучении предмета в мельчайших подробностях. Но такой акцент на деталях может привести нас, ученых, к тому, что мы становимся слишком вовлеченными в наш собственный мир, разговаривая на своем собственном языке и забывая, что есть и другие столь же интересные миры.

Поэтому я был очень рад узнать, что футбольные исследователи уже узнали о моих исследованиях рыб и муравьев еще до того, как я начал изучать футбол. Вскоре после того, как начал писать эту книгу, я отправился в Академию Google [90], чтобы выяснить, что собой представляют учёные в спорте, как выглядит мир их исследований. Я был удивлён. Одной из первых статей, которую я встретил, был обзор «Спортивные команды как суперорганизмы» Рикардо Дуарте и его коллег в Лиссабоне [91]. Они обратили внимание на ту же аналогию между командами и муравьями, которую я использовал в предыдущей главе, и утверждали, что «анализ эффективности команды может извлечь выгоду из принятия биологических моделей, используемых для объяснения того, как повторяющиеся взаимодействия между группирующимися индивидуумами масштабируются для возникновения социального коллективного поведения». Но на этом все не закончилось – одним из их основных источников была обзорная статья «Принципы коллективного поведения животных», которую я написал в 2005 году [92]. Специалисты по спорту уже использовали мои исследования, чтобы вдохновить их собственную теорию о командах.

Я пишу научные статьи, потому что верю, что о моих открытиях прочитает широкий круг людей, а не только специалисты в моей области. В 2005 году мой интерес к футболу ограничивался редкой игрой в «пять на пять» в спортивном центре университета и слежением за прогрессом «Ливерпуля» в Лиге чемпионов по телевизору. Об игре в моей обзорной монографии не было ничего. Поэтому мне особенно приятно было узнать, что через несколько лет исследователи из Лиссабона нашли вдохновение в моей работе.

Не только Рикардо Дуарте и исследователи из Лиссабона ищут вдохновение в биологии. Наталья Балаге, профессор Барселонского университета, пишет, что тренировочные упражнения для командных видов спорта должны не «сообщать спортсмену об идеальной в теории мощности двигателя, а создавать задачи, где умение должно решать постоянно изменяющиеся ситуации». Она цитирует ведущего испанского тренера, который говорит о своей команде: «Когда я вижу, что они движутся, как стая птиц, я знаю, что они играют хорошо» [93]. Пол Сил, ведущий специалист по обработке и анализу данных в аналитической компании Prozone, начинает свои презентации для футбольных клубов с видеофильмов о косяках рыб. Затем разговор переходит на поле, подчеркивая аналогии в динамике игроков, преследующих мяч, и сардин, уклоняющихся от акулы.

Многие математические модели, разработанные мной в этой книге, проводят аналогию с движением животных: создание пространства «Барселоной» и образование косяков рыбы, охота львов и сужение пространства Хольгером Бадштубером, а также сверхлинейные команды муравьев. Кажется, спортивные исследователи начинают думать так же, как и я. Модели поведения животных принимаются в качестве моделей командной работы: мы можем использовать изучение согласованности и движения животных для того, чтобы улучшить согласованность и движение футболистов.

Переполнение данных

На рисунке 9.1 показаны позиции и направления 16 игроков резервной команды «Нюрнберга» в определенный момент тренировочного матча «восемь на восемь». Мяч находится у левого вингера светлой команды; игрок собирается сделать пас вперед. В центре поля два темно-серых защитника опекают двух светло-серых нападающих, при этом они держат линию офсайда.


Футболоматика

Рисунок 9.1. Позиции и направления игроков во время тренировочного матча резервной команды «Нюрнберга». Круги – это позиции светлой и темной команд, в то время как стрелки указывают направление движения и скорость игроков. Чем длинней стрелка, тем быстрей движется игрок. Мяч – маленький черный круг.


Этот тренировочный матч был особенным, поскольку это был один из первых случаев, когда данные слежения в реальном времени появились в открытом доступе [94]. Всем игрокам на обе бутсы установили датчики, которые измеряли положение их ног. Также датчик был установлен в перчатки вратарей и мяч. Позиции ног и рук измерялись 200 раз в секунду, а положение мяча – 2000 раз. Это обеспечивало 8400 трехмерных позиционных событий в секунду. Результатом стал набор данных (размер его составил 6 Гб), охватывающий 60 минут игры и около 120 миллионов показателей для вычислений.

Это часть множества данных, с которым сегодня сталкивается футбол. Для турнирного матча отслеживание 22 игроков со скоростью 200 измерений в секунду, в трехмерных координатах на протяжении 95 минут, дает нам


[(200 × 22 × 2) + (200 × 2 × 4) + 2000] × 3 × 60 × 95 = 212 040 000 показателей.


И это только лишь для одного матча. За один сезон английской Премьер-лиги будет создано около 100 миллиардов показателей.

Еще несколько лет назад тренер команды из Премьер-лиги посмотрел бы матч своей команды в субботу; в воскресенье он бы занялся записью последних игр следующего соперника, а также посмотрел бы основные моменты из матчей других команд. Теперь же у него есть доступ к миллионам точек измерений – его собственных игроков и оппозиции. Кроме того, у него есть данные о производительности на тренировках и показатели физической готовности для всех его футболистов. Его задача – взять эти миллиарды данных и свести их к нескольким простым предложениям, которые объяснят игрокам стратегию на следующий матч.

Вход
Поиск по сайту
Ищем:
Календарь
Навигация