امتیاز موضوع:
  • 0 رأی - میانگین امتیازات: 0
  • 1
  • 2
  • 3
  • 4
  • 5
استفاده از ArcGIS در تجزیه و تحلیل ورزش ها
نویسنده پیام
#1
استفاده از ArcGIS در تجزیه و تحلیل ورزش ها
 
جزئیات آماری ورزش همیشه راههای جالبی را برای تجزیه و تحلیل عملکردها و موفقیت ها فراهم کرده است. این جزء بعنوان مثال ممکن است امتیاز فینال باشد. اما برای برخی ورزش ها مثل فوتبال و بیس بال و کریکت و گلف و تنیس ، تجزیه و تحلیل همه جانبه بازی و بازیکنان یا اقدامات تیم، بخش ضروری خود بازی است. دیدن آمارها و خلاصه های گرافیکی عمل گزارش شده همانند دیدن خود عمل، رایج و معمول است و این مسئله بینش و آگاهی جالبی از یک عملکرد مثل شرح یک نتیجه فراهم می کند. در این وبلاگ ما نتایج مسابقه مدال طلای المپیک لندن را بین راجر فدرر و اندی موری بررسی می کنیم تا نشان دهیم چطور میتوانیم از GIS استفاده کنیم تا الگوهای معین مسابقه را شناسایی کنیم که ممکن است با استفاده از تجزیه و تحلیل های سنتی غیرجغرافیایی و تکنیک های دیگر نمایشی قابل بررسی نبوده اند.
نرم افزار ایجادشده برای استفاده از ArcGIS٬ در شکل 1 موقعیت مکان هایی که هر بازیکن بازی می کند و یک شوت که منجر به برنده شدن می شود و حرکات آنها را در هر نقطه در طول مسابقه ی مدال طلا نشان می دهد.
 
شکل 1 :یک گرافیک اطلاعاتی است که حرکت بازیکن و موقعیت شوت هایی که منجر به گل شده است را در مسابقه ی مدال طلای المپیک بین راجر فدرر و اندی موری نشان می دهد.
 
درحالیکه شکل یک قطعا حامل بسیاری از تأثیرات بصری است امّا درواقع کلیات زیادی را به ما نمی گوید. خطوط حدکات بازیکنان یکی پس از دیگری درهم و متداخل است و تشحیص آنکه کدام خط مربوط به کدام نقطه است را سخت می کند. ما نمی توانیم جهت حرکت را در موارد زیاد بگوییم چون بردارهای جهت داری وجود ندارد. اطلاعات گرافیکی همچنین مکانی که برنده شدن در آن به وقوع می پیوندد و جهت ضربه را نشان نمی دهد. این برنامه همچنین نمی تواند جزئیات زمان مسابقه را نشان دهد.
 
شکل 2 : مجموعه اطلاعات کامل از مسابقه ی مدال طلای المپیک است. مکان نقطه ها از سه مجموعه مسابقه جمع آوری شده است.   
ـ گرفتن داده ها
 برای مطالعه٬ اطلاعات مسابقه ی تنیس را با استفاده از ArcScene 10.1 و فیلم ویدئویی این بازی گرفتیم. (که در شکل 3 می بینیم) زمینی به مقیاس 1:1 در محل صحیح جغرافیایی اش بوجود آوردیم (زمین مرکزی در Wimbledon) و توانستیم به سرعت از مکان ضربه زدن هر بازیکن و پرش توپ مربوط به آن ضربه برای کل بازی فیلم ویدئویی بدست آوریم. در هر موقعیت مجموعه ای از خصوصیات کلیدی مانند: چه کسی ضربه را زده است٬ چه نوع ضربه ای بوده است٬ تعداد ضربه٬ تعداد نقطه٬ تعداد بازی و تعداد مجموعه هایی که در اختیار گرفته شده اند و غیره را جمع آوری کردیم. اطلاعات گرفته شده یک خلاصه ی آماری از هر ضربه در بازی ارائه می دهد.
شکل 3 : فیلم ویدئویی ای از مسابقه را درArcScene  نشان می دهد. نقطه قرمز نشان دهنده ی موقعیت ضربه ی بازیکن و پرش توپ است. خطوط سبز رنگ نشان دهنده ی جهت حرکت توپ برای هر ضربه است.
 
با استفاده از ArcScene قادر به رسم موقعیت بازیکن و پرش توپ بین +/-20 cm  توسط ابزار ویرایش سه بعدی هستیم. ما زاویه ی دوربین فیلم ویدئویی را تقریب زدیم و مشخصات داده ها را برای بازی دسته بندی کردیم. این کار مراحل استخراج داده ها را سرعت بخشیده و دقت را در مقایسه با یک محیط دو بعدی افزایش داده است. چون ما قادر هستیم بطور مداوم دوربین فیلم در حال تغییر را با استفاده از کنترل حرکت در ArcScene مطابقت دهیم. این نرم افزار همچنین به ما کمک می کند تا موج های مقیاس را در نمای دوربین٬ زمانیکه نقاط بدست آمده در دورترین محل نسبت به دوربین است ٬شمارش کنیم.
وقتیکه تمام نقاط داده ها بدست آمد٬ از بردار XY استفاده می کنیم تا ابزار را برای ایجاد اتصال بین نقاط بکار برده شده برای  ضربه٬ نقطه٬ بازی و مجموعه صفحات شمارشی خط کشی می کنیم. این خطوط ابزارهایی هستند که به ما اجازه می دهند تا حالت ضربه ها را قابل دیدن کنیم (همانند آنچه که بعدا در وبلاگ می بینید). ما XY های مشابه را ادامه دادیم تا فرآیند را برای ایجاد خطوط حرکت بازیکنان رسم کنیم.
ـ شهودی کردن داده ها
آمارهای بدست آمده از بازی به ما می گوید که اندی موری مجموع 18 برد از بازی ها نسبت به راجر فدرر که 13 بار برده٬ داشته است. آنچه که این آمار و ارقام به ما نمی گوید این است که برنده شدن در کجا اتفاق افتاده٬ ضربه های هر برنده٬ زمان برنده شدن و چه چیزی منجر به ضربه  گل شده است. این برنامه همچنین نمی تواند حالت های ضربه را در طول مسابقه به ما نشان دهد. با جمع آوری و ذخیره ی همه ی اطلاعات بازی در فایل geodatabase (شکل 4) قادر به استفاده از متوسط محل جغرافیایی این برندگان و ایجاد برخی تصاویر جالب هستیم که داستان جذاب و طولانی تری را نسبت به آنچه که فقط یک عکس به ما ارائه می دهد٬ بگوییم.
 
شکل 4 : استفاده از یک فایل geodatabase برای ذخیره ی اطلاعات در ArcGIS  :
 
یکی از چالش هایی که در برخورد با داده های ورزشی با آن مواجه می شویم٬ موارد زیادی از اتفاقات مشابه در مکان های یکسان و یا حوادث مشابه در طول دوره های زمانی کوچک مرتبط است. این مسئله اغلب در شاخه های تودرتو و نزدیک به هم از نقاطی که در طول مناطق بسیار کوچک از یک محوطه بازی یا میدان و یا زمین بازی هستند٬ حاصل می شود. اگر اطلاعات شما یک عنصر ارتباطی داشته باشد٬ خطوط متداخل بیشتری را در امتداد جهت های مشابه و فواصل و یا خطوط خواهید داشت که در جهت های کاملا تصادفی حرکت می کنند و این مسئله به نوع ورزشی که آنالیز و تجزیه و تحلیل می کنید٬ وابسته است. این کار یک چالش جالبی را در مورد اینکه چگونه اطلاعات معنی دار را ارائه دهیم و مقایسه کنیم٬ برای ما فراهم می کند.
 
یک روش برای درک بسیاری از نقاط و خطوطی که باهم تداخل دارند٬ استفاده از تکنیک تجسم است که )اغلب توسط  Edward Tufte ترویج داده شده) روش چند لایه کوچک است (شکل 5).  روش چند لایه ی کوچک برای یک سری نقشه های مشترک پایه (در اینجا زمین بازی تنیس مورد نظر است) که با برش های متنوع از اطلاعاتی که در بالای هر نقشه است٬ استفاده می شود. این نقشه ها با توالی منطقی مرتب شده اند که بسیار شبیه به قاب های فیلم انیمیشنی هستند. روش چند لایه ی کوچک برای disaggregate کردن اطلاعاتتان کاربرد دارد٬ چون باعث کاهش پیچیدگی در دیدن می شوند و مقدار اطلاعات به گونه ای است که می توانند به آسانی تفسیر شوند.
 
شکل 5 : سه ضربه ی گل متوالی اندی موری با استفاده از روش چند لایه ی کوچک قابل مشاهده است. خطوط سبز رنگ نشان دهنده ضربه های گل پرتاب دست از جلو و خطوط آبی ضربه های گل با پرتاب رو به عقب دست هستند.
شکل 5 این امکان را به ما می دهد تا به سرعت برخی از حالت های مهم این بازی را مشاهده کنیم که با استفاده از آمارهای جدولی سنتی قابل مشاهده نبودند. سریع ترین حالت مشاهده شده٬ جهت هر ضربه ی گل است ( نیمی از ضربه های پرتاب دست از عقب اندی موری در خط گل فرود آمدند). شما همچنین به سرعت می توانید موقعیت مکان هایی که بازیکن ضربه ی گل را بوجود آورده (نیمی از ضربه های اندی موری عمیقا در داخل زمین فرود آمدند٬ نزدیک یا اطراف خط سرویس) و نوع ضربه ای که در بازی زده شده را شناسایی کنید (نسبت ضربه های دست رو به جلوی موری به ضربه های رو به عقب دست او 10 به 8 بود). موقتا٬ما می توانیم ببینیم که هفت مورد از بردهای موری٬ روی نقطه ی بازی٬ در جهت ویا مخالف جهت او زده شدند.
شکل 6 میزان اطلاعات هر چند لایه ای کوچک را به تصویر میکشد و درنتیجه پتانسیل شناخت حالت های عبوری در سراسر یک بازی یا مسابقه را نشان می دهد.
 
شکل 6 : توضیح متغیرهایی از ماتریس چند لایه ی کوچک است.
هر تصویر مستقل٬ دومین سطح از اطلاعات شهودی را ارائه می دهد که به احتمال زیاد با توجه به مربیان٬ بازیکنان و طرفداران سرسختی که می خواهند کمی بیشتر درمورد روش بازی مسابقه که شاید هواداران متعادل تنیس یا کسی که اخبار را اسکن می کند٬ بدانند. ما تعدادی برچسب های مهم زمانی را به تصویر اضافه کردیم تا به کاربران کمک کنیم زمانی که ضربه ی گل زده شده را تشخیص دهند. رنگ ها و خطوط کلفت و نازک را در هر تصویر تنوع دادیم تا درجه ی اهمیت و تشخیص بین طبقات خط را منعکس کنیم. موقعیت هر ضربه بطور دینامیکی از میدان ضربه در فایل geodatabase علامتگذاری شده که بعنوان شماره ی تکرر است.خطوط حرکت بازیکن به ما نشان می دهد که بازیکن از کجا حرکت کرده تا ضربه نهایی گل را بزند. از شش برد اندی موری٬ او از فاصله ی قابل توجهی در زمین بازی حرکت کرد تا ضربه ی گل را بزند. خطوط حرکت بازیکن همچنین به ما اجازه ی دیدن ضربه ی قبلی یا دو ضربه ی قبلی را می دهد٬ بدون آنکه کلیه ی خطوط ضربه را در نقشه به ما نشان دهد.
شما متوجه خواهید شد که ما فقط دو ضربه قبل از زده شدن ضربه ی گل را نشان می دهیم. در حال حاضر تنظیم ضربه (نقطه 1)٬ ضربه ی برگشت حریف (نقطه 2) و ضربه ی گل (نقطه 3) را رسم می کنیم. قابلیت نمایش بیش از دو ضربه٬ قبل از ضربه ی گل که موجب حواس پرتی و بی دقتی در کاربر می شود٬ فراهم نیست (شکل 7).
 
شکل 7 : تصویر سمت چپ تمامیه ضربه هایی (در مجموع 14 تا) که منجر به ضربه ی گل چهارم شده است را نشان می دهد. تصویر سمت راست فقط دو ضربه را که موجب ضربه ی گل شده نمایش می دهد.
 
به کلیت بخشی هایی برای اطمینان شما از اینکه کاربر اطلاعات را پاک نمی کند٬ نیاز است. پیدا کردن توازن صحیح از کلیت بخشی٬ یکی از جنبه های تحقیق است که ما در حال ادامه دادن به کشف آن هستیم. سعی در تعیین اینکه چطور حوادث متعدد٬ و چه نوع حوادثی باعث بوجود آمدن یک اتفاق خاص می شود فوق العاده پویا و مشکل ساز است بنابراین پیش فرض های نادرست حیاتی در طول تعمیم معرفی نشده است.
برای اینکه روش چند لایه ی کوچک بهتر کار کند در ادامه قاب اطلاعاتی هر تصویر را با استفاده از ابزار قاب اطلاعات در ArcGIS چرخاندیم. اینکار به ما اجازه داد تا ضربه های موری را از یک محل و ضربه های فدرر را در جای دیگر رسم کنیم تا حالت های واضح تری که فعال نبودند در مسابقه دیده شوند. این زمانی برای مثال مناسب بود که همه ی ضربه های یک بازیکن را برای بهتر دیده شدن به یک مقصدی انتقال دهیم. در برخی موارد این ممکن است مناسب نباشد٬ اگر برای مثال شرایط جوی خاصی وجود داشته باشد که بازی در یک محل را به چالش بیشتری بکشد. در این وضعیت٬ توانایی ارزیابی اینکه چطور بازیکنان مختلف نسبت به شرایط مختلف واکنش نشان می دهند٬ ممکن است یکی از جزئیات مهم حالت های مسابقه بخودی خود باشد.
http://blogs.esri.com/esri/arcgis/2012/0...-analytics

 

تصویر: images/smilies/smile.gif


فایل‌(های) پیوست شده
.docx   Using ArcGIS for sports analytics.docx (اندازه: 1.39 MB / تعداد دفعات دریافت: 3)
پاسخ


موضوعات مرتبط با این موضوع...
موضوع نویسنده پاسخ بازدید آخرین ارسال
  استفاده از سیستم اطلاعات جغرافیایی برای مطالعه ورزش akhtar.ghasemzadeh 0 1,225 2014-05-21 09:49
آخرین ارسال: akhtar.ghasemzadeh



کاربرانِ درحال بازدید از این موضوع: 1 مهمان