BIHUB PATH

13 de novembro, 2019

Camp Nou, Barcelona

BARÇA SPORTS ANALYTICS SUMMIT 2019

2ª EDIÇÃO

ORADORES

pattern-plus-10

Dan Cervone

Director of Quantitative Research

Los Angeles Dodgers

 

 

pattern-plus-10

Jan Van Haaren

Football Analytics Manager

Univ. Leuven – SciSports

 

 

pattern-plus-10

Suds Gopaladesikan

Head Data Scientist – Information Systems Management

Benfica

pattern-plus-10

Sergio Llana

Data Scientist

FC Barcelona

 

UMA MENSAGEM DOS ESPECIALISTAS

pattern-plus

PROGRAMA

  • QUARTA-FEIRA, 13 DE NOVEMBRO

HORÁRIOS

10:00
OPENING AND PRESENTATION OF THE FOOTBALL ANALYTICS GUIDE Albert Mundet
10:25
SPEAKERS INTRODUCTION AND EVENT GUIDELINES Javier Fernández
10:30
HOW TO STRENGTHEN A CLUB’S CULTURE THROUGH DATA ANALYTICS Suds Gopaladesikan (Benfica)
11:00
USING CONTEXTUAL PLAYER MOVEMENT AND SPATIAL CONTROL TO ANALYSE PLAYER PASSING TRENDS IN FOOTBALL Bart Spencer
11:30
EXPLAINABLE INJURY FORECASTING VIA MULTIVARIATE TIME SERIES AND CONVOLUTIONAL NEURAL NETWORKS Luca Pappalardo
12:00
Coffee Break
12:30
HOW AND WHY WE NEED CONTEXT TO ANALYSE BALL POSSESSIONS Sergio Llana (FC Barcelona)
13:00
- ESTIMATION OF PLAYER LOAD METRICS USING BROADCAST DERIVED TRACKING DATA Jacob Mortensen
13:30
HEAD, SHOULDERS, HIP AND BALL... HIP AND BALL! USING POSE DATA TO LEVERAGE FOOTBALL PLAYER ORIENTATION Adrià Arbúes
14:00
Lunch
15:00
SCOUTING FOOTBALL PLAYERS BY SQUEEZING EVERY LAST DROP OUT OF MATCH EVENT DATA Jan Van Haaren (Univ. Leuven - SciSports)
15:30
DYNAMIC ANALYSIS OF TEAM STRATEGY IN PROFESSIONAL FOOTBALL MATCHES Laurie Shaw
16:00
Coffee Break
16:30
BASEBALL ANALYTICS IN THE AGE OF PLAYER TRACKING DATA Dan Cervone (Los Angeles Dodgers)
17:00
BEST RESEARCH PAPER ANNOUNCED
17:15
EXPERTS PANEL: PATHS FOR THE EFFECTIVE COMMUNICATION BETWEEN DATA ANALYSTS AND FOOTBALL EXPERTS
18:00
Closing Ceremony

TRABALHOS FINALISTAS SOBRE PESQUISAS E PUBLICAÇÕES DO BARÇA SPORT ANALYTICS SUMMIT 2019

Using contextual player movement and spatial control to analyse player passing trends in football

A métrica de controle espacial de uma equipe, de acordo com os modelos de movimentos que se ajustam ao comportamento médio, subestima a capacidade dos atletas para realizarem movimentos de grande esforço (por exemplo, reorientação). Este trabalho apresenta uma metodologia para produzir modelos de movimentos com grandes probabilidades em função dos contextos destes movimentos. Os modelos foram adaptados dos movimentos realizados na temporada 2018 da MLS. Estimou-se riscos de passes por via aérea da equipe atacante e foram usados para criar redes de passes para estes atletas. Esta análise tem aplicações no perfil dos atletas, táticas e recrutamentos.

Bart Spencer

Dynamic analysis of team strategy in professional football

As composições das equipes são as bases para a tática no futebol. Entretanto, nos jogos atuais, as composições são mais dinâmicas e dependentes do andamento do jogo o que pode ser representado por “4-4-2” ou “3-5-2”. São usados neste documento uma grande amostra de dados de rastreamento para medir como variam as composições das equipes ao longo de uma partida. Foram analisadas transições da defesa ao ataque e estudamos o impacto destas alterações táticas nos resultados destas partidas.

Laurie Shaw

Estimating Locomotor Demands During Team Play from Broadcast-Derived Tracking Data

Os dados de seguimento permitem que os pesquisadores na área do esporte estimem métricas de carga externa que são usadas para compreender o desgaste físico que um jogo pode gerar em um atleta. Infelizmente, estes dados não estão completos e disponíveis. As técnicas de visão digitais permitem que a transmissão do vídeo seja transformada em coordenadas, facilitando os dados de maneira mais fácil para compreender, mas estes dados podem ser censurados quando os atletas não estejam na tela. Nesta pesquisa, desenvolvemos modelos que preveem métricas de cargas fora da tela e demonstram a viabilidade desses dados em função das transmissões para que possamos entender a carga externa no futebol.

Jacob Mortensen

Ready Player Run: Off-ball run identification and classification

Um dos problemas mais destacados desses dados para o futebol é a falta de uma linguagem comum no momento de descrever as ações que acontecem sem a bola, particularmente os padrões de movimentos dos atletas. Este trabalho fornece um método de identificação e classificação das jogadas em grupos similares sem a posse da bola para permitir uma análise geral. O objetivo é criar um vocabulário para os tipos de jogadas que possam existir e descrever ou então analisar essas jogadas em específico e que sejam de consultas fáceis.

Sam Gregory

Automating insight extraction from football data visualizations

Apresentamos as métricas de similares para mapas de calor e sensores de passes, e ilustramos como podemos usá-los para encontrar atletas que sejam particularmente similares ou diferentes em seus movimentos ou intenções de passes. Também definimos uma ferramenta visual para representar as intenções de passes do atleta médio, em função de um mapa de calor fixo e com isso usamos para classificar os atletas por previsão de passes. Finalmente, apresentamos um marco para automatizar a extração de conhecimento a partir das variações no mapa de calor de um atleta ou sensores de passes com tempo e circunstâncias de jogo.

Daniel Girela

Landscapes of passing opportunities in Football – where they are and for how long are available?

Usando dos dados de posição dos atletas durante um jogo, criamos paisagens de oportunidades para passes e foram descritas em três categorias de passes: i) com bom drible, ii) de assistência e iii) retrocesso. Estas paisagens, que são apresentadas em forma de mapas de calor, demonstram mais oportunidade de passes na segunda metade. Além disso, os resultados demonstraram que os passes de ataque estiveram disponíveis por períodos mais curtos que os passes de retrocesso, que estiveram disponíveis por períodos mais curtos que os passes de assistência. Esta ferramenta é personalizada e fornece informações sobre a dinâmica de ataque, o que permite uma melhor identificação do rendimento coletivo e individual de um atleta.

Luis Gómez-Jordana Martin

Explainable Injury Forecasting in Soccer via Multivariate Time Series and Convolutional Neural Networks

As lesões têm um grande impacto no futebol de elite, em função da influência que tem no rendimento e com altos custos para a reabilitação destes atletas. Ao explorar um sistema eletrônico de rastreamento do rendimento, podemos representar o histórico da carga de trabalho de um atleta como uma Série Temporal Multivariada (MTS por suas siglas em inglês). Esta MTS pode ser usada para treinar uma Rede neural convolucional que preveja se um atleta terá uma lesão ou não no futuro. Nosso rastreador de lesões é exato e explicável, permitindo que os dirigentes de clubes interpretem de maneira simplificada as razões por atrás das lesões que um atleta tem.

Luca Pappalardo

Head, Shoulders, Hip and Ball… Hip and Ball! Using Pose Data to Leverage Football Player Orientation

A orientação demonstrou ser uma habilidade importante para os atletas do futebol terem sucesso em um amplo espectro de jogadas. Entretanto, a orientação corporal ainda é uma área pouco explorada pela analítica do esporte. A buscar uma orientação 2D da projeção de campo de um vetor normal posicionado no centro do dorso superior dos atletas, esta pesquisa apresenta uma técnica nova para a extração de orientações automáticas das gravações dos vídeos misturando posse de bola e informações contextuais. Os resultados foram validados com atletas, usando dispositivos EPTS e encontramos um erro médio de 35 graus/atleta.

Adrià Arbués-Sangüesa