机器学习在冰球机会分析中的应用

每周NHL赛季期间，球迷们都会看到电视上播放的本周最佳比赛集锦，而每周球迷们都会对这些排名展开辩论。大多数人认为，伟大的射门是成功概率较低的射门，而伟大的扑救则是阻止了成功概率较高的射门。但这些概率究竟是多少？

由某中心提供技术支持的新型NHL EDGE IQ指标为这些辩论提供了更多素材，并有望在整个体育领域带来新的见解。该指标名为"机会分析"，基于许多不同因素，结合历史和实时数据来确定射门的难度。

实时数据分析

在直播比赛中，机会分析使用来自NHL EDGE冰球和球员追踪系统的数据，直至每次射门释放的瞬间，以衡量对比赛最关键的因素。

“机会分析是第一个可在近实时环境中使用的全面而严谨的分析方法，用于理解射门设置、机会和射门发展周围的环境，“某中心首席云架构师表示。

该指标可能成为新的、更数据驱动的球迷辩论的起源——NHL欢迎这一发展，因为它正在寻找使比赛更贴近球迷的方法。

技术实现细节

机会分析评估构成射门的因素，提供高、中或低的输出排名，“高"表示射门得分的机会最大。这些因素包括射门角度、与球门的接近程度以及守门员需要覆盖的距离以阻挡射门尝试等因素。

机会分析将前所未有的数据量——数十个因素，许多以亚秒级延迟跟踪——提炼为一个综合指标。

“我们能够通过整个赛季可用的实时NHL EDGE冰球和球员追踪数据量来审视这么多因素。这是它的全面性方面，“某中心专家表示。“严谨性方面是我们作为数据科学家，与NHL的技术和冰球专家以及数据工程师合作，审查数据的准确性，并生成在比赛背景下有意义的特征。”

系统架构

机会分析是NHL持续努力开发独特数据源和分析技术以帮助解析这项运动复杂性的最新指标。过去15年中，NHL实施了冰球信息和跟踪系统作为官方计分和事件数据平台，最近推出了NHL EDGE冰球和球员跟踪技术。该系统安装在所有32个NHL场馆中，包括红外发射器和摄像头，用于跟踪嵌入冰球和每位球员球衣中的传感器。

2021年，NHL与某中心开始合作以充分利用这些数据源。2022年，开球概率——第一个AI/ML驱动的NHL分析——在NHL EDGE IQ平台内推出，帮助根据多个历史和比赛中数据点确定谁最有可能赢得特定的开球。这建立在射门和扑救分析的基础上，这两个高级统计数据分别深入展示了球队或球员的得分表现和守门员的扑救表现。

机器学习模型

NHL与某中心训练了一个机器学习模型，以评估射门周围特定情况组合导致进球的概率。

“我们希望保持开放心态，并保留数据可能挑战关于得分机会的传统逻辑的可能性，“NHL高级总监解释道。“有时确实如此，有时则没有。”

例如，机会分析验证了直觉：平均而言，靠近球网的射门比远距离射门有更好的进球机会。但其他因素更为微妙。虽然现在说为什么或多少还为时过早，但数据显示得分率/预计进球率与射门前冰球通过蓝线的位置之间存在关联。

“这个项目的优点在于它迫使所有利益相关者使用数据以不同方式思考比赛，“NHL高级总监表示。“希望消费者也会这样做。”

技术基础设施

某中心的处理能力和云基础设施使NHL团队能够以以前无法的方式处理其数据。某中心SageMaker的安全性和可扩展性"使NHL能够信任某中心处理非常有价值、全面的数据，并使我们能够快速迭代和开发模型，“某中心架构师解释道。

某中心Kinesis使得捕获和处理实时比赛动作成为可能，包括围绕给定射门发生的时间快照。Kinesis将信息发送到SageMaker中的模型，然后返回高、中或低评级以及可以路由给分析师以集成到广播分析中的主要贡献因素。

“那个实时方面对我们非常重要，“某中心架构师表示。“可扩展性也很重要，考虑到NHL每秒生成数千条记录，并且多场比赛可以并行进行。”

NHL高级总监预计，随着NHL进一步深入研究射门成功概率的关键因素，其他可以阐明这项运动的特征将会出现。毕竟，有这么多超越比赛本身的方式可以参与，包括第二屏体验，没有人是随意球迷了。更多的访问和功能将意味着球迷——以及参与这项运动的每个人——有更多方式来解读比赛动作，并形成关于什么造就成功球员或球队的自己的理论。