编辑推荐：
在足球数据驱动的比赛分析中，公共数据稀缺限制研究发展。为此，研究人员整合德国德甲联赛七场比赛官方数据，涵盖赛事信息、事件及位置数据。该数据集推动体育分析方法发展，提升研究可重复性，促进开放科学。
在当今足球领域，数据驱动的比赛分析逐渐成为研究和实践的热门方向。无论是专业球队制定战术，还是科研人员探索足球运动规律，都离不开大量的比赛数据支持。然而，现实却面临着一个棘手的问题：公共数据极度稀缺。这就好比厨师在烹饪美食时，缺少关键的食材，巧妇难为无米之炊。对于想要进入这个领域的新人来说，没有数据就如同没有钥匙，无法打开研究的大门；对于已经在该领域耕耘的科研人员，由于数据的不公开，他们的研究方法和成果难以被重复验证，就像搭建的高楼没有稳固的根基，缺乏可信度。
为了解决这个问题，来自德国体育大学科隆分校（Institute of Exercise Training and Sport Informatics, German Sport University Cologne）和德国足球联赛（DFL）的研究人员 Manuel Bassek、Robert Rein、Hendrik Weber 以及 Daniel Memmert 开展了一项重要研究。他们整合了德国德甲联赛七场比赛的官方数据，包括比赛信息、事件数据和位置数据。这些数据就像一把万能钥匙，为足球比赛分析打开了新的大门。该研究成果发表在《Scientific Data》上，对足球运动的研究和发展具有重要意义。
研究人员在这项研究中运用了多种关键技术方法。比赛信息数据来自 Sportec Solutions 公司，这些数据从多个渠道收集，最终存储在德国足球联赛（DFL）的官方数据库中。事件数据则是由 120 名经过训练的操作人员（trained human analysts）进行分析，他们通过团队协作，对比赛中的各类事件进行标注和记录。位置数据的收集使用了 Chyron Hego 公司的多摄像头跟踪系统 TRACAB Gen5，该系统通过视频数据来估算球员和球的位置，具有较高的精度。
下面来看具体的研究结果：
- 比赛信息数据：比赛信息文件以 XML 格式呈现，包含了丰富的内容。从比赛的基本信息，如比赛类型、联赛、赛季、比赛日、开球时间，到环境条件，像比赛所在国家、体育场名称、容量、天气状况，再到参赛队伍和人员信息，包括球队 ID、名称、战术阵型、球员信息、教练和裁判信息等，都一一涵盖。这些信息为深入了解比赛背景提供了全面的资料。
- 事件数据：事件数据文件详细记录了比赛中的离散事件，这些事件被分为球员、球队和裁判动作三大类。事件按照层级结构组织，每个事件都有相应的属性，比如时间戳（timestamp），用于记录事件发生的具体时刻；对于射门事件，还会有预期进球（xG）这一属性。预期进球（xG）是根据球员射门时的多种因素，如射门位置、球员速度、防守球员数量等十个特征估算出来的，它能更准确地反映球队的进攻表现。在数据集中，“Play” 事件出现频率最高，这一事件表示球员试图将球权转移给队友的动作，它可以从不同的父类事件衍生而来，比如任意球（FreeKick）执行时的传球动作也可归为 “Play”。
- 位置数据：位置数据文件记录了每个球员和球的原始位置以及相关元数据，如比赛 ID、球场大小、数据收集起始时间等。对于每个球员和球，其位置信息按比赛阶段（上下半场）和球员进行存储，每个数据帧都包含帧编号、时间戳、坐标、移动距离、速度、加速度、比赛分钟数等属性。对于球，还额外记录了高度、控球状态和比赛状态信息。这些数据为分析球员和球在比赛中的动态变化提供了基础。
- 技术验证：研究人员对各项数据进行了技术验证。比赛信息数据通过与其他公共数据源进行人工核对，确保其完整性和准确性；事件数据在记录过程中会实时和赛后检查其合理性，减少语义错误，但时间戳的准确性受不同数据生成过程影响，虽未应用自动校准方法，但赛后会进行控制；位置数据通过与 VICON 系统对比测试，得出其坐标投影、速度和加速度的均方根误差（RMSE）范围，并且该系统通过多摄像头设置减少了遮挡导致的缺失数据问题，同时人工会对球员身份进行确认和纠正。此外，研究人员利用 DataBallPy 软件包，基于特定的成本函数和算法对事件数据和位置数据进行同步，评估结果显示同步后时间和空间差异均有所减小。
- 使用说明：研究人员推荐使用 Python 语言的 floodlight 软件包（v0.4.0）来处理和可视化数据。该软件包功能强大，基于 numpy、pandas 等已知软件包，提供了数据解析、处理、计算各种指标以及绘图等功能，并且有详细的文档和教程，适用于不同层次的用户。
综合来看，这项研究整合的数据集虽然仅包含七场比赛的数据，在研究结果的普适性上存在一定局限性，但它为足球比赛分析领域提供了宝贵的资源。它可以用于多种目前文献中缺乏的重复性和基准测试任务，像空间控制、预期值计算、数据同步、轨迹预测等研究方向。这不仅有助于验证现有分析技术，还为新的体育分析方法的开发提供了有力支持，推动了足球运动研究向更深入、更科学的方向发展，促进了开放科学在足球比赛分析领域的实践。
