CN110457769A - 一种用于乒乓球比赛战术的模拟装置 - Google Patents

Abstract

本发明公开了一种用于乒乓球比赛战术的模拟装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有乒乓球战术模拟分析模型，所述计算机处理器执行所述计算机程序时实现以下步骤：对运动员比赛技术进行拍调整，将调整后的比赛数据输入至乒乓球战术模拟分析模型中，经计算输出针对比赛数据的分析结果。该模拟装置能够对乒乓球比赛中运动员的比赛过程进行调整和模拟，帮助领域专家快速分析运动员在比赛过程中的战术优势和劣势。

Description

一种用于乒乓球比赛战术的模拟装置

技术领域

本发明涉及数据分析领域，特别涉及一种用于乒乓球比赛战术的模拟装置。

背景技术

乒乓球运动项目有着高对抗、紧张、敏捷、多变的特点，深受广大体育爱好者的喜爱，是世界上最流行的体育运动之一。由于乒乓球运动越来越受到关注及其激烈的比赛性质，许多专业的乒乓球队开始引入数据分析的方法来提高球队实力和分析比赛战术。为了更好地提高竞技水平，针对乒乓球的技战术分析方法随之出现。传统的分析方法相对单调，主要包括反复回看视频和检查技术统计表，从中得到的信息受到限制。

随着信息技术的飞速发展，近几年出现了许多新方法，使得获得细粒度的乒乓球数据成为可能。得到的乒乓球数据包含多维属性信息，比如时间、击球落点、击球技术、击球位置等，非常适合用于分析战术和评估球员表现。因此，就有研究人员应用统计分析和数学建模的方法来分析获得的细粒度的乒乓球数据。但是，这些方法并不完全适用于分析具有复杂拍属性和战术策略的高度动态的体育比赛。在众多的数据分析方法中，模拟分析在竞技体育中起到了重要作用，能够提供在未来比赛中提高球员表现的前瞻性见解。在乒乓球比赛中，模拟分析也有助于验证球员的战术行为是否可以获得更好的效果。

乒乓球模拟分析可以得到未来比赛的结果，类似于预测分析。然而，除了预测结果之外，模拟分析还关注模拟过程中每个步骤的充分建模，而预测分析仅重视预测结果的准确性。因此，不能直接将现有的预测可视分析方法应用于乒乓球的模拟可视分析。在乒乓球模拟分析方面，现有工作大多使用一阶马尔可夫链模型进行模拟，不能模拟战术对乒乓球比赛的影响。根据乒乓球领域知识，在乒乓球比赛中，一个战术表示同一回合内的连续三拍。因此，战术反映了连续三拍之间的相关性。然而，一阶马尔可夫链模型只能覆盖给定马尔可夫性质的连续两拍之间的相关性，导致比赛模拟的效果不佳。因此，构建一个有效的基于战术的乒乓球比赛模拟模型是十分必要的。

发明内容

本发明提供了一种用于乒乓球比赛战术的模拟装置，该模拟装置能够对乒乓球比赛中运动员的比赛过程进行调整和模拟，帮助领域专家快速分析运动员在比赛过程中的战术优势和劣势。

本发明的技术方案为：

一种用于乒乓球比赛战术的模拟装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有乒乓球战术模拟分析模型，所述计算机处理器执行所述计算机程序时实现以下步骤：

对运动员比赛技术进行拍调整，将调整后的比赛数据输入至乒乓球战术模拟分析模型中，经计算输出针对比赛数据的分析结果。

经乒乓球战术模拟分析模型分析获得的分析结果包含模拟比赛预测胜率的变化值，该变化值可以展示到可视分析界面中，为后续的可视分析过程提供支持。

相较于一阶马尔可夫过程，以二阶马尔可夫过程为基础的模型将战术作为拍之间的影响粒度。也就是说，以一阶马尔可夫过程为基础的比赛模拟模型，当前拍只会受到前一拍的影响；以二阶马尔可夫过程为基础的比赛模拟模型，当前拍还会受到前两拍的影响，因此能够提升模型的准确性。

本发明中，所述乒乓球战术模拟分析模型是以6次二阶马尔可夫过程构成，对于目标运动员的发球或接发球回合，每个回合阶段(包括发球段、接发球段、相持段)均有1个二阶马尔可夫过程，其中，一次二阶马尔可夫过程的公式如下：

V_k＝λ₁·V_k-1·T₁+λ₂·V_k-2·T₂

其中：V_k，V_k-1和V_k-2分别代表乒乓球比赛某一回合中第k拍，第k-1拍和第k-2拍的技术分布向量；

T₁代表乒乓球比赛某一回合中第k-1拍到第k拍的状态转移矩阵；

T₂代表乒乓球比赛某一回合中第k-2拍到第k拍的状态转移矩阵；

λ₁和λ₂分别代表乒乓球比赛某一回合中第k-1拍和第k-2拍对第k拍的影响权重，且λ₁和λ₂的和为1。

具体地，所述乒乓球战术模拟分析模型的训练过程为：

构建包含每拍的技术分布向量、相邻两拍之间的状态转移矩阵的数据集；

利用数据集对二阶马尔可夫过程的公式进行训练，确定6次二阶马尔可夫过程的公式中的权重λ₁和λ₂，以获得乒乓球战术模拟分析模型。

在构建数据集前，首先要获取乒乓球比赛中每局里每回合的比分，每回合里每一拍的击球技术，击球位置和击球落点。

采用的乒乓球比赛源数据来自以拍为粒度记录的JSON文件，从中选取每一拍最为重要的三个拍属性作为拍技术的定义维度，包括击球技术，击球位置和击球落点。

击球技术：钟摆式发球，逆旋转发球，砍式发球，弧圈球，快攻，扣杀，挑打，拧，搓球，摆短，撇，挡球，放高球，其他技术。

击球落点：反手短球，中路短球，正手短球，反手半长球，中路半长球，正手半长球，反手长球，中路长球，正手长球。

击球位置：正手位，反手位，侧身位，反侧身。

进一步地，针对不同运动员击打的拍，统计不同技术属性的频率和得分率等信息，由此从比赛源数据中得到统计信息，由此生成技术分布向量。

在获得乒乓球战术模拟分析模型后，根据二阶马尔可夫过程，在已知λ₁，T₁，λ₂，T₂的基础上，只需要给出比赛中某一回合第1拍和第2拍的技术分布，就可以得到第k拍的技术分布向量。根据马尔可夫性质，回合中得分状态为吸收态，当二阶马尔可夫过程收敛时，即可通过最终的技术分布向量得到预测胜率。其中影响权重λ₁，λ₂根据已有的比赛数据优化训练得到。因此，使用二阶马尔可夫过程计算预测胜率可以实现，当影响权重λ₁，λ₂根据目标运动员的所有符合要求的比赛数据优化训练得到后，即得到训练好的战术模拟分析模型；

对运动员比赛技术进行拍调整是指对特定一拍的技术分布向量中特定技术使用率的提高，调整的提高量根据原先的技术分布确定，计算公式如下：

δP(P)＝C+B·4·P·(1–P)

其中，P代表原有技术分布向量中调整的目标技术项，即该技术原先的分布概率；

δP(P)代表该技术的调整提高量；

C代表描述边界概率偏差的常量；

B代表决定调整部分最大值的常量；

常数4是使得B等于调整最大值的标准化因子。

对运动员比赛中的拍进行调整后，重新采用模拟分析模型对运动员比赛进行模拟，当马尔可夫过程收敛时，即可得到运动员调整后的预测胜率。由此可以实现在调整目标运动员回合中某一拍中的技术属性后，得到目标运动员胜率的变化值。

此外，还需要引入调整可行性为战术调整提供参考。对于一次调整或模拟，有些改变是难以执行的。根据上述调整公式可知，实际调整的量与当前技术的使用率相关，也侧面反映出了调整的可行性。因此，在对运动员比赛技术进行拍调整后，还需要对拍调整后的可行性进行分析，具体利用如下公式计算拍调整的可行性：

A＝4·P·(1–P)

其中，A代表调整的可行性；P代表该技术原先的分布概率；

调整的可行性分布在0～1之间。目标运动员比赛的一次模拟可能由多次调整组成，一次模拟的可行性由该模拟中多次拍调整的可行性相乘得到。

所述模拟装置还包括可视化单元，主要包括：

战术导航模块，用于对获得的乒乓球比赛数据进行筛选，以帮助用户找到感兴趣的数据集和特定的战术进行进一步分析，分析构建包含每拍的技术分布向量、相邻两拍之间的状态转移矩阵的数据集；

模拟探索模块，用于对运动员比赛技术进行拍调整，并提供交互接口，接收外界选定的每一拍的调整结果；同时，展示输出的模拟比赛预测胜率的变化值，进行进一步比较和评估。

模拟解释模块，用于展示乒乓球战术模拟分析模型的模拟过程，验证模拟探索模块生成的比赛模拟结果，为模型提供解释。

本发明的有益效果：

本发明提供乒乓球比赛模拟方法。乒乓球的数据分析师只需要导入对应格式的乒乓球比赛数据，就可以轻松、直观又全面、深入地对运动员进行灵活的战术调整，评估不同调整的效果和可行性，从而找出最重要且最实用的调整策略，为运动员提供更有指导性的战术调整意见。领域专家对本发明给予了高度肯定。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动前提下，还可以根据这些附图获得其他附图。

图1是本发明方法中的乒乓球比赛模拟分析过程示意图；

图2是本发明方法中的乒乓球比赛阶段示意图；

图3是本发明方法中的二阶马尔可夫过程示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

本实施例提供的一种用于乒乓球比赛战术的模拟装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有乒乓球战术模拟分析模型，所述计算机处理器执行所述计算机程序时实现以下步骤：

对运动员比赛技术进行拍调整，将调整后的比赛数据输入至乒乓球战术模拟分析模型中，经计算输出针对比赛数据的分析结果。

上述模拟装置包含三个部分，分别为数据处理、模型训练及调整、可视分析。实现可视化分析的可视化单元包括战术导航模块、模拟探索模块、模拟解释模块，其中，数据处理部分为模型训练及调整提供原始数据，并为可视分析中的战术导航及模拟探索提供比赛源数据中的统计信息；可视分析部分为模型训练筛选输入数据，并为模型调整提供输入。模型训练及调整部分将模拟结果和模拟过程传给可视分析部分，由可视分析部分中的模拟探索通过交互展示模型及调整的结果，由可视分析部分中的模拟解释展示模拟过程的细节，用于进一步的分析。

如图1所示，具体过程如下：

数据处理：采用的乒乓球比赛源数据来自以拍为粒度记录的JSON文件，从中选取每一拍最为重要的三个拍属性作为拍技术的定义维度，包括击球技术，击球位置和击球落点。

针对不同运动员击打的拍，统计不同技术属性的频率和得分率等信息，由此从比赛源数据中得到统计信息，由此生成每拍的技术分布向量，同时统计相邻两拍之间的状态转移矩阵。

模型训练：参与评估的乒乓球分析人员对选手一的比赛比较感兴趣，因此通过可视分析部分中的战术导航选择选手一作为目标运动员，并选择选手一的符合特定战术要求要求的所有比赛作为模拟分析的源数据，训练以二阶马尔可夫过程为基础的乒乓球战术模拟分析模型。

乒乓球战术模拟分析模型的核心由6个马尔可夫过程构成，对于目标运动员的发球/接发球回合，每个回合阶段(如图2所示，包括发球段、接发球段、相持段)均有1个马尔可夫过程。一次二阶马尔可夫过程的公式如下：

V_k＝λ₁·V_k-1·T₁+λ₂·V_k-2·T₂

其中：V_k，V_k-1和V_k-2分别代表乒乓球比赛某一回合中第k拍，第k-1拍和第k-2拍的技术分布向量；

T₁代表乒乓球比赛某一回合中第k-1拍到第k拍的状态转移矩阵；

T₂代表乒乓球比赛某一回合中第k-2拍到第k拍的状态转移矩阵；

λ₁和λ₂分别代表乒乓球比赛某一回合中第k-1拍和第k-2拍对第k拍的影响权重，且λ₁和λ₂的和为1。

以选手一的比赛为例，如图3所示，根据二阶马尔可夫过程，在已知λ₁，T₁，λ₂，T₂的基础上，只需要给出选手一比赛中第1拍和第2拍的技术分布，就可以得到第k拍的技术分布向量。当二阶马尔可夫过程收敛时，即可通过最终的技术分布向量得到预测胜率。其中影响权重λ₁，λ₂根据选手一的比赛数据优化训练得到。当影响权重λ₁，λ₂根据选手一的比赛数据优化训练得到后，即得到训练好的乒乓球战术模拟分析模型。

调整模拟：在获得乒乓球战术模拟分析模型后，即可以应用该乒乓球战术模拟分析模型获得乒乓球战术模拟调整的结果。具体过程为：

参与评估的乒乓球分析人员希望调整选手一某一拍的技术分布，进而得到调整后的预测胜率，因此在可视分析部分中的模拟探索部分选取感兴趣的调整用于模型的调整模拟过程。在所述战术模拟分析模型中，调整是对特定一拍的技术分布向量(T)中特定技术使用率的提高。调整的提高量根据原先的技术分布确定，计算公式如下：

δP(P)＝C+B·4·P·(1–P)

其中：

P代表原有技术分布向量(T)中调整的目标技术项，即该技术原先的分布概率；

δP(P)代表该技术的调整提高量；

C代表描述边界概率偏差的常量；

B代表决定调整部分最大值的常量；

常数4是使得B等于调整最大值的标准化因子。

以选手一的比赛为例，可以在可视分析部分中的模拟探索部分选择提高第3拍中快攻技术的使用率，并由上述公式计算该调整提高量。调整后重新采用模拟分析模型对选手一的比赛进行模拟，即可得到选手一调整后的预测胜率，并将预测胜率显示在模拟探索部分，将模拟过程显示在模拟解释部分。

此外，还需要引入调整可行性为选手一的战术调整提供参考。分析人员可以通过调整可行性衡量选手一实现该调整的难易程度。调整的可行性计算公式如下：

A＝4·P·(1–P)

其中：

A代表调整的可行性；

P代表该技术原先的分布概率。

调整的可行性分布在0～1之间。目标运动员比赛的一次模拟可能由多次调整组成，一次模拟的可行性由该模拟中多次调整的可行性相乘得到。调整的可行性也显示到可视分析部分中的模拟探索部分中，为分析人员的模拟分析过程提供参考。

以上所述的具体实施方式对本发明的技术方案和有益效果进行了详细说明，应理解的是以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种用于乒乓球比赛战术的模拟装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有乒乓球战术模拟分析模型，所述计算机处理器执行所述计算机程序时实现以下步骤：

对运动员比赛技术进行拍调整，将调整后的比赛数据输入至乒乓球战术模拟分析模型中，经计算输出针对比赛数据的分析结果。

2.如权利要求1所述的用于乒乓球比赛战术的模拟装置，其特征在于，所述乒乓球战术模拟分析模型是以6次二阶马尔可夫过程构成，其中，一次二阶马尔可夫过程的公式如下：

V_k＝λ₁·V_k-1·T₁+λ₂·V_k-2·T₂

其中：V_k，V_k-1和V_k-2分别代表乒乓球比赛某一回合中第k拍，第k-1拍和第k-2拍的技术分布向量；

T₁代表乒乓球比赛某一回合中第k-1拍到第k拍的状态转移矩阵；

T₂代表乒乓球比赛某一回合中第k-2拍到第k拍的状态转移矩阵；

λ₁和λ₂分别代表乒乓球比赛某一回合中第k-1拍和第k-2拍对第k拍的影响权重，且λ₁和λ₂的和为1。

3.如权利要求1所述的用于乒乓球比赛战术的模拟装置，其特征在于，所述乒乓球战术模拟分析模型的训练过程为：

构建包含每拍的技术分布向量、相邻两拍之间的状态转移矩阵的数据集；

利用数据集对二阶马尔可夫过程的公式进行训练，确定6次二阶马尔可夫过程的公式中的权重λ₁和λ₂，以获得乒乓球战术模拟分析模型。

4.如权利要求1所述的用于乒乓球比赛战术的模拟装置，其特征在于，对运动员比赛技术进行拍调整是指对特定一拍的技术分布向量中特定技术使用率的提高，调整的提高量根据原先的技术分布确定，计算公式如下：

δP(P)＝C+B·4·P·(1–P)

其中，P代表原有技术分布向量中调整的目标技术项，即该技术原先的分布概率；

δP(P)代表该技术的调整提高量；

C代表描述边界概率偏差的常量；

B代表决定调整部分最大值的常量；

常数4是使得B等于调整最大值的标准化因子。

5.如权利要求1所述的用于乒乓球比赛战术的模拟装置，其特征在于，在对运动员比赛技术进行拍调整后，还需要对拍调整后的可行性进行分析，具体利用如下公式计算拍调整的可行性：

A＝4·P·(1–P)

其中，A代表调整的可行性；P代表该技术原先的分布概率；

调整的可行性分布在0～1之间。目标运动员比赛的一次模拟可能由多次调整组成，一次模拟的可行性由该模拟中多次拍调整的可行性相乘得到。

6.如权利要求1所述的用于乒乓球比赛战术的模拟装置，其特征在于，所述模拟装置还包括可视化单元，主要包括：

战术导航模块，用于对获得的乒乓球比赛数据进行筛选，分析构建包含每拍的技术分布向量、相邻两拍之间的状态转移矩阵的数据集；

模拟探索模块，用于对运动员比赛技术进行拍调整，并提供交互接口，接收外界选定的每一拍的调整结果；

模拟解释模块，用于展示乒乓球战术模拟分析模型的模拟过程，验证模拟探索模块生成的比赛模拟结果，为模型提供解释。