Футболоматика: как благодаря математике «Барселона» выигрывает, Роналду забивает, а букмекеры зарабатывают состояния

Я пишу научные статьи, потому что верю, что о моих открытиях прочитает широкий круг людей, а не только специалисты в моей области. В 2005 году мой интерес к футболу ограничивался редкой игрой в «пять на пять» в спортивном центре университета и слежением за прогрессом «Ливерпуля» в Лиге чемпионов по телевизору. Об игре в моей обзорной монографии не было ничего. Поэтому мне особенно приятно было узнать, что через несколько лет исследователи из Лиссабона нашли вдохновение в моей работе.

Не только Рикардо Дуарте и исследователи из Лиссабона ищут вдохновение в биологии. Наталья Балаге, профессор Барселонского университета, пишет, что тренировочные упражнения для командных видов спорта должны не «сообщать спортсмену об идеальной в теории мощности двигателя, а создавать задачи, где умение должно решать постоянно изменяющиеся ситуации». Она цитирует ведущего испанского тренера, который говорит о своей команде: «Когда я вижу, что они движутся, как стая птиц, я знаю, что они играют хорошо»[93]. Пол Сил, ведущий специалист по обработке и анализу данных в аналитической компании Prozone, начинает свои презентации для футбольных клубов с видеофильмов о косяках рыб. Затем разговор переходит на поле, подчеркивая аналогии в динамике игроков, преследующих мяч, и сардин, уклоняющихся от акулы.

Многие математические модели, разработанные мной в этой книге, проводят аналогию с движением животных: создание пространства «Барселоной» и образование косяков рыбы, охота львов и сужение пространства Хольгером Бадштубером, а также сверхлинейные команды муравьев. Кажется, спортивные исследователи начинают думать так же, как и я. Модели поведения животных принимаются в качестве моделей командной работы: мы можем использовать изучение согласованности и движения животных для того, чтобы улучшить согласованность и движение футболистов.

Переполнение данных

На рисунке 9.1 показаны позиции и направления 16 игроков резервной команды «Нюрнберга» в определенный момент тренировочного матча «восемь на восемь». Мяч находится у левого вингера светлой команды; игрок собирается сделать пас вперед. В центре поля два темно-серых защитника опекают двух светло-серых нападающих, при этом они держат линию офсайда.

Рисунок 9.1. Позиции и направления игроков во время тренировочного матча резервной команды «Нюрнберга». Круги – это позиции светлой и темной команд, в то время как стрелки указывают направление движения и скорость игроков. Чем длинней стрелка, тем быстрей движется игрок. Мяч – маленький черный круг.

Этот тренировочный матч был особенным, поскольку это был один из первых случаев, когда данные слежения в реальном времени появились в открытом доступе[94]. Всем игрокам на обе бутсы установили датчики, которые измеряли положение их ног. Также датчик был установлен в перчатки вратарей и мяч. Позиции ног и рук измерялись 200 раз в секунду, а положение мяча – 2000 раз. Это обеспечивало 8400 трехмерных позиционных событий в секунду. Результатом стал набор данных (размер его составил 6 Гб), охватывающий 60 минут игры и около 120 миллионов показателей для вычислений.

Это часть множества данных, с которым сегодня сталкивается футбол. Для турнирного матча отслеживание 22 игроков со скоростью 200 измерений в секунду, в трехмерных координатах на протяжении 95 минут, дает нам

[(200 × 22 × 2) + (200 × 2 × 4) + 2000] × 3 × 60 × 95 = 212 040 000 показателей.

И это только лишь для одного матча. За один сезон английской Премьер-лиги будет создано около 100 миллиардов показателей.

Еще несколько лет назад тренер команды из Премьер-лиги посмотрел бы матч своей команды в субботу; в воскресенье он бы занялся записью последних игр следующего соперника, а также посмотрел бы основные моменты из матчей других команд. Теперь же у него есть доступ к миллионам точек измерений – его собственных игроков и оппозиции. Кроме того, у него есть данные о производительности на тренировках и показатели физической готовности для всех его футболистов. Его задача – взять эти миллиарды данных и свести их к нескольким простым предложениям, которые объяснят игрокам стратегию на следующий матч.