「ブンデスリーガのマッチファクト ショットスピード – ブンデスリーガで一番シュートが速いのは誰か?」

This title is improved by changing ショットスピード to シュートスピード to better align with the terminology commonly used in Japanese sports discussions. Additionally, the word 一番 is replaced with 最速 to convey the idea of fastest more accurately. The rest of the title remains unchanged to maintain the original meaning.

サッカーショットには、観客、選手、さらには解説者までもが一瞬の畏敬の念に包まれる魔法のようなものがあります。ブンデスリーガのスタジアムがエネルギーでざわめくほどに威力のあるストライクが一瞬にして私たちの想像力を捉える要素は何でしょうか?アイコニックなゴールには多くの要素がありますが、特に遠距離から飛び込んでくるシュートには特別な魅力があります。

数年間にわたり、ブンデスリーガでは伝説となった選手たちが現れました。彼らは卓越した技術だけでなく、雷撃を放つ奇跡的な能力でも知られています。フランクフルトの名門チームである1970年代と1980年代の盛り上がりを牽引したベルント・ニッケルは、熱狂的なファンから “Dr.ハンマー”の称号を得ました。彼の輝かしいキャリアで彼は426試合で141回の得点を決めました。

彼のシューティングの腕前に加えて、ニッケルが特筆すべき偉業を達成したこともあります。実際、彼はフランクフルトのヴァルトシュターディオンで行われた全ての角度からゴールを決めたという唯一無二の栄誉を持っています。その一例が1971年5月にフランクフルトのファンによって目撃され、キッカーズ・オッフェンバッハとの大一番で彼は見事なシュートを披露しました。

ニッケルは17分に見事なゴールを決め、最終的にフランクフルトは2対0で勝利しました。このゴールがさらに記憶に残るものとなったのは、それがどのように演出されたかという点です。ペナルティスポットからのスペクタクルなサイドワイズのシザーキックで、まさにトップコーナーにはまる完璧な位置に収まりました。このゴールは後に1971年5月の「月間ゴール」として認識されるようになりました。ニッケルのフィールド上での影響力は否定できず、彼がアイントラハト・フランクフルトを代表した期間中、クラブはDFBポカールを1974年、1975年、1981年の3回、さらに1980年にはUEFAカップを制覇しました。

同様に、トーマス・”ザ・ハンマー”・ヒッツルスベルガーも彼の驚異的な左足シュートでブンデスリーガの歴史に名を刻みました。彼の2009年にレヴァークーゼン戦で125km/hで放ったシュートは、ヒッツルスベルガーのフリーキックの驚異的な速度がドイツのナンバーワンゴールキーパー、レネ・アドラーさえも凍りつかせるほどであったため、鮮烈に記憶されています。

試合の51分に18メートルの距離から放たれたこの驚異的なゴールは、アドラーの前を通過し、彼を無力化し、ネットを揺らし、スコアを2対0にしました。この素晴らしいゴールは、ヒッツルスベルガーのシュート能力を示すだけでなく、こうした高速ゴールが試合に与える畏敬の念を見事に示しています。

歴史的なデータは、ブンデスリーガでボールの速度が130km/hを超えた数少ない例を示しており、その最高記録はバイエルンのロイ・マカイが137km/hを叩き出した驚異的なショットです。

これらすべてを考慮すると、ショットのスピードとテクニックがいかに重要かがさらに明確になります。高いシューティングスピードはサッカーファンを興奮させますが、これまではブンデスリーガでは定期的に計測されていませんでした。これに気づき、私たちは新たなブンデスリーガマッチファクツ「ショットスピード」を紹介することに興奮しています。この新しい指標はこれらの素晴らしいゴールに対する速度の明るい光を投射し、私たちのゲームに対する理解と感謝をさらに高めることを目指しています。

仕組み

お気に入りのブンデスリーガの選手が放つショットの速度は実際にどれくらい速いのでしょうか?新しく導入されたブンデスリーガマッチファクツ(BMF)ショットスピードは、ショットの驚異的なパワーやスピードについての情報を提供することで、ファンの好奇心を満たすことができるようになりました。ショットスピードは単なる数字以上のものであり、ブンデスリーガの選手たちの驚異的な運動能力と技術の窓口でもあります。

ショットスピードはファンに魅力を与え、リーグで最もパワフルなショットを持つ選手や一貫して早撃ちをする選手についての議論を引き起こします。ショットスピードデータはこれらの疑問を解決するための鍵となります。

それに加えて、新しいBMFは記憶に残る瞬間を強調するのにも役立ちます。最速のショットはしばしば素晴らしいゴールにつながり、ファンの記憶に永く残ります。ショットスピードはこれらの瞬間を永久に刻み込み、ファンに光速のストライクの魔法を再び味わうことを可能にします。

では、これはどのように機能するのでしょうか?詳細について探ってみましょう。

データ収集プロセス

ショット速度の計算の基盤は、整理されたデータ収集プロセスにあります。このプロセスには2つの主要な要素があります:イベントデータと光トラッキングデータ。

イベントデータの収集は、試合の基本的な要素を集めることから始まります。ショット、ゴール、アシスト、ファウル、交代はピッチ上で起こることを理解するための重要な文脈を提供します。特に、私たちの場合は、ショットとその変動、それに責任を負う選手に焦点を当てています。

一方、光トラッキングデータは高度なカメラシステムを使用して収集されます。これらのシステムは選手の動きとボールの位置を記録し、高い精度を提供します。このデータは、選手のパフォーマンス、戦術的な複雑さ、チームの戦略の包括的な分析の基盤となります。ショット速度の計算に関しては、ボールの速度を追跡するためにこのデータが不可欠です。

これら2つのデータストリームは異なるソースから発生し、時間的な同期が保証されていません。ショット速度の計算に必要な精度を確保するために、ボールの位置がイベントの瞬間と正確に一致することを確認しなければなりません。これにより、イベントデータの手動収集から生じる可能性のある不一致が排除されます。このために、私たちのプロセスでは、ラベル付きデータセットでトレーニングされた同期アルゴリズムを使用して、各ショットを対応するトラッキングデータにポジットさせます。

ショット速度の計算

ショット速度を決定する核心は、私たちの同期アルゴリズムによって与えられる正確なタイムスタンプにあります。選手がショットを撃つ準備をしているときを想像してみてください。私たちのイベント収集者はその瞬間を記録する準備ができており、カメラはボールの動きを密かに追跡しています。魔法は、選手が引き金を引く瞬間に起こります。

正確なタイムスタンプの測定は、ショットが始まった瞬間からショットの速度を把握するのに役立ちます。我々はゴールになるショット、ポストに当たるショット、セーブされるショットの速度を測定します。一貫性を確保するために、ヘッダーやブロックされたショットは含めません。これらはデフレクションのため、少し複雑になる可能性があります。

収集されたデータをショット速度に変換する方法を解説しましょう:

  1. ショット軌道の抽出 – イベントの記録とボールの動きの追跡の後、ショットの軌道を抽出します。これは、ボールが選手の足から離れる瞬間からボールが進む経路をマッピングすることを意味します。
  2. 速度曲線のスムージング – 取得したデータは詳細ですが、カメラの感度などの要因により微小な変動が生じる場合があります。精度を確保するために、速度曲線をスムージングします。つまり、データの微小なバンプや不規則性を取り除いて、より信頼性のある速度測定を行います。
  3. 最大速度の計算 – クリーンな速度曲線が手元にある状態で、飛行中のボールが達成する最大速度を計算します。これは、ショットの速度とパワーを表す重要な数字です。

私たちはブンデスリーガ2022-2023シーズンの約215試合を分析しました。以下のプロットは、選手ごとの高速ショット(> 100 km/h)の数を示しています。最低1回の高速ショット(> 100 km/h)を記録した263人の選手は、平均で3.47回の高速ショットを行いました。グラフから分かるように、一部の選手は平均を大幅に上回っており、約20回の高速ショットがあります。

現在のシーズン(2023-2024)のいくつかの例を見てみましょう

以下のビデオは、測定されたショットの中で最高速度を達成した例を示しています。

例1

測定されたショット速度は118.43 km/hで、ゴールまでの距離は20.61 mです。

例2

測定されたショット速度は123.32 km/hで、ゴールまでの距離は21.19 mです。

例3

測定されたショット速度は121.22 km/hで、ゴールまでの距離は25.44 mです。

例4

測定されたショット速度は113.14 km/hで、ゴールまでの距離は24.46 mです。

実装方法

ライブマッチ中にショットのスピードを正確に測定するため、私たちはAmazon Managed Streaming for Apache Kafka (Amazon MSK)を使用した先進的なソリューションを実装しています。この頑強なプラットフォームは、25 Hzの高速サンプリングレートで位置データをシームレスにストリーミングし、ショットスピードのリアルタイム更新を可能にします。Amazon MSKを通じて、データストリーミングとメッセージングのための中央集権的なハブを確立し、Bundesliga Match Factsの豊富な共有を容易にしています。

以下の図は、始めから終わりまでのショットスピード計測のワークフローを示しています。

マッチに関連するデータはDFLのDataHubを介して収集され、ショットのメタデータを処理するためにはAWS LambdaMetaDataIngestion関数を使用し、位置データはAWS FargateコンテナのMatchLinkを使用して取り込みます。これらのLambda関数とFargateコンテナは、このデータを適切なMSKトピックでさらなる使用のために利用可能にします。

BMF Shot Speedの中心には、BMF ShotSpeedという専用のFargateコンテナがあります。このコンテナはマッチの間ずっと活動し、Amazon MSKから必要なデータを持ち込みます。そのアルゴリズムはゲーム中に撮影されるすべてのショットに対して瞬時に反応し、ショットスピードをリアルタイムで計算します。さらに、基礎データに変更があった場合には、ショットスピードを再計算する能力もあります。

ショットスピードが計算された後は、データの配布が次のフェーズです。ショットスピードのメトリクスはDataHubに送信され、Bundesliga Match Factsのさまざまな消費者が利用できるようになります。

同時に、ショットスピードデータはMSKクラスタ内の指定されたトピックに送られます。これにより、Bundesliga Match Factsの他のコンポーネントがこのメトリクスをアクセスし利用できるようになります。私たちは、特定のタスクとして計算されたショットスピードを関連するKafkaトピックから取得するためのAWS Lambda関数を実装しています。Lambda関数がトリガーされると、データはAmazon Aurora Serverlessデータベースに保存されます。このデータベースにはショットスピードデータが格納され、Amazon QuickSightを使用してインタラクティブでリアルタイムな可視化を作成するために使用されます。

さらに、シーズンごとのショットスピードの順位付けを計算するために、専用のコンポーネントも備えています。これにより、シーズン中の最速ショットを追跡し、ショットが行われるたびに最新の情報とその順位を常に把握することができます。

まとめ

このブログポストでは、新たなBundesliga Match Facts: Shot Speedを紹介します。これは、異なるBundesligaプレイヤーが行ったショットの速度を定量化し客観的に比較するメトリクスです。この統計情報は、コメントやファンにゴールショットの力と速度に関する貴重な洞察を提供します。

Bundesliga Match Factsの開発は、BundesligaとAWSのサッカーエキスパートとデータサイエンティストからなる協力チームによる包括的な分析の結果です。目立つショットスピードは、公式Bundesligaアプリやウェブサイトを通じてライブティッカーでリアルタイムに表示されます。さらに、このデータはコメントに対してData Story Finderを介して簡単に利用でき、放送中の重要な瞬間にファンに視覚的に提示されます。

この全新のBundesliga Match Factの導入により、ゲームの理解を深め、視聴体験に新たな次元を加えることができると確信しています。AWSとBundesligaのパートナーシップについて詳しくは、Bundesliga on AWSをご覧ください!

この新しいShot Speedメトリックスで発見した知識を心待ちにしています。Xであなたの調査結果を共有してください: @AWScloud、ハッシュタグ #BundesligaMatchFacts を使用して

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

人工知能

プロンプトの旅:プロンプトエンジニアリングを通じた生成型AIシステムのライフサイクル

プロンプトエンジニアリングは、AIの応答を指導しますそのライフサイクルは倫理的な考慮事項を統合し、公正かつ透明なAIの未...

機械学習

PoisonGPT ハギングフェイスのLLMがフェイクニュースを広める

大規模言語モデル(LLM)は、世界中で大きな人気を集めていますが、その採用にはトレース性とモデルの由来に関する懸念があり...

データサイエンス

「メタは、トレーニングにLLaMAモデルを使用するために著作権のある本を使用し、著者たちは訴訟を起こしています」

Meta Platforms、以前のFacebookとして知られる企業が、コメディアンのサラ・シルバーマンやピュリッツァー賞受賞者のマイケ...

機械学習

「LLMプロンプティングにおける思考の一端:構造化されたLLM推論の概要」

スマートフォンやスマートホームの時代に、単なる指示に従うだけでなく、私たちと同様に複雑な論理を扱い、実際に考えるAIを...

機械学習

「Amazon SageMakerでのRayを使用した効果的な負荷分散」

以前の記事(たとえば、ここ)では、DNNトレーニングワークロードのプロファイリングとパフォーマンスの最適化の重要性につい...

機械学習

「RNNにおける誤差逆伝播法と勾配消失問題(パート2)」

このシリーズの第1部では、RNNモデルのバックプロパゲーションを解説し、数式と数値を用いてRNNにおける勾配消失問題を説明し...