Estatísticas da próxima geração: introdução ao novo modelo de reconhecimento de rota

Última atualização em 28 de janeiro de 2021 às 16h12 por

Estatísticas convencionais de contagem, como recepções e jardas recebidas, fornecem uma maneira de medir a capacidade de um jogador individual de pegar e mover a bola de futebol, mas contam apenas parte da história. Estatísticas avançadas como profundidade do alvo, janela de separação e probabilidade de conclusão fornecem uma visão melhor, mas ainda deixam de fora um fator importante. Ou seja, qual rota o apanhador de passes percorreu para se abrir antes pegando a bola?

Com a ajuda da tecnologia de rastreamento de jogadores, a equipe do Next Gen Stats Analytics decidiu responder exatamente a essa pergunta, decodificando um dos elementos-chave de uma chamada de jogo ofensivo usando dados de rastreamento de jogadores para medir quais rotas os apanhadores de passes estão executando em qualquer dada jogada de passe.

No mês passado, revelamos um novo conjunto de métricas urgentes derivadas da capacidade de calcular Jardas corridas esperadas. Hoje, estamos apresentando outra nova ferramenta de aprendizado de máquina: o reconhecimento de rota modelo, que classifica as rotas por tipo, em tempo real, com a ajuda de dados de rastreamento do jogador.

Vamos nos aprofundar na metodologia por trás do modelo de reconhecimento de rota:

Como funciona o modelo

O sistema de rastreamento de jogadores Next Gen Stats registra a localização xy, velocidade, aceleração, direção e orientação de todos os 22 jogadores em campo em tempo real. Nosso novo modelo de reconhecimento de rota aproveita esses dados como entradas em um modelo que atribui um tipo de rota para todos os recebedores elegíveis em cada jogada de passe, incluindo tight ends e running backs. Nossa abordagem arquitetônica usa uma combinação de redes neurais convolucionais (CNNs) e redes de memória de longo e curto prazo (LSTM) treinado em Plataforma SageMaker da Amazon. As CNNs permitem-nos interagir com a natureza espacial do nosso conjunto de dados (ou seja, onde cada jogador está em campo numa determinada jogada), enquanto as redes LSTM permitem-nos interagir com a natureza temporal do nosso conjunto de dados (o que acontece à medida que a jogada se desenvolve). ao longo do tempo).

We approached routes run by players aligned in the backfield separately from routes run by players aligned out wide, in the slot or tight, because of clear differences in route archetypes. Below are the 15 unique route types assigned to all route runners, based on their location when the ball is snapped. Note that while NFL playbooks have hundreds of variations of routes, we’ve narrowed it down to these high-level categories, including 10 routes for those in typical wideout alignments and five for those aligned in the backfield:

Rotas amplas (10): Tela, plana, inclinada, cruzada, fora, dentro, engate, canto, poste, vá
Rotas de backfield (5): Tela, plana, ângulo, saída, roda

O modelo foi treinado e validado em todas as rotas de todas as jogadas de passe de 2018 e 2019, incluindo a temporada regular e a pós-temporada. Todos os corredores de rota foram incluídos, independentemente de terem sido alvo ou não; dado que não conseguimos encontrar uma diferença entre os formatos das rotas específicas e das rotas não específicas, não vimos razão para treinar apenas em rotas específicas. No total, o amplo modelo foi treinado em mais de 100.000 rotas, enquanto o defesa modelo foi treinado em mais de 15.000 rotas.

Para evitar ruído nos dados devido a jogadas interrompidas (durante as quais os apanhadores de passes muitas vezes param de executar suas rotas atribuídas) e movimento do jogador depois a recepção (o que não nos diria muito sobre a eficácia de qualquer rota), todas as rotas foram limitadas no momento em que a bola foi passada para frente ou em um determinado momento (4,6 segundos após o snap para rotas amplas e 4 segundos após o snap para rotas de backfield) - o que ocorrer primeiro. Os limites de tempo ideais para estes tipos de percurso foram determinados através da análise do desempenho das tentativas de passe nas últimas duas temporadas; para referência, 4,4 segundos representaram o 75º percentil de todas as tentativas de passe por tempo de lançamento naquele período.

Aqui está uma visualização dos caminhos de rota classificados por nosso tipo de rota previsto:

Para fins de treinamento, os dados de rastreamento para o modelo wideout foram normalizados de forma que todos os apanhadores de passes fiquem à esquerda do quarterback, com a justificativa de que os caminhos da rota são simétricos. Encontrámos a forma das rotas alinhadas com as nossas expectativas em relação aos caminhos das rotas; nenhuma previsão de modelo flagrante parece aparente.

As futuras iterações do modelo procurarão se aprofundar na árvore de rotas para levar em conta as nuances da execução de rotas no nível profissional. contêiner.html

O que podemos aprender

A classificação de rotas em tempo real nos permite contextualizar o jogo de passes de novas maneiras. Podemos estudar as tendências de toda a liga para obter uma nova compreensão da estratégia e das tendências ofensivas, e podemos dividir e classificar jogadores individuais por meio de métricas avançadas de desempenho.

A tabela abaixo combina nossas métricas de recebimento de NGS mais descritivas com os resultados de nosso modelo de reconhecimento de rota. Os valores correspondentes a cada rota representam as médias da liga nas últimas duas temporadas. Apenas amplo rotas estão incluídas (ou seja, jogadores alinhados largamente, no slot ou tight):

Tendências amplas por rota, média da NFL, temporadas 2018-19

• O apanhador de passes médio corre um ir rota em quase um quarto de todas as rotas (22.3%), a maior porcentagem de qualquer tipo de rota em nossos dados. No entanto, essas rotas são visadas aproximadamente 1 em cada 10 vezes (10,8%), a taxa alvo mais baixa de qualquer rota.
• O Tela WR é a rota menos executada (3.4%) e é a única rota em que o alvo médio está atrás da linha de scrimmage. Mas também é direcionado à taxa mais alta (40,7%) e no início da jogada (tempo médio de lançamento de 1,6 segundos).
• As rotas mais visadas fora da tela WR? O fora (27.8%) e inclinação (25.2%) são as próximas rotas mais populares em toda a liga.

A frequência com que um apanhador de passes percorre uma rota pode nos dar uma visão sobre a estratégia e as tendências nos níveis do jogo em toda a liga, equipe e indivíduo. Avaliar os tipos de rotas por meio de métricas avançadas de desempenho pode nos dizer quais rotas são mais valiosas por destino, como você pode ver no gráfico abaixo.

OBSERVAÇÃO: EPA/meta são esperados pontos adicionados por alvo; isto mede o valor das jogadas individuais em termos de pontos comparando a situação de descida, distância e posição de campo no início da jogada em relação ao final da jogada. CROE é a taxa de captura acima da expectativa, que mede o desempenho em relação às probabilidades de conclusão.https://91c9f45c7ceaa574696f04786ac1c7e4.safeframe.googlesyndication.com/safeframe/1-0-37/html/container.html

Produção por rotas fora do backfield, temporadas 2018-19, média da NFL

• As rotas mais valiosas por pontos esperados adicionados por alvo foram as publicar (+0,48) e canto (+0,43) rotas. O ir a rota (+0,19) ficou em sétimo lugar na lista de 10 tipos de rotas. Uma possível razão para isso: é mais difícil separar rotas em movimento, que colocam o jogador em um caminho reto, do que em postes ou cantos, que pedem ao jogador para fazer um corte. Os apanhadores de passes direcionados em postes e cantos têm em média 2,4 jardas e 2,3 jardas de separação do defensor mais próximo, respectivamente, enquanto os apanhadores de passes direcionados em rotas de go em média apenas 1,8 jardas de separação.
• Local de destino ativado ir rotas tem um impacto dramático no valor líquido médio da peça. Siga rotas visando um apanhador de passes fora dos números média de +0,13 EPA por alvo, enquanto os apanhadores de passes direcionados dentro dos números média +0,42 EPA por meta. Nas últimas duas temporadas, os apanhadores de passes que correm em rotas go foram alvo de quatro vezes mais ataques fora dos números do que dentro dos números.
• As três principais rotas por taxa de captura (tela, plano e pegar) foram as rotas menos valiosas da EPA por alvo. Como descobrimos em nossa análise de nosso modelo de probabilidade de conclusão, existe uma forte correlação negativa entre a taxa de captura e os pátios aéreos – o que indica que os alvos mais próximos da linha de scrimmage não são tão valiosos por alvo como os alvos mais profundos.
• Vale a pena notar que quatro das cinco rotas mais valiosas da EPA por alvo são quebra rotas: publicar (+0.48), em (+0.31), cruzar (+0,27) e inclinação (+0.26).

Contextualizar as rotas no nível de toda a liga oferece uma visão macro do valor da classificação das rotas. No nível individual do jogador, podemos aprender mais sobre as micro nuances da corrida em rota.

Versatilidade de rota

Quais wide receivers executam a árvore de rotas mais diversificada em relação ao jogador médio? Com nosso novo modelo de classificação de rotas, podemos avaliar quais receptores são essencialmente os mais previsíveis — ou diferentes da média. Nós calculamos versatilidade de rota calculando a média da soma da diferença absoluta entre a porcentagem de rota de um jogador e a média do receptor da NFL para cada um dos 10 tipos de rota (veja o último parágrafo deste artigo para mais explicações).

Os cinco primeiros e os cinco últimos corredores de rotas mais versáteis da temporada de 2019 entre 72 wide receivers com pelo menos 300 rotas:

Classificações de versatilidade de rotas do Wide Receiver, temporada de 2019 (mín. 300 rotas)

• Em sua segunda temporada como profissional – e a primeira no ataque do técnico Kliff Kingsbury – Christian Kirk dos Cardinals foi classificado como o corredor de rota mais versátil da temporada de 2019. Kirk foi alvo de pelo menos 13 vezes em cinco rotas diferentes: pegar (28 alvos), cruzando (17), Tela WR (16), ir (13) e fora (13). Embora Kirk tenha percorrido todas as rotas da árvore, é importante notar que 77% de suas rotas vieram do lado direito da formação.
• Ted Ginn Jr., agora membro do Chicago Bears, foi classificado como nosso corredor de rota menos versátil de 2019 entre os wide receivers qualificados. Ginn correu um ir rota com mais frequência do que qualquer receptor na amostra (42% de rotas). Produção de Ginn nessas rotas em 2019: 9 alvos, 1 recepção para 25 jardas (alvo apenas 6% na época).
• Não listado entre os cinco últimos, mas relevante com base em sua reputação: o receptor dos Seahawks, DK Metcalf, ficou em 66º lugar entre 72 receptores de acordo com nossa medida de versatilidade de rota. Metcalf correu um ir rota com a segunda maior taxa de receptores qualificados nesta lista (38% de rotas), atrás apenas de Ginn (42%).

Isto apenas arranha a superfície da análise possível com o nosso reconhecimento de rotas. Quem foram os wide receivers com melhor desempenho por tipo de rota? Nick Shook, do NFL.com, dá uma olhada em os principais receptores de 2019 por tipo de rota.

— Mike Band, analista de estatísticas da próxima geração. Siga Mike no Twitter @MBandNFL.

Explicação do cálculo da versatilidade da rota: Se Jogador A corre um ir em 25 por cento das rotas, um pegar em 19 por cento e um fora em 12 por cento, e as médias da NFL são 22 por cento, 18 por cento e 10 por cento respectivamente, a diferença absoluta da média entre essas três rotas seria de 3 por cento, 1 por cento e 2 por cento.