本文转译自NBA全球官方网站
防守压力分数是一种全新的方式，用来更全面地理解每一场比赛中每一次进攻回合的防守表现（图片源自NBA全球官方网站）
在过去几十年里，防守通常依靠一些传统的统计指标来衡量，例如盖帽、抢断或干扰传球。然而，防守远不止这些能在技术统计表上看到的数字。
比如在一次进攻中，持球人看到有人在最佳协防位置就主动放弃突破；又或者防守队员提前识破对手的挡拆配合，破坏了他们的整个进攻节奏；有时候防守方还会故意放对手投篮，就是要逼他出手。所以说，防守的本质，就是防守球员给进攻球员制造多大的压力，或者说是刻意不给压力。
如果能量化每位防守球员在每一瞬间（每秒60次）对进攻方造成的压力，那会怎样？借助先进的光学追踪系统与前沿AI技术，这正是“防守压力分数（Defensive Pressure Score）”所要实现的目标。
数据是所有模型的根基。NBA的光学球员追踪系统就在这方面发挥着关键作用。这套系统采用了先进的3D姿态识别技术，能以毫米级的精度追踪每位球员身上的29个关键点，实时生成他们动作的3D坐标数据，每秒更新60次。虽然系统能追踪这么多身体部位，但目前“防守压力指数”主要还是采用球员重心的位置数据。
防守压力分数概述
防守压力分数用于衡量每位防守球员对每位进攻球员施加的压力，无论两人是否直接对位。通过数学建模，系统先将各个防守原则量化为不同的分项指标，最后再汇总成一个总体的防守压力指数。值得注意的是，防守压力指数高并不一定意味着防守做得好。例如，在一次进攻中，如果持球人被两名防守球员夹击，而另一名队友却空位无人防守——那么持球人所承受的防守压力会非常高，但只要一次精准传球，就能轻松得分。
子分数
防守压力指数由七个分项指标组成，每个指标都有不同的权重。具体分项如下：
绝对距离：防守球员和进攻球员之间的实际距离
相对距离：防守球员和进攻球员之间的距离，会根据进攻球员离篮筐的远近来调整
传球路线：防守球员到自然传球路线的距离，会根据进攻球员离球的远近来调整。防守球员越接近传球路线，这项指标对防守压力的影响就越大。当球在空中（传球或投篮时）或进攻球员持球时，不计算传球路线指标
篮筐线位置：防守球员到篮筐连线（两个篮筐之间的连线）的距离。如果防守球员比进攻球员距离篮筐更远，会受到惩罚分
球员阻挡：如果进攻球员和防守球员之间有对方球员（比如可能形成事实上的挡拆），会计入惩罚分
速度差异：进攻球员和防守球员之间的速度绝对差值
移动方向：进攻球员和防守球员的移动角度差，会乘以速度系数（如果两名球员以相同速度向同一方向移动，会产生更高的防守压力分数）
其他计算因素
在计算完各个子分数后，这些分数会经过加权与整合，并在很短时间内进行平滑处理，最终得出防守压力分数。最后，通过优化算法找出能让团队整体防守压力最大化的防守配对方案。这些最佳匹配结果将用于构建“防守数据盒子（Defensive Box Score）”。
整体分数分布
由于每秒会生成25个防守压力分数（即五名进攻球员与五名防守球员之间的组合），因此防守压力分数覆盖范围非常广。这个指数的范围在0到1之间。下面的直方图展示了两种情况的分布：一是整体的防守压力指数分布，二是专门针对直接防守对位时的指数分布。
在整体分布图中可以看到第二个峰值，这是来自一对一防守时的数据。从第二张直方图可以看出，当防守球员在直接盯防某个进攻球员时，防守压力指数明显更高（一般在0.6到1之间），远超过非直接防守时的数值。
（图片源自NBA全球官方网站）
（图片源自NBA全球官方网站）
我们正处在Agentic AI爆发前夜。企业要从"成本优化"转向"创新驱动"，通过完善的数据战略和AI云服务，把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在AI时代突破。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
