模拟追踪数据以推进体育分析研究

高级分析技术已改变了体育球队的运营方式，尤其在棒球等回合制运动中。然而，由于比赛复杂性的增加以及高分辨率比赛追踪数据获取受限，其对足球和冰球等连续入侵类运动的影响一直有限。在本演示中，我们提出了一种从 Google Research Football 环境中收集并利用模拟足球追踪数据的方法，以支持为连续追踪数据设计的模型的开发。数据以代表真实追踪数据的模式存储，我们提供了提取高级特征和事件的过程。我们包含了现有追踪数据模型的示例，以展示模拟数据的有效性。我们解决了公开可用追踪数据稀缺的问题，为人工智能与体育分析交叉领域的研究提供支持。