Região dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneas

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Caetano, Fabio Giuliano
Orientador(a): Moura, Felipe Arruda
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://repositorio.uel.br/handle/123456789/17549
Resumo: Os jogadores de futebol se movem constantemente durante a partida para ocupar diferentes regiões do campo com o intuito de gerar oportunidades para sua equipe e prevenir ações ofensivas dos seus adversários. As regiões dominantes são definidas como regiões do campo onde os jogadores conseguem atingir antes dos demais e normalmente são definidas sem considerar as características cinemáticas do deslocamento dos jogadores, ou negligenciam a possibilidade de haver espaços livres no campo. Sendo assim, o objetivo desse estudo foi apresentar uma nova abordagem de representação da região dominante de jogadores de futebol baseada em modelos de movimento criados a partir das posições, deslocamentos, velocidades e acelerações instantâneas dos jogadores. A amostra foi constituída por 109 jogadores brasileiros profissionais de futebol analisados durante partidas oficiais, sendo computados aproximadamente 15 milhões de dados de posição registrados através de um sistema de rastreamento automático. Velocidades e acelerações vetoriais instantâneas dos jogadores foram utilizadas para gerar os modelos de movimento. Posteriormente foi computado um modelo de probabilidade através da função de histograma com normalização por função de densidade de probabilidade e por fim, determinadas as regiões dominantes dos jogadores. A determinação das regiões dominantes pelo modelo proposto foi avaliada em janelas de tempo futuro de um, dois e três segundos. As áreas das regiões dominantes determinadas pelo modelo proposto, os espaços livres e regiões de Voronoi foram calculadas, bem como os valores de área das regiões dominantes e regiões de Voronoi foram comparados. O modelo proposto foi aplicado para determinar a área do jogo, as regiões dominantes das equipes absolutas e relativas à área de jogo durante as partidas considerando o campo todo, as metades e os terços do campo, assim como foi analisada a relação da região dominante relativa das equipes com ações técnicas realizadas. Os valores médios de predições corretas na determinação das regiões dominantes dos jogadores foram 96,56%, 88,64% e 72,31% para as janelas de tempo de um, dois e três segundos, respectivamente. As áreas de região dominante dos jogadores foram inferiores as computadas pelo Voronoi com valores medianos de 73 e 171 m², respectivamente. O valor mediano de área dos espaços livres no campo foi 5.551 m², enquanto para área de jogo foi 1.588 m² e da região dominante das equipes considerando campo todo de 794 m². Os valores de área da região dominante das equipes foram superiores na metade defensiva do campo em comparação a ofensiva, enquanto na comparação entre os terços do campo, o terço médio apresentou maiores valores, seguido pelo terço defensivo e ofensivo. A área de região dominante relativa das equipes apresentou maiores valores para as equipes mandantes em todas as situações (exceto terço médio do campo), assim como apresentaram relação com melhores indicadores nas ações técnicas. A abordagem proposta mostrou-se mais realista, representando a natureza dinâmica da modalidade, e pode ser uma ferramenta útil para avaliar os comportamentos táticos relacionados à exploração espaço-temporal dos jogadores e equipes durante as partidas de futebol
id UEL_08f1b704cdbb5f4ee016d615cd7e5ef8
oai_identifier_str oai:repositorio.uel.br:123456789/17549
network_acronym_str UEL
network_name_str Repositório Institucional da UEL
repository_id_str
spelling Caetano, Fabio GiulianoAndrade, André Gustavo Pereira debff20ce2-e973-430f-83f6-66ae4e490690-1Praça, Gibson Moreira14ed1ac3-8466-40b6-a03e-5295844b588c-1Dal Pupo, Juliano656ae749-fa80-4621-8def-c4a70f26efdd-1Misuta, Milton Shoitib84e148a-f1b5-47b3-8c81-e77c672c132f-18c094d86-05bf-45bb-b582-0d6cec1e28a030ddfbcc-5151-4923-aeb8-862fc8ad5922Moura, Felipe ArrudaLondrina108 p.2024-09-12T19:21:06Z2024-09-12T19:21:06Z2022-09-21https://repositorio.uel.br/handle/123456789/17549Os jogadores de futebol se movem constantemente durante a partida para ocupar diferentes regiões do campo com o intuito de gerar oportunidades para sua equipe e prevenir ações ofensivas dos seus adversários. As regiões dominantes são definidas como regiões do campo onde os jogadores conseguem atingir antes dos demais e normalmente são definidas sem considerar as características cinemáticas do deslocamento dos jogadores, ou negligenciam a possibilidade de haver espaços livres no campo. Sendo assim, o objetivo desse estudo foi apresentar uma nova abordagem de representação da região dominante de jogadores de futebol baseada em modelos de movimento criados a partir das posições, deslocamentos, velocidades e acelerações instantâneas dos jogadores. A amostra foi constituída por 109 jogadores brasileiros profissionais de futebol analisados durante partidas oficiais, sendo computados aproximadamente 15 milhões de dados de posição registrados através de um sistema de rastreamento automático. Velocidades e acelerações vetoriais instantâneas dos jogadores foram utilizadas para gerar os modelos de movimento. Posteriormente foi computado um modelo de probabilidade através da função de histograma com normalização por função de densidade de probabilidade e por fim, determinadas as regiões dominantes dos jogadores. A determinação das regiões dominantes pelo modelo proposto foi avaliada em janelas de tempo futuro de um, dois e três segundos. As áreas das regiões dominantes determinadas pelo modelo proposto, os espaços livres e regiões de Voronoi foram calculadas, bem como os valores de área das regiões dominantes e regiões de Voronoi foram comparados. O modelo proposto foi aplicado para determinar a área do jogo, as regiões dominantes das equipes absolutas e relativas à área de jogo durante as partidas considerando o campo todo, as metades e os terços do campo, assim como foi analisada a relação da região dominante relativa das equipes com ações técnicas realizadas. Os valores médios de predições corretas na determinação das regiões dominantes dos jogadores foram 96,56%, 88,64% e 72,31% para as janelas de tempo de um, dois e três segundos, respectivamente. As áreas de região dominante dos jogadores foram inferiores as computadas pelo Voronoi com valores medianos de 73 e 171 m², respectivamente. O valor mediano de área dos espaços livres no campo foi 5.551 m², enquanto para área de jogo foi 1.588 m² e da região dominante das equipes considerando campo todo de 794 m². Os valores de área da região dominante das equipes foram superiores na metade defensiva do campo em comparação a ofensiva, enquanto na comparação entre os terços do campo, o terço médio apresentou maiores valores, seguido pelo terço defensivo e ofensivo. A área de região dominante relativa das equipes apresentou maiores valores para as equipes mandantes em todas as situações (exceto terço médio do campo), assim como apresentaram relação com melhores indicadores nas ações técnicas. A abordagem proposta mostrou-se mais realista, representando a natureza dinâmica da modalidade, e pode ser uma ferramenta útil para avaliar os comportamentos táticos relacionados à exploração espaço-temporal dos jogadores e equipes durante as partidas de futebolFootball players constantly move during the match to occupy different regions of the pitch to generate opportunities for their team and to prevent offensive actions from the opponents. The dominant regions are defined as regions of the pitch where players can reach before the others and are usually defined without considering the kinematic characteristics of the players’ displacement or neglecting the possibility of existing free-spaces in the pitch. Therefore, the objective of this study was to present a novel approach to the analysis of the dominant region of football players based on movement models created from the players’ instantaneous positions, displacements, velocities, and accelerations. The sample consisted of 109 Brazilian professional football players analysed during official matches, with approximately 15 million position data recorded using an automatic tracking system. Players' instantaneous vector velocities and accelerations were used to generate the motion models. Subsequently, a probability model was computed using the histogram function with normalization by probability density function and, finally, the dominant regions were determined. The determination of the dominant regions by the proposed model was evaluated in future time windows of one, two and three seconds. The areas of the dominant regions determined by the proposed model, the free-spaces and Voronoi regions were calculated, as well as the area values of the dominant regions and Voronoi regions were compared. The proposed model was applied to determine the playing area, the teams’ absolute dominant regions and relative to the playing area during the matches considering the whole pitch, halves, and thirds of the pitch, as well as the relationship of the team’s relative dominant region witch technical actions performed was analysed. The mean values of correct predictions in the determination of the players’ dominant regions were 96.56%, 88.64% and 72.31% for the future time windows of one, two and three seconds, respectively. The players’ dominant region areas were lower than those computed by Voronoi with median values of 73 and 171 m², respectively. The median value of the area of free-spaces on the pitch was 5,551 m², while for the playing area it was 1,588 m² and the dominant region of the teams considering the whole pitch of 794 m². The area values of the dominant region of the teams were higher in the defensive half of the pitch compared to the offensive, while in the comparison between the thirds of the pitch, the middle third presented higher values, followed by the defensive and offensive thirds. The relative dominant region area of the teams showed higher values for the home teams in all situations (except for the middle third of the pitch), as well as showing a relationship with better indicators in the technical actions. The proposed approach proved to be more realistic, representing the dynamic nature of the modality and can be a useful tool to assess tactical behaviours related to space-time exploration of players and teams during the football matchesporCiências da Saúde - Educação FísicaAutomatic trackingPositional dataTacticsTeam sportsVoronoi diagramSoccer playersKinematicsBiomechanics - MusclesCollective sportsDados posicionaisDiagrama de VoronoiEsportes coletivosRastreamento automáticoTáticaJogadores de futebolCinemáticaBiomecânica - MúsculosEsportes coletivosRegião dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneasFootball player dominant region determined by a probabilistic model based on instantaneous kinematicsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisCEFE - Departamento de Educação FísicaPrograma de Pós-Graduação Associado em Educação Física UEM/UELUniversidade Estadual de Londrina - UEL-1-1reponame:Repositório Institucional da UELinstname:Universidade Estadual de Londrina (UEL)instacron:UELinfo:eu-repo/semantics/openAccessDoutoradoCentro de Educação Física e EsportesORIGINALCS_EDF_Dr_2022_Caetano_Fabio_G.pdfCS_EDF_Dr_2022_Caetano_Fabio_G.pdfTexto completo ID. 8262application/pdf3295155https://repositorio.uel.br/bitstreams/d0065d89-ab06-433f-96a2-50e052a8bf73/download140c8af0ab6b36001df935fe006d4b9aMD51CS_EDF_Dr_2022_Caetano_Fabio_G_TERMO.pdfCS_EDF_Dr_2022_Caetano_Fabio_G_TERMO.pdfTermo de autorizaçãoapplication/pdf153294https://repositorio.uel.br/bitstreams/db86cb03-9680-4604-82e7-84e20efd6485/downloadb745aaecad8044c1dbeec8cc5aa7de6aMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-8555https://repositorio.uel.br/bitstreams/db979396-c186-4c84-96e5-fb4a01a59733/downloadb0875caec81dd1122312ab77c11250f1MD53TEXTCS_EDF_Dr_2022_Caetano_Fabio_G.pdf.txtCS_EDF_Dr_2022_Caetano_Fabio_G.pdf.txtExtracted texttext/plain160111https://repositorio.uel.br/bitstreams/b3d9b907-9fd8-4c9f-a1f2-3c34dc926187/download80ec5e85f054c33180194b70d23083ccMD54CS_EDF_Dr_2022_Caetano_Fabio_G_TERMO.pdf.txtCS_EDF_Dr_2022_Caetano_Fabio_G_TERMO.pdf.txtExtracted texttext/plain1680https://repositorio.uel.br/bitstreams/1b584339-2915-4cd1-9bdb-4a13359b64c5/download601dbdec0003079426cff0ca13b57885MD56THUMBNAILCS_EDF_Dr_2022_Caetano_Fabio_G.pdf.jpgCS_EDF_Dr_2022_Caetano_Fabio_G.pdf.jpgGenerated Thumbnailimage/jpeg3950https://repositorio.uel.br/bitstreams/3f5e2d75-3c80-4741-bc5e-b76e407caab1/download5186dbbc0029a4689061ba9520b47f14MD55CS_EDF_Dr_2022_Caetano_Fabio_G_TERMO.pdf.jpgCS_EDF_Dr_2022_Caetano_Fabio_G_TERMO.pdf.jpgGenerated Thumbnailimage/jpeg4928https://repositorio.uel.br/bitstreams/6e7dbfa3-4e3e-4be9-81c4-06b95d5a84a0/downloadbe643d13272ce6c648fead8b57c134eeMD57123456789/175492024-09-13 03:03:34.252open.accessoai:repositorio.uel.br:123456789/17549https://repositorio.uel.brBiblioteca Digital de Teses e Dissertaçõeshttp://www.bibliotecadigital.uel.br/PUBhttp://www.bibliotecadigital.uel.br/OAI/oai2.phpbcuel@uel.br||opendoar:2024-09-13T06:03:34Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)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
dc.title.none.fl_str_mv Região dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneas
dc.title.alternative.none.fl_str_mv Football player dominant region determined by a probabilistic model based on instantaneous kinematics
title Região dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneas
spellingShingle Região dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneas
Caetano, Fabio Giuliano
Dados posicionais
Diagrama de Voronoi
Esportes coletivos
Rastreamento automático
Tática
Jogadores de futebol
Cinemática
Biomecânica - Músculos
Esportes coletivos
Ciências da Saúde - Educação Física
Automatic tracking
Positional data
Tactics
Team sports
Voronoi diagram
Soccer players
Kinematics
Biomechanics - Muscles
Collective sports
title_short Região dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneas
title_full Região dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneas
title_fullStr Região dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneas
title_full_unstemmed Região dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneas
title_sort Região dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneas
author Caetano, Fabio Giuliano
author_facet Caetano, Fabio Giuliano
author_role author
dc.contributor.banca.none.fl_str_mv Andrade, André Gustavo Pereira de
Praça, Gibson Moreira
Dal Pupo, Juliano
Misuta, Milton Shoiti
dc.contributor.author.fl_str_mv Caetano, Fabio Giuliano
dc.contributor.authorID.fl_str_mv 8c094d86-05bf-45bb-b582-0d6cec1e28a0
dc.contributor.advisor1ID.fl_str_mv 30ddfbcc-5151-4923-aeb8-862fc8ad5922
dc.contributor.advisor1.fl_str_mv Moura, Felipe Arruda
contributor_str_mv Moura, Felipe Arruda
dc.subject.por.fl_str_mv Dados posicionais
Diagrama de Voronoi
Esportes coletivos
Rastreamento automático
Tática
Jogadores de futebol
Cinemática
Biomecânica - Músculos
Esportes coletivos
topic Dados posicionais
Diagrama de Voronoi
Esportes coletivos
Rastreamento automático
Tática
Jogadores de futebol
Cinemática
Biomecânica - Músculos
Esportes coletivos
Ciências da Saúde - Educação Física
Automatic tracking
Positional data
Tactics
Team sports
Voronoi diagram
Soccer players
Kinematics
Biomechanics - Muscles
Collective sports
dc.subject.capes.none.fl_str_mv Ciências da Saúde - Educação Física
dc.subject.keywords.none.fl_str_mv Automatic tracking
Positional data
Tactics
Team sports
Voronoi diagram
Soccer players
Kinematics
Biomechanics - Muscles
Collective sports
description Os jogadores de futebol se movem constantemente durante a partida para ocupar diferentes regiões do campo com o intuito de gerar oportunidades para sua equipe e prevenir ações ofensivas dos seus adversários. As regiões dominantes são definidas como regiões do campo onde os jogadores conseguem atingir antes dos demais e normalmente são definidas sem considerar as características cinemáticas do deslocamento dos jogadores, ou negligenciam a possibilidade de haver espaços livres no campo. Sendo assim, o objetivo desse estudo foi apresentar uma nova abordagem de representação da região dominante de jogadores de futebol baseada em modelos de movimento criados a partir das posições, deslocamentos, velocidades e acelerações instantâneas dos jogadores. A amostra foi constituída por 109 jogadores brasileiros profissionais de futebol analisados durante partidas oficiais, sendo computados aproximadamente 15 milhões de dados de posição registrados através de um sistema de rastreamento automático. Velocidades e acelerações vetoriais instantâneas dos jogadores foram utilizadas para gerar os modelos de movimento. Posteriormente foi computado um modelo de probabilidade através da função de histograma com normalização por função de densidade de probabilidade e por fim, determinadas as regiões dominantes dos jogadores. A determinação das regiões dominantes pelo modelo proposto foi avaliada em janelas de tempo futuro de um, dois e três segundos. As áreas das regiões dominantes determinadas pelo modelo proposto, os espaços livres e regiões de Voronoi foram calculadas, bem como os valores de área das regiões dominantes e regiões de Voronoi foram comparados. O modelo proposto foi aplicado para determinar a área do jogo, as regiões dominantes das equipes absolutas e relativas à área de jogo durante as partidas considerando o campo todo, as metades e os terços do campo, assim como foi analisada a relação da região dominante relativa das equipes com ações técnicas realizadas. Os valores médios de predições corretas na determinação das regiões dominantes dos jogadores foram 96,56%, 88,64% e 72,31% para as janelas de tempo de um, dois e três segundos, respectivamente. As áreas de região dominante dos jogadores foram inferiores as computadas pelo Voronoi com valores medianos de 73 e 171 m², respectivamente. O valor mediano de área dos espaços livres no campo foi 5.551 m², enquanto para área de jogo foi 1.588 m² e da região dominante das equipes considerando campo todo de 794 m². Os valores de área da região dominante das equipes foram superiores na metade defensiva do campo em comparação a ofensiva, enquanto na comparação entre os terços do campo, o terço médio apresentou maiores valores, seguido pelo terço defensivo e ofensivo. A área de região dominante relativa das equipes apresentou maiores valores para as equipes mandantes em todas as situações (exceto terço médio do campo), assim como apresentaram relação com melhores indicadores nas ações técnicas. A abordagem proposta mostrou-se mais realista, representando a natureza dinâmica da modalidade, e pode ser uma ferramenta útil para avaliar os comportamentos táticos relacionados à exploração espaço-temporal dos jogadores e equipes durante as partidas de futebol
publishDate 2022
dc.date.issued.fl_str_mv 2022-09-21
dc.date.accessioned.fl_str_mv 2024-09-12T19:21:06Z
dc.date.available.fl_str_mv 2024-09-12T19:21:06Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.uel.br/handle/123456789/17549
url https://repositorio.uel.br/handle/123456789/17549
dc.language.iso.fl_str_mv por
language por
dc.relation.confidence.fl_str_mv -1
-1
dc.relation.departament.none.fl_str_mv CEFE - Departamento de Educação Física
dc.relation.ppgname.none.fl_str_mv Programa de Pós-Graduação Associado em Educação Física UEM/UEL
dc.relation.institutionname.none.fl_str_mv Universidade Estadual de Londrina - UEL
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.coverage.spatial.none.fl_str_mv Londrina
dc.coverage.extent.none.fl_str_mv 108 p.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UEL
instname:Universidade Estadual de Londrina (UEL)
instacron:UEL
instname_str Universidade Estadual de Londrina (UEL)
instacron_str UEL
institution UEL
reponame_str Repositório Institucional da UEL
collection Repositório Institucional da UEL
bitstream.url.fl_str_mv https://repositorio.uel.br/bitstreams/d0065d89-ab06-433f-96a2-50e052a8bf73/download
https://repositorio.uel.br/bitstreams/db86cb03-9680-4604-82e7-84e20efd6485/download
https://repositorio.uel.br/bitstreams/db979396-c186-4c84-96e5-fb4a01a59733/download
https://repositorio.uel.br/bitstreams/b3d9b907-9fd8-4c9f-a1f2-3c34dc926187/download
https://repositorio.uel.br/bitstreams/1b584339-2915-4cd1-9bdb-4a13359b64c5/download
https://repositorio.uel.br/bitstreams/3f5e2d75-3c80-4741-bc5e-b76e407caab1/download
https://repositorio.uel.br/bitstreams/6e7dbfa3-4e3e-4be9-81c4-06b95d5a84a0/download
bitstream.checksum.fl_str_mv 140c8af0ab6b36001df935fe006d4b9a
b745aaecad8044c1dbeec8cc5aa7de6a
b0875caec81dd1122312ab77c11250f1
80ec5e85f054c33180194b70d23083cc
601dbdec0003079426cff0ca13b57885
5186dbbc0029a4689061ba9520b47f14
be643d13272ce6c648fead8b57c134ee
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UEL - Universidade Estadual de Londrina (UEL)
repository.mail.fl_str_mv bcuel@uel.br||
_version_ 1862739639708680192