Região dominante de jogadores de futebol determinada por um modelo probabilístico baseado em variáveis cinemáticas instantâneas
| Ano de defesa: | 2022 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | |
| 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 |