物理模型可以优化篮球运动员的定位

一种被证明对预测分子和果蝇的群体行为有用的物理理论似乎也适用于一个非常不同的环境——篮球场。

如果他们想提高得分或成功防守的概率，基于密度泛函理论的模型可以在给定场景中为篮球场上的每个球员建议最佳位置。

物理学博士生鲍里斯·巴伦(BorisBarron)与艺术与科学学院物理系教授托马斯·阿里亚斯(TomásArias)合作，于3月9日在拉斯维加斯举行的美国物理学会会议上展示了他的作品。

Barron从NathanSitaraman那里得到了他项目的想法，NathanSitaraman为一支NBA球队提供咨询，帮助他们通过数据分析改善比赛。Sitaraman能够从本赛季的NBA比赛中获得非常详细的球员位置数据，然后Barron使用这些数据来开发他的模型。

使用这些结果，Barron能够：

预测特定玩家下一步可能去哪里;

确定哪些玩家倾向于处于好位置或坏位置;

根据球员的位置计算进攻或防守成功的概率;和

创建模拟如果一名球员执行特定动作(例如跑过球场)，对方球队将或应该如何回应。

他说：“我们可以准确地看到一名球员应该在哪里帮助他们的球队，而那几英尺可能会导致多达3%的差异(成功)。”

“在这些得分高的比赛中，100分中的三分对一名球员来说是一件大事，”斯蒂芬·H·韦斯总统研究员阿里亚斯说。

Barron使用的数学模型基于获得诺贝尔奖的方法，该方法最初是为研究大量量子力学相互作用的电子而开发的。这项工作以Arias的研究为基础，该研究结合了密度泛函波动理论的数学概念和方法来研究从人群行为到移民和隔离等社会现象的一切事物。

Arias说，当你分析像篮球这样的比赛时，这些方法会起作用，因为人群的行为很难量化。

“我们的物理技术开始发挥作用，因为你不是单独看球员，而是他们如何在球场上合作，”他说。“这就是为什么你需要这种更高层次的分析。”

巴伦说，这对篮球等团队运动的影响是显而易见的。

教练可以将对手的球队或球员特定数据输入该模型，以制定策略来阻止最常见的比赛。教练可以在比赛前进行计算，然后将它们显示在他们可以在替补席上使用的智能设备上，帮助他们根据数据说明球员应该走的精确路线。他们可以获得每个球员的特定数据，以找出哪些球员对球队的成功贡献最大。

Arias说，想想2011年的电影《点球成金》，布拉德皮特扮演美国职业棒球大联盟奥克兰A队的经理比利比恩，他根据数据分析组建了一支球队，使用球员的上垒率而不是更传统的成功衡量标准.

“我们的方法非常通用，”巴伦说，“所以我可以看到它可以更广泛地造福于体育运动。详细的位置数据变得越来越容易获得。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！