在足球场上，有一种魔力笼罩着那些猛烈的射门，令观众、球员甚至评论员都为之惊叹。回想一下，当一记强劲的射门使得整个德甲球场沸腾的瞬间，究竟是什么吸引了我们的目光？虽然影响一个标志性进球的因素有很多，但那些迅速穿越空中的远射总是特别引人注目。
多年以前，德甲里涌现了许多传奇球员，他们不仅因技艺而耀眼，更因能炮制雷霆般的射门而被铭记。比如说，来自法兰克福的贝尔特尼克尔在1970和1980年代被球迷称为“锤子博士”。他在426场比赛中打入141球，成就非凡。
尼克尔的射门能力固然卓越，而他还有一个独特的成就，就是能够直接角球得分。实际上，他在法兰克福的沃尔德体育场每个角球位置都曾成功进球。其中一个例子发生在1971年5月，当时法兰克福在与基克尔斯奥芬巴赫的比赛中展现了他的高超技艺。
尼克尔在第17分钟完成了一记惊艳的进球，帮助法兰克福以20取胜。这一进球更为人津津乐道的是，他在点球点处施展了一个精彩的侧空翻射门，完美地进入了球门的上角。此球后来被评为1971年5月的“月度最佳进球”。尼克尔在场上的影响力无人能及，他为法兰克福赢得了三次DFB杯1974、1975、1981和1980年的欧洲联盟杯。
类似地，托马斯海策斯柏格也以其左脚轰出的强劲射门在德甲历史上留下了浓厚的一笔。他在2009年对阵勒沃库森的比赛中以125公里/小时的速度完成的进球至今令人难忘，海策斯柏格的任意球威力强大，以至于彼时德国国门阿德勒看上去几乎石化。
在比赛的第51分钟，他从18米的距离开出一脚，足球飞速掠过阿德勒，最终入网，将比分改写为20。这一精彩的进球不仅展示了海策斯柏格的射门能力，同时也让球迷感受到高速射门带来的震撼力量。
历史数据表明，德甲中有几次的射门速度超过了130公里/小时，所有记录中最快的脚法出自拜仁的洛伊马卡伊，以惊人的137公里/小时破门。
这一切都清晰地表明，射门的速度与技术是多么重要。尽管高速射门令球迷感到亢奋，然而直到如今，这一数据在德甲中并未被规律测量。鉴于此，我们兴奋地推出“德甲比赛数据：射门速度”这一新指标，旨在揭示这些令人惊叹进球背后的速度，进一步提升我们对比赛的理解与欣赏。
你是否曾好奇你喜欢的德甲球员的射门有多快？新推出的德甲比赛数据BMF射门速度，现在能让球迷们的好奇得到满足，提供射门的强度和速度信息。射门速度不仅仅是一个数字，它是德甲球员惊人运动能力与技巧的窗口。
射门速度对球迷有着迷人的影响，引发关于谁是联赛中射门威力最大和最具纪实性的球员的讨论。这一数据将成为解答这些问题的关键。
此外，新的BMF还突显了难以忘怀的瞬间。快速的射门往往会导致精彩的进球，留存在球迷记忆中。射门速度帮助永恒记录这些时刻，让球迷们能够重温那些闪电般的进球奇迹。
那么这一切是如何实现的呢？我们深入探讨一下细节。
计算射门速度的基础在于一个有条理的数据收集过程。该过程主要由两个关键组成部分：事件数据和光学跟踪数据。
事件数据收集包括收集比赛的基本构成部分。射门、进球、助攻、犯规和换人都为理解比赛提供了重要的背景。在我们具体的案例中，我们专注于射门、其变化以及负责射门的球员。
另一方面，光学跟踪数据则通过先进的摄像机系统进行收集。这些系统记录球员的移动和球的位置，提供高度精确的数据。这些数据为全面分析球员表现、战术细节和球队战略奠定了基础。在计算射门速度时，这些数据对于追踪球的速度至关重要。
这两组数据来源于不同的源头，它们的时间同步性并不能得到保证。为了在射门速度计算中确保精确，我们必须确保球的位置与事件发生时刻完全一致。这消除了手动事件数据收集可能引发的任何差异。为实现这一目标，我们的过程采用了一种同步算法，该算法经过标记数据集的训练，可靠地将每次射门与其对应的跟踪数据关联在一起。
确定射门速度的核心在于我们的同步算法提供的精确时间戳。想象一下，一个球员准备射门时，我们的事件采集器准备记录这一瞬间，摄像头紧紧跟踪球的运动。当球员做出射门决定时，神奇的事情就发生了。
一个准确的时间戳测量帮助我们立即计算出射门的速度。我们测量每一次射门的速度，无论是进球、击中门柱还是被扑出。为了确保一致性，我们不包括头球或被挡的射门，因为这些可能由于折射而变得复杂。
以下是我们如何将收集到的数据转化为你所见的射门速度的分解：
提取射门轨迹 在记录事件后并跟踪球的运动后，我们提取射门的轨迹。这意味着我们绘制球从球员脚下离开起始的路径。平滑速度曲线 我们获得的数据虽然详细，但有时由于摄像头的敏感度等因素可能存在微小的波动。为了确保准确性，我们会平滑速度曲线，即去掉数据中的任何微小波动或不规则性，以获得更可靠的速度测量。计算最大速度 拥有干净的速度曲线后，我们随后计算球在飞行过程中达到的最大速度。这是代表射门速度和力量的核心数值。我们分析了约215场20222023赛季的德甲比赛。下图展示了按球员计算的快速射门数量gt100 km/h。263名至少有一次快速射门的球员，平均每人有347次快速射门。图中有些球员的频率明显高于平均水平，达到约20次快速射门。
以下视频展示了测量到的射门速度达到顶速的示例：
示例 1测得顶速射门速度为11843 km/h，距离球门2061米
示例 2测得顶速射门速度为12332 km/h，距离球门2119米
示例 3测得顶速射门速度为12122 km/h，距离球门2544米
示例 4测得顶速射门速度为11314 km/h，距离球门2446米
在实时比赛中准确测定射门速度的过程中，我们引入了采用Amazon Managed Streaming for Apache Kafka (Amazon MSK)的尖端解决方案。该平台为快速以25 Hz采样率流式传输位置数据提供了强大的支持，可以实时更新射门速度。通过Amazon MSK，我们建立了一个中央数据流处理中心，促进了德甲赛事数据间的无缝通信。
下图阐述了从头到尾测量射门速度的整个工作流程。
比赛相关的数据通过DFL的数据中心收集并引入系统。为了处理比赛的元数据，我们使用一个名为MetaDataIngestion的AWS Lambda函数，而位置数据则通过名为MatchLink的AWS Fargate容器引入。这些Lambda函数和Fargate容器随后使这些数据可被进一步使用于相应的MSK主题中。
BMF射门速度的核心是一个专门的Fargate容器，名为BMF ShotSpeed。该容器在比赛进行期间始终处于激活状态，持续从Amazon MSK中获取所需数据。它的算法对比赛中每次射门做出即时反应，实时计算射门速度。此外，若任何基础数据发生变更，我们方便地能够重新计算射门速度。
一旦射门速度计算完毕，数据之旅的下一阶段是分发。这些射门速度指标被发送回数据中心，在那里它们可供各类德甲比赛数据的用户使用。
与此同时，射门速度数据也进入我们的MSK集群的指定话题，使德甲比赛数据的其他组件能够访问并利用这一指标。我们实施了一项AWS Lambda函数，专门负责从相关Kafka话题中提取计算出的射门速度。一旦Lambda函数被触发，它将数据存储在Amazon Aurora Serverless数据库中。该数据库储存射门速度数据，我们随后利用Amazon QuickSight创建互动、近实时的可视化效果。
此外，我们还设立了一个专门的组件，用于计算射门速度的季节性排名。这让我们能够跟踪赛季中最快的射门，确保在每次射门后我们能随时掌握最新的最高清速进球及其排名信息。
在这篇博文中，我们很高兴地推出全新的德甲比赛数据：射门速度，这一指标使我们能够量化并客观比较不同德甲球员的射门速度。该统计数据将为评论员和球迷提供有关进攻与射门力量的宝贵见解。
德甲比赛数据的开发是由德甲及AWS的足球专家和数据科学家共同努力的成果。显著的射门速度将在比赛进行时实时显示在现场ticker上，球迷们可以通过官方德甲应用和网站访问。此外，这些数据将通过数据故事发现器提供给评论员，并在广播的关键时刻呈现给球迷。
我们相信，这一全新德甲比赛数据的引入将深化你对比赛的理解，增添观看体验的新维度。如想深入了解AWS和德甲之间的合作，欢迎访问Bundesliga on AWS！
我们期待你利用这一全新射门速度指标发现有趣的洞见，并在X平台分享你的发现，使用话题#BundesligaMatchFacts。
Tareq Haschemi是AWS专业服务部门的顾问，专注于应用开发、数据科学和机器学习。他协助客户在AWS云中开发数据驱动的应用程序。在加入AWS之前，他曾在多个行业，包括航空和电信担任顾问。他热衷于帮助客户在云中完成数据和人工智能的旅程。
JeanMichel Lourier是AWS专业服务的高级数据科学家。他领导团队与AWS客户共同实施数据驱动的应用程序，以便从数据中产生商业价值。他热衷于沉浸在技术中，了解人工智能、机器学习及其商业应用。在业余时间，他是一位热爱骑行的自行车爱好者，享受长途骑行的乐趣。
飞机加速器Luc Elure是Sportec Solutions AG的数据科学家，目标是为足球产业开发并提供有价值的关键绩效指标。在大学时，他学习了统计理论，计划将其概念应用于美丽的足球运动。尽管他曾承诺有一个美好的桌上足球职业生涯，但对数据科学的热情最终让他选择了计算机作为职业道路。
Javier PovedaPanter是AWS专业服务团队中负责EMEA体育客户的高级数据和机器学习工程师。他帮助客户在观众体育领域进行创新，利用数据实现高质量的用户和球迷体验，结合机器学习、数据科学和分析。闲暇时，他热爱广泛的体育、音乐及人工智能。
