四分卫的评估指标有很多,但它们都集中在一个领域——分离出四分卫在传球前必须评估的特定变量,并评估四分卫在传球后是否做出了最佳决策。为了缩小这一差距,Next Gen Stats (NGS)团队使用亚马逊网络服务(AWS)产品开发了传球得分(Passing Score),这是一种新的人工智能(AI)四分卫测量工具,用于评估传球表现。

在一场NFL比赛中,四分卫所做的远不止几次传球。他们会在瞬间做出数百个决定。当他们接近争球线时,他们会评估防守球员的阵容、比赛剩余时间以及第一次进攻所需的码数等因素。一旦比赛开始,四分卫必须迅速判断把球扔到哪里,比赛成功的可变性就会显著增加复杂性。更复杂的是,一个接球手可能会在一个被打翻的球上做出令人难以置信的表现,或者一个防守球员可能会在空中抛出一个完美的传球,引发拦截。在过去,无论比赛结果如何,统计上的功劳或责任都归于四分卫。

创新功能将于11月18日在美国的部分设备上推出,届时新英格兰爱国者队将在Prime Video上迎战亚特兰大猎鹰队。

现在,NFL球迷有pass Score。NGS花了将近一年的时间解决了一系列复杂的技术问题,才创建了“及格分数”工具。NGS没有现成的策略可循,但他们知道AWS拥有独特的优势,可以通过现有的体育数据驱动解决方案以及与NFL的深度技术合作来帮助解决这些挑战。

基于多年来创建和部署AWS支持的机器学习(ML)模型的经验,NGS工程和分析团队与AWS专业服务数据科学团队合作,优化和组合了7个机器学习模型,其中包括一个在投球前预测传球价值的新模型。组合的ML模型为新的NGS通过分数提供了动力。每个单独的模型都提供了对现场情况的引人注目的见解,比如预测的码数和完井概率。通过组合模型,得分(50-99之间的数字)更好地反映了球迷、教练和球员用来评估四分卫传球表现的直觉。

对2021年四分卫表现进行排名

2021年NFL常规赛带来了一些令人难忘的四分卫表现。我们评估了常规赛的玩法,并将这一分析与过去三个赛季中超过1600万帧的球员数据相结合,以回答这个问题:“谁是2021赛季最好的常规赛四分卫?”

“2021年NFL季后赛四分卫排名”的插图图片
图解显示了传球得分最高的两个四分卫。排名第一的是绿湾包装工队的亚伦·罗杰斯,传球得分为92分。在他的排名下面,有一段文字写着“罗杰斯本赛季在NGS传球得分(92)中排名第一,包装工队连续两个赛季在NFC排名第一(2020年为99),这不是巧合。”得分第二高的四分卫是辛辛那提猛虎队的乔·伯罗,得分91分。在他的排名下面是这样写的:“本赛季最后两场比赛(第16周对巴尔和第17周对KC)是他职业生涯NGS传球得分最高的两场比赛(91和90)。他在16场比赛中有14场得分在80分以上。”
这张图显示了传球得分最高的第三和第四四分卫。在第三名中,马修·斯塔福德以91分的传球得分,是仅有的两名在常规赛中对阵闪电战时传球得分最高达到99分的四分卫之一(另一名四分卫是帕特里克·马霍姆斯)。在第4名中,瑞安·坦尼希尔以89的传球得分,在三个NGS分类中排名前五:抢断区内(89),快速(88)和爆发路线(84)。
排在第五位的是帕特里克·马霍姆斯,得分89分。本赛季,马霍斯在所有你能想到的情况下都在资格赛四分卫中排名第一:面对闪电战(99),第三次进攻,奔跑(92),瞄准爆发路线(90)。排在第6位的是乔希·阿伦,得分88分。阿伦在球场的中间部分(10-19空中码之间)投出了nfl最多的19次达阵,比第二近的四分卫多5次,帮助他获得了最高99的中间传球得分。
7号是坦帕湾海盗队的汤姆·布雷迪。他的分数是88分。布雷迪在本赛季排名前五的四分卫:垂直路线(99人,第一),第三次进攻(96人,第四),突破路线(95人,第五),禁区内抢断(88人,第五),快速传球(86人,第五)。8号是达拉斯牛仔队的达克·普雷斯科特。他的分数是87分。普雷斯科特在第18周对阵老鹰队时的表现(97分)是过去四个赛季中单场得分最高的一次。
第九名是来自亚利桑那红雀队的凯勒·默里,他的及格分数是87分。穆雷本赛季在压力下的89传球得分(在四分卫中排名第二)与nfl最佳的11.8%的完成率(也在合格的四分卫中)相关。第10名是旧金山49人队的吉米·加洛波罗,传球得分87分。加洛波罗充分利用了凯尔·沙纳汉(Kyle Shanahan)的大量传球,平均每次尝试10.5码(唯一一个超过10码的四分卫),帮助他在本赛季的四分卫中获得了最高的传球得分(97)。
第11名是费城老鹰队的贾伦·赫特斯,得分84分。赫特斯是本赛季在超过4秒的后撤中最危险的传球者之一(94分,四分卫中第二)。作为一个快速传球者,他的效率较低(69快速得分,第30位)#12是来自拉斯维加斯突袭者队的德里克·卡尔,传球得分83。原始CPOE,卡尔本赛季在合格的四分卫中排名第五(+2.2%)。当调整掉传球时,卡尔的CPOE功能在四分卫中跃升至第二位。
第13名是新英格兰爱国者队的麦克·琼斯,得分83分。琼斯,去年选秀的第15顺位,第4位四分卫,是唯一一个在常规赛结束时CPOE为正(+1.2%,第8位)和传球EPA为正(+72.0,第16位)的新秀四分卫。第14名是来自匹兹堡钢人队的本·罗斯利斯伯格,他的及格分数是70分。罗特里斯伯格(传球得分70)是过去四个赛季(自2018年以来)唯一一位以低于82分的传球得分带领球队进入季后赛的四分卫。

建立成功的组合

NGS通过分数是一个复杂方程的简单表示。根据设计,它并不是简单地将所有传球码数、触地得分和拦截都授予四分卫。相反,它隔离了传球者对传球结果的贡献,不知道接球者。它还控制每一次传球的难度,以最好地包含最能预测未来表现的传球者的特征。最后,它把所有这些都归结为一个指标。

传球得分的工作原理是通过分析跟踪数据来预测如果被目标锁定,接球手将获得多少码,结合完成概率模型的增强,现在还可以估计拦截的概率。与AWS团队一起创建的新系统为评分的主要组成部分中使用的“期望”指标提供了动力。

现在有了这种基于aws的新方法,NGS的传球得分可以扩展,并考虑其他维度,如进攻、抢点和压力。要了解更多关于新度量的信息,看看NFL创建的这个博客,向你展示它是如何在球场上发挥作用的