对峙可以在曲棍球比赛最关键的时刻之一。获胜的玩家可以摇摆他们的球队的势头并且直接影响游戏的结果。
想象,在第三段末一场势均力敌的比赛中,和两个在冰上曲棍球球员面对面,等待冰球下降。每个人都在猜测谁将首先去冰球。但直到现在,没有人全面评估谁更有可能赢。
缩小这个差距,国家冰球联盟(NHL)和亚马逊网络服务(AWS)开发对峙概率,它使用AI提供实时对峙分析师预测,球迷,和团队。这是一个重要的技术发展,因为这是第一个从AWS概率统计,将见过生活,而不是碰巧。
比赛中断期间,对峙概率生成预测谁会赢得即将到来的对峙根据球员们在冰上,对峙的位置,游戏现状。预测发生在不到一秒和生成整个罢工直到比赛钟又开始运行。
生产实时的团队应对挑战对峙的预测必须从头构建这个剧本。但AWS是唯一能够生成一个解决方案给其记录的运动数据驱动的解决方案及其雄厚的技术与NHL,已经生产拍摄并保存分析在2021年。
AWS机器学习(ML) NHL的应用数据
从头构建一个全新的系统,可以主动评估对峙对位和预测赢家带来重大的技术挑战。
使用的NHL和AWS球员、冰球和跟踪(PPT)数据,和成千上万的事情从10年的历史NHL曲棍球信息&跟踪系统(点击)统计数据。这个数据源非常多变和复杂。它需要吸收信息,如个人历史家和对峙统计;一对一的比赛历史;球员特点,如身高、体重、构型;和游戏背景如对峙的位置,游戏的分数,和时间的对峙发生。
这种组合的历史成功率,球员比赛特点,和游戏背景汇集了支安打和PPT数据提供一个完整的和独特的视角对峙的动力学。
调整新的对峙对位
对峙概率也灵活,适应预测基于游戏的变化情况。例如,如果一个球员放弃的对峙由于违反,模型更新预测新的比赛基于实时PPT流传感器数据来自溜冰场和传感器连接到球员。
预测发生在不到一秒钟,当有一个玩家参与引发的对峙。预测还可以显示的变化团队赢得对峙的可能性当主中心的人放弃对峙,取而代之的是一个球员有不同的成功的可能性。这强调的重要性有一个特定的球员对峙圆。除了提供这两个球员的概率,该工具还提供了其他可能的对峙组合配对,将帮助广播团队强调潜在的对位,这将丰富的球迷的观看体验。
