<wpimage aligncenterid4693sizeSluglargelinkDestinationnone> <div class="wp" block image><figure class="aligncenter" size large><img src="httpswwwgambylcomwp" contentuploads202101nflll 1024x576jpg alt= "classe=wp" image 4693><figure><div> <wpimage> <wpparagraph> <p>Estatísticas de contagem convencional, como recepções e jardas recebidas, fornecem uma maneira de medir a capacidade de um jogador individual de pegar e mover a bola, mas contam apenas parte da história. Estatísticas avançadas, como profundidade da janela de separação do alvo e probabilidade de conclusão, fornecem maior visão, mas ainda deixam de fora um fator importante Ou seja, qual rota o apanhador de passes percorreu para se abrir <em>antes<em> pegando a bola<p> <wpparagraph> <wpparagraph> <p>Com a ajuda da tecnologia de rastreamento de jogadores, a equipe Next Gen Stats Analytics decidiu responder a essa pergunta exata, decodificando um dos elementos-chave de uma chamada de jogo ofensivo, usando dados de rastreamento de jogadores para medir quais rotas os apanhadores de passes estão executando em qualquer jogada de passe.<p> <wpparagraph> <wpparagraph> <p>No mês passado, revelamos um novo conjunto de métricas urgentes derivadas da capacidade de calcular <a href="/pt_br/httpswwwnflcomnewsnext/" gen stats intro to expected rushing yards>Jardas corridas esperadas<a> Hoje estamos apresentando outra nova ferramenta de aprendizado de máquina <strong>o reconhecimento de rota<strong> <strong>modelo<strong> que classifica as rotas por tipo em tempo real com a ajuda de dados de rastreamento do jogador<p> <wpparagraph> <wpparagraph> <p>Vamos nos aprofundar na metodologia por trás do modelo de reconhecimento de rota<p> <wpparagraph> <wpheading nível3> <h3>Como funciona o modelo<h3> <wpheading> <wpparagraph> <p>O sistema de rastreamento de jogadores Next Gen Stats registra a direção de aceleração da velocidade de localização xy e a orientação de todos os 22 jogadores em campo em tempo real. Nosso novo modelo de reconhecimento de rota aproveita esses dados como entradas em um modelo que atribui um <strong>tipo de rota<strong> para todos os recebedores elegíveis em cada jogada de passe, incluindo tight ends e running backs. Nossa abordagem arquitetônica usa uma combinação de <em>redes neurais convolucionais CNNs<em> e <em>redes LSTM de memória de longo e curto prazo<em> treinado em <a href="/pt_br/httpsawsamazoncomsagemaker/">Plataforma SageMaker da Amazon<a> As CNNs nos permitem interagir com a natureza espacial do nosso conjunto de dados, que é onde cada jogador está em campo em uma determinada jogada, enquanto as redes LSTM nos permitem interagir com a natureza temporal do nosso conjunto de dados, o que acontece à medida que a jogada se desenvolve ao longo do tempo<p> <wpparagraph> <wpparagraph> <p>We approached routes run by players aligned in the backfield separately from routes run by players aligned out wide in the slot or tight because of clear differences in route archetypes Below are the 15 unique route types assigned to all route runners based on their location when the ball is snapped Note that while NFL playbooks have hundreds of variations of routes weve narrowed it down to these high level categories including 10 routes for those in typical wideout alignments and five for those aligned in the backfield<p> <wpparagraph> <wpparagraph> <p><strong>Rotas amplas 10<strong> Tela plana inclinada cruzando no poste do canto do engate<br><strong>Rotas de Backfield 5<strong> Roda de ângulo plano da tela<p> <wpparagraph> <wpparagraph> <p>O modelo foi treinado e validado em todas as rotas de todas as jogadas de passe de 2018 e 19, incluindo a temporada regular e a pós-temporada. Todos os corredores de rota foram incluídos independentemente de terem sido alvo ou não, uma vez que não conseguimos encontrar uma diferença entre as formas de rotas específicas e rotas não específicas, não vimos razão para treinar apenas em rotas específicas. <em>amplo<em> modelo foi treinado em mais de 100.000 rotas enquanto o <em>defesa<em> modelo foi treinado em mais de 15.000 rotas<p> <wpparagraph> <wpparagraph> <p>Para evitar ruído nos dados de jogadas interrompidas durante as quais os apanhadores de passes muitas vezes param de executar suas rotas atribuídas e o movimento do jogador <em>depois<em> a recepção que não nos diria muito sobre a eficácia de qualquer rota específica todas as rotas foram limitadas no momento em que a bola foi passada para frente <em>ou<em> em um determinado momento 46 segundos após o snap para rotas amplas e 4 segundos após o snap para rotas de backfield, o que ocorrer primeiro. Os limites de tempo ideais para esses tipos de rotas foram determinados analisando como as tentativas de passe foram realizadas nas últimas duas temporadas para referência de 44 segundos foi responsável pelo 75º percentil de todas as tentativas de passe por tempo de arremesso naquele período<p> <wpparagraph> <wpparagraph> <p>Aqui está uma visualização dos caminhos da rota classificados pelo nosso tipo de rota previsto<p> <wpparagraph> <wpimage alinhamentocentro> <div class="wp" block image><figure class="aligncenter"><img src="httpsstaticwwwnflcomimageprivatet" editorial landscape 8 desktop mobilef autoleaguezzzjndwgvhbgxzdob2ayjpg alt="Amplo" route paths 1><figure><div> <wpimage> <wpparagraph> <p>Para fins de treinamento, os dados de rastreamento para o modelo wideout foram normalizados de modo que todos os apanhadores de passes fiquem à esquerda do quarterback, com a justificativa de que os caminhos das rotas são simétricos. Encontramos o formato das rotas alinhado com nossas expectativas de caminhos de rotas nenhuma previsão de modelo flagrante parece aparente<p> <wpparagraph> <wpparagraph> <p>As iterações futuras do modelo procurarão se aprofundar na árvore de rotas para levar em conta as nuances da rota executada no nível profissionalhttps91c9f45c7ceaa574696f04786ac1c7e4safeframegooglesyndicationcomsafeframe1 0 37htmlcontainerhtml<p> <wpparagraph> <wpheading nível3> <h3>O que podemos aprender<h3> <wpheading> <wpparagraph> <p>A classificação de rotas em tempo real nos permite contextualizar o jogo de passes de novas maneiras Podemos estudar as tendências de toda a liga para obter uma nova compreensão da estratégia e tendências ofensivas e podemos dividir e classificar jogadores individuais por métricas de desempenho avançadas<p> <wpparagraph> <wpparagraph> <p>A tabela abaixo combina nossas métricas de recebimento de NGS mais descritivas com os resultados do nosso modelo de Reconhecimento de Rota Os valores correspondentes a cada rota representam as médias da liga nas últimas duas temporadas Somente <em>amplo<em> rotas estão incluídas, ou seja, jogadores alinhados no slot ou tight<p> <wpparagraph> <wpheading level4> <h4><strong>Tendências amplas por rota Média da NFL 2018 19 temporadas<strong><h4> <wpheading> <wptable> <figure class="wp" block table><table><thead><tr><th scope="col">Tipo de rota<th><th scope="col">Percentual da rota<th><th scope="col">Classificação<th><th scope="col">Taxa alvo<th><th scope="col">Classificação<th><th scope="col">Air ydstarget<th><th scope="col">Classificação<th><tr><thead><tbody><tr><td>Ir<td><td>223<td><td>1<td><td>108<td><td>10<td><td>237<td><td>1<td><tr><tr><td>Pegar<td><td>183<td><td>2<td><td>201<td><td>5<td><td>77<td><td>6<td><tr><tr><td>Cruzando<td><td>116<td><td>3<td><td>248<td><td>4<td><td>73<td><td>7<td><tr><tr><td>Fora<td><td>101<td><td>4<td><td>278<td><td>2<td><td>83<td><td>5<td><tr><tr><td>Em<td><td>89<td><td>5<td><td>169<td><td>7<td><td>104<td><td>4<td><tr><tr><td>Publicar<td><td>78<td><td>6<td><td>15<td><td>8<td><td>213<td><td>2<td><tr><tr><td>Plano<td><td>68<td><td>7<td><td>179<td><td>6<td><td>17<td><td>9<td><tr><tr><td>Inclinação<td><td>62<td><td>8<td><td>252<td><td>3<td><td>60<td><td>8<td><tr><tr><td>Canto<td><td>45<td><td>9<td><td>146<td><td>9<td><td>210<td><td>3<td><tr><tr><td>Tela WR<td><td>34<td><td>10<td><td>407<td><td>1<td><td> 23<td><td>10<td><tr><tbody><table><figure> <wptable> <wplist> <ul><li>O apanhador de passes médio corre um <strong><em>ir<em><strong> rota em quase um quarto de todas as rotas 223 a porcentagem mais alta de qualquer tipo de rota em nossos dados No entanto, essas rotas são direcionadas aproximadamente 1 em 10 vezes 108 por cento a taxa alvo mais baixa de qualquer rota<li><li>O <strong><em>Tela WR<em><strong> é a rota menos executada 34 e é a única rota onde o alvo médio está atrás da linha de scrimmage Mas também é direcionado para a taxa mais alta 407 e no início da jogada 16 segundos de tempo médio para lançar<li><li>As rotas mais visadas fora da tela WR <strong><em>fora<em><strong> 278 e <strong><em>inclinação<em><strong> 252 rotas são as próximas mais populares em toda a liga<li><ul> <wplist> <wpparagraph> <p>A frequência com que um apanhador de passes percorre uma rota pode nos dar uma visão sobre a estratégia e as tendências da equipe da liga e dos níveis individuais do jogo. Avaliar os tipos de rota por meio de métricas avançadas de desempenho pode nos dizer quais rotas são mais valiosas por alvo, conforme você pode ver no gráfico abaixo<p> <wpparagraph> <wpparagraph> <p><em>OBSERVAÇÃO<em> <strong><em>EPAtarget<em><strong> <em>são esperados pontos adicionados por alvo isto mede o valor das jogadas individuais em termos de pontos comparando a distância de descida e a situação da posição de campo no início da jogada em relação ao final da jogada<em> <strong><em>CROE<em><strong> <em>é a taxa de captura sobre a expectativa que mede o desempenho em relação às probabilidades de conclusão<em>https91c9f45c7ceaa574696f04786ac1c7e4safeframegooglesyndicationcomsafeframe1 0 37htmlcontainerhtml<p> <wpparagraph> <wpheading level4> <h4><strong>Produção por Non backfield Routes 2018 19 temporadas NFL Average<strong><h4> <wpheading> <wptable> <figure class="wp" block table><table><thead><tr><th scope="col">Tipo de rota<th><th scope="col">EPAtarget<th><th scope="col">Classificação<th><th scope="col">Taxa de captura<th><th scope="col">Classificação<th><th scope="col">CROE<th><th scope="col">Classificação<th><tr><thead><tbody><tr><td>Publicar<td><td>+048<td><td>1<td><td>512<td><td>8<td><td>+19<td><td>2<td><tr><tr><td>Canto<td><td>+043<td><td>2<td><td>45<td><td>9<td><td>+14<td><td>4<td><tr><tr><td>Em<td><td>+031<td><td>3<td><td>62<td><td>7<td><td> 08<td><td>8<td><tr><tr><td>Cruzando<td><td>+027<td><td>4<td><td>69<td><td>4<td><td> 07<td><td>7<td><tr><tr><td>Inclinação<td><td>+026<td><td>5<td><td>674<td><td>5<td><td> 24<td><td>10<td><tr><tr><td>Fora<td><td>+025<td><td>6<td><td>674<td><td>6<td><td>+21<td><td>1<td><tr><tr><td>Ir<td><td>+019<td><td>7<td><td>341<td><td>10<td><td> 21<td><td>9<td><tr><tr><td>Pegar<td><td>+015<td><td>8<td><td>693<td><td>3<td><td>+14<td><td>5<td><tr><tr><td>Plano<td><td>+007<td><td>9<td><td>797<td><td>2<td><td> 02<td><td>6<td><tr><tr><td>Tela WR<td><td> 008<td><td>10<td><td>90<td><td>1<td><td>+15<td><td>3<td><tr><tbody><table><figure> <wptable> <wplist> <ul><li>As rotas mais valiosas por pontos esperados adicionados por alvo foram as <strong><em>publicar<em><strong> +048 e <strong><em>canto<em><strong> +043 rotas O <strong><em>ir<em><strong> rota +019 classificada em sétimo lugar na lista de 10 tipos de rotas Uma possível razão para isso É mais difícil separar rotas em movimento que colocam o jogador em um caminho reto do que em postes ou cantos que pedem ao jogador para fazer um corte Apanhadores de passes direcionados nos postes e cantos têm em média 24 jardas e 23 jardas de separação do defensor mais próximo, respectivamente, enquanto os apanhadores de passes direcionados em rotas de go em média têm apenas 18 jardas de separação<li><li>Local de destino ativado <strong><em>ir<em><strong> rotas tem um impacto dramático no valor líquido médio das rotas Play Go direcionadas a um apanhador de passes <em>fora dos números<em> média de +013 EPA por alvo enquanto os apanhadores de passes são direcionados <em>dentro dos números<em> média +042 EPA por alvo Nas últimas duas temporadas, os apanhadores de passes que executam rotas go foram alvo de quatro vezes mais ataques fora dos números do que dentro dos números<li><li>As três principais rotas por taxa de captura <strong><em>tela<em><strong> <strong><em>plano<em><strong> e <strong><em>pegar<em><strong> foram as rotas menos valiosas pela EPA por alvo Como descobrimos em nossa análise de nosso <a href="/pt_br/httpswwwnflcomnewsnext/" gen stats introduction to completion probability 0ap3000000964655>modelo de probabilidade de conclusão<a> existe uma forte correlação negativa entre a taxa de captura e os pátios aéreos, o que indica que os alvos mais próximos da linha de scrimmage não são tão valiosos por alvo quanto os alvos mais profundos<li><li>Vale a pena notar que quatro das cinco rotas mais valiosas da EPA por alvo são <em>em quebrar<em> rotas <strong><em>publicar<em><strong> +048 <strong><em>em<em><strong> +031 <strong><em>cruzar<em><strong> +027 e <strong><em>inclinação<em><strong> +026<li><ul> <wplist> <wpparagraph> <p>Contextualizar as rotas ao nível de toda a liga dá uma visão macro do valor da classificação das rotas Ao nível do jogador individual podemos aprender mais sobre as micro nuances da corrida em rotas<p> <wpparagraph> <wpheading nível3> <h3>Versatilidade de rota<h3> <wpheading> <wpparagraph> <p>Quais wide receivers executam a árvore de rotas mais diversificada em relação ao jogador médio Com nosso novo modelo de classificação de rotas podemos avaliar quais receivers são essencialmente os mais previsíveis ou diferentes da média Nós calculamos <em>versatilidade de rota<em> calculando a média da soma da diferença absoluta entre a porcentagem de rota de um jogador e a média dos receptores da NFL para cada um dos 10 tipos de rota <strong>veja o último parágrafo deste artigo para mais explicações<strong><p> <wpparagraph> <wpparagraph> <p>Os cinco primeiros e os cinco últimos corredores de rotas mais versáteis da temporada de 2019 entre 72 wide receivers com pelo menos 300 rotas<p> <wpparagraph> <wpheading level4> <h4><strong>Wide Receiver Route Versatility Rankings Temporada 2019 min 300 rotas<strong><h4> <wpheading> <wptable> <figure class="wp" block table><table><thead><tr><th scope="col">Top 5<th><th scope="col">Parte inferior 5<th><tr><thead><tbody><tr><td>1 Cardeais Christian Kirk<td><td>68 carneiros de Robert Woods<td><tr><tr><td>2 DJ Chark Jaguares<td><td>69 Jatos Jamison Crowder<td><tr><tr><td>3Auden Tate Bengals<td><td>70 ursos Allen Robinson<td><tr><tr><td>4 Stefon Diggs Vikings agora com contas<td><td>71 Carregadores Mike Williams<td><tr><tr><td>5 gigantes dourados da Tate<td><td>72 Ted Ginn Jr Saints agora com Bears<td><tr><tbody><table><figure> <wptable> <wplist> <ul><li>Em sua segunda temporada como profissional e a primeira no ataque do técnico Kliff Kingsbury, o Cardinals Christian Kirk foi classificado como o corredor de rota mais versátil da temporada de 2019. Kirk foi alvo de pelo menos 13 vezes em cinco rotas diferentes. <strong><em>pegar<em><strong> 28 alvos <strong><em>cruzando<em><strong> 17 <strong><em>Tela WR<em><strong> 16 <strong><em>ir<em><strong> 13 e <strong><em>fora<em><strong> 13 Embora Kirk tenha percorrido todas as rotas da árvore, é importante notar que 77 por cento de suas rotas vieram do lado direito da formação<li><li>Ted Ginn Jr, agora membro do Chicago Bears, foi classificado como nosso corredor de rota menos versátil de 2019 entre os wide receivers qualificados. Ginn correu um <strong><em>ir<em><strong> rota com mais frequência do que qualquer receptor na amostra 42 de rotas de produção de Ginns nessas rotas em 2019 9 alvos 1 recepção para 25 jardas direcionadas apenas 6 das vezes<li><li>Não listado entre os cinco últimos, mas relevante com base em sua reputação O receptor dos Seahawks, DK Metcalf, ficou em 66º lugar entre 72 receptores por nossa medida de versatilidade de rota. Metcalf executou um <strong><em>ir<em><strong> rota com a segunda maior taxa de receptores qualificados nesta lista 38 de rotas atrás apenas de Ginn 42<li><ul> <wplist> <wpparagraph> <p>Isso apenas arranha a superfície da análise possível com nosso reconhecimento de rota Quem foram os wide receivers com melhor desempenho por tipo de rota Nick Shook da NFLcoms dá uma olhada <a href="/pt_br/httpswwwnflcomnewstop/" 3 nfl wide receivers by route michael thomas reigns>os principais receptores de 2019 por tipo de rota<a><p> <wpparagraph> <wpparagraph> <p><em> Analista de estatísticas da próxima geração de Mike Band Siga Mike no Twitter <a href="/pt_br/httpstwittercomMBandNFL/" target= "blank" rel="noreferrer" noopener>MBandNFL<a><em><p> <wpparagraph> <wpparagraph> <p><strong>Explicação do cálculo de versatilidade de rota<strong> Se <em>Jogador A<em> corre um <em>ir<em> em 25% das rotas <em>pegar<em> em 19 por cento e um <em>fora<em> em 12 por cento e as médias da NFL são de 22 por cento, 18 por cento e 10 por cento, respectivamente, a diferença absoluta da média nessas três rotas seria de 3 por cento, 1 por cento e 2 por cento<p> <wpparagraph>
EN 
ES 
PT 
PT_BR