TRACKING “FOT” A FRAME-RATE: VELOCITÀ, VETTORI, SUPERFICI DI CONTROLLO

Obiettivo e dataset

Questo approfondimento vuole aiutare il match analyst a costruire una pipeline riproducibile per analisi tracking a frame-rate: calcolo di velocità e accelerazioni, stima dei vettori di movimento, generazione di superfici di controllo (pitch control) e produzione di report fisico-tattici azione-per-azione.

La soluzione usa dati e codice open: il dataset di esempio di Metrica Sports (tracking + eventi), i notebook della serie Friends-of-Tracking (FoT) e, per il caricamento standardizzato, la libreria kloppy.

Questi tre tasselli consentono di replicare il flusso end-to-end senza vendor lock-in.

Ingest e normalizzazione

Vogliamo illustrarti come impostare correttamente la base dati prima di qualsiasi analisi tracking.

Si mostra come importare tracking ed eventi, allinearli su una timeline coerente e standardizzare coordinate, orientamento e dimensioni del campo, evitando errori tipici che falsano velocità, distanze e mappe.

L’obiettivo è ottenere un dataset “pulito” e comparabile tra tempi e partite, pronto per calcoli frame-by-frame e per l’integrazione con metriche di valore o modelli predittivi.

1. Caricamento: importare tracking ed eventi (JSON/CSV) e unificarli su una timeline comune. Con kloppy è possibile leggere direttamente i sample Metrica con poche righe, mantenendo metadata (fps, direzione d’attacco, dimensioni campo).

2. Coordinate e unità: riportare le posizioni in metri su un campo standard (105×68) e uniformare l’orientamento (attacco L→R nel primo tempo, invertito nel secondo). Il repo FoT fornisce utilità per questa normalizzazione.

3. Sincronizzazione eventi-tracking: allineare i time-stamp degli eventi (passaggi, tiri, recuperi) al frame tracking più vicino; facoltativamente fare una correzione sub-frame tramite interpolazione lineare. I notebook FoT mostrano procedure e caveat.

   
   

Velocità, accelerazioni, orientamento

Qui si entra nella parte viva: come derivare velocità e accelerazioni dai tracciati senza amplificare il rumore, e come stimare l’orientamento del movimento per distinguere contesti diversi (ricezione frontale, spalle alla porta, recupero in corsa).

Viene chiarito perché i filtri sono indispensabili e come le grandezze fisiche diventano feature tattiche, utili a leggere intensità, timing di pressione, cambi ritmo e qualità delle scelte in relazione allo spazio disponibile.

Il rumore di misura rende instabile la derivazione numerica.

Si consiglia un filtro Savitzky-Golay o un Kalman semplice sui tracciati prima di differenziare.

Per ogni giocatore vengono quindi registrati:

• Velocità = differenza di posizione × fps; accelerazione = differenza di velocità × fps;

• Orientamento = direzione del vettore velocità (con smoothing), utile per distinguere ricezioni frontali vs spalle alla porta;

• Soglie: sprint > 7–8 m/s e accelerazioni > 2–3 m/s² sono valori tipici, da calibrare sul campionato.

  I FoT includono routine pronte per velocità/acc. a partire dal Metrica open set.

  
  

Dalle traiettorie alle superfici di controllo

Questo capitolo spiega come passare da semplici coordinate a una rappresentazione più informativa: la superficie di controllo del campo.

Si introduce il concetto di “chi arriverebbe prima sul pallone” in ogni punto del terreno di gioco, e come questo si traduce in mappe dinamiche che descrivono il dominio spaziale delle due squadre.

Il focus è sulla logica del modello e su come la probabilità di controllo cambi istante per istante con posizioni, velocità e direzioni, diventando uno strumento per leggere struttura e pressione.

Il pitch control assegna a ogni punto del campo la probabilità che una squadra arrivi prima sul pallone se questo fosse giocato lì.

La formalizzazione moderna (Potential Pitch Control Field, PPCF) è stata introdotta da William Spearman: si stima un tempo di arrivo per ciascun giocatore (posizione, velocità, accelerazione massima, tempo di reazione) e si combina il contributo dei giocatori di una squadra in probabilità di controllo; l’opposto vale per gli avversari.

Il risultato è una mappa continua di dominio territoriale dinamico.

FoT ha rilasciato codice didattico per implementare il PPCF con i dati Metrica.

Parametri chiave da tenere in considerazione:

• v_max e a_max: velocità/accelerazione massime raggiungibili (distinte per ruolo se si desidera).

• τ (reattività): ritardo tra evento e accelerazione effettiva.

• σ (diffusione): “morbidezza” nella fusione dei contributi individuali.

  Questi iperparametri si tarano con griglie o Bayesian tuning contro verità-terra (chi controlla davvero la palla nel frame successivo).

  La letteratura recente propone varianti di metrica di controllo e confronti con PPCF classico.

  
  

Dalla superficie di controllo alle mappe di passabilità

In questa sezione si mostra come utilizzare le superfici di controllo per costruire indicatori direttamente operativi per il match analyst: le mappe di passabilità.

L’idea è valutare non solo “dove si può passare”, ma dove un passaggio avrebbe maggiori chance di riuscita e di mantenere il vantaggio territoriale creato.

Si spiega come queste mappe aiutino a interpretare le decisioni del portatore, identificare opzioni ad alto valore e capire in quali zone il rischio di perdita palla è strutturalmente più alto.

Una volta ottenuto il pitch control, si può generare per ogni frame una mappa di passabilità: per ciascun target sul reticolo, combinare (i) probabilità di successo del passaggio (dipende da distanza, angolo relativo, velocità del portatore, densità difensiva lungo la traiettoria) con (ii) probabilità di controllo del ricevente all’arrivo (estratta dal PPCF sul punto di destinazione). Questa stima alimenta decision support al portatore: “quale opzione massimizza il valore atteso del possesso?”.

I FoT mostrano esempi in cui le superfici di controllo guidano scelte ottimali rispetto al pattern di pressing avversario.

Feature fisico-tattiche a frame-rate

Qui l’analisi diventa reportistica: come trasformare tracking e superfici di controllo in un set di feature utili per descrivere compattezza, ampiezza, altezza del blocco, intensità di pressing e qualità delle transizioni.

L’obiettivo è collegare comportamento collettivo e carico fisico con indicatori leggibili anche dallo staff tecnico, mantenendo la granularità frame-by-frame.

Viene messo in evidenza come le stesse metriche possano spiegare differenze tra squadre simili per xG ma diverse per capacità di dominare spazio e tempi.

Con traiettorie pulite e controllo di campo, le misure fisico-tattiche diventano robuste e comparabili.

La compattezza di squadra si descrive tramite ampiezza, altezza e area del convesso, mentre la struttura difensiva è leggibile come distanza media tra linee e profondità del blocco.

Il pressing si quantifica attraverso il tempo di arrivo sul portatore, la frequenza di close-down entro finestre di 1–2 secondi e il tasso di line-breaking dei passaggi avversari; le transizioni si valutano misurando i secondi necessari a uscire dalla pressione dopo un recupero, la velocità del primo passaggio in avanti e l’aumento del PPCF nella direzione d’attacco.

Sul versante fisico, sprint, accelerazioni ad alta intensità e ripetizioni di sforzo sono aggregati per fase di gioco e per possesso, fungendo da proxy anche in assenza di GPS.

Infine, l’orientamento del corpo al momento della ricezione, la densità difensiva nel raggio di pochi metri e la qualità del successivo passaggio interno collegano il dato cinetico al valore tattico della scelta, offrendo una lettura unificata di spazio, tempo e decisione.

Output e visualizzazioni

Per la comunicazione allo staff:

• Clip sincronizzate video+overlay con vettori velocità, coni di passabilità e isolinee di pitch control;

• GIF azione-per-azione: prima/dopo un cambio lato o un terzo uomo, mostrando l’evoluzione della mappa di controllo;

• Dashboard gara: timeline di metriche (ampiezza, altezza, densità attorno al portatore), heatmap di aree di controllo nette e scatter delle scelte di passaggio rispetto al “consiglio” della mappa (differenziale di valore atteso).

  Le guide community su Metrica open data mostrano pipeline di visualizzazione pronte da adattare.

  
  

Estensioni e frontiera

Vogliamo sintetizzare le evoluzioni più interessanti della ricerca applicata: come estendere la pipeline quando non si dispone di tracking completo, come integrare modelli di valore (tipo EPV) con mappe di passabilità, e come stanno cambiando le metriche di controllo con approcci più “motion-aware”.

L’obiettivo è offrire una bussola pratica: quali direzioni hanno reale impatto per un team di analisi avanzata, quali richiedono dati e competenze aggiuntive e come scegliere l’upgrade più coerente con i propri obiettivi.

Tre direzioni di sviluppo:

1. Ricostruzione da broadcast: metodi AR/kalman-smoothing per generare tracce continue da coordinate discrete estratte via CV; utili quando il tracking ottico non è disponibile.

2. Modelli di valore integrati: fondere mappe di passabilità con EPV per proporre al portatore la scelta che massimizza la probabilità di segnare prima dell’avversario (politica “greedy-myopic” come baseline).

3. Nuove metriche di controllo: varianti di pitch control “motion-aware” e ownership fields che incorporano in modo più ricco inerzia e rotazioni; confronto con PPCF e validazione su eventi-target (recuperi/anticipi).

   
   

Checklist operativa (replicabile)

La pipeline parte dal download dei dati open di Metrica Sports e dal loro ingest con un layer standardizzato (es. kloppy) che preserva metadati critici come frame-rate, dimensioni del campo e direzione d’attacco.

Si procede con la normalizzazione spaziale su 105×68 metri e con l’unificazione dell’orientamento tra i tempi, quindi con la sincronizzazione evento–tracking tramite allineamento al frame più vicino o, quando necessario, con un’interpolazione sub-frame.

Prima di derivare velocità e accelerazioni, si applica uno smoothing (Savitzky–Golay o un Kalman semplice) per ridurre il rumore di misura e stabilizzare le derivate.

Il passo successivo è la costruzione delle superfici di controllo (PPCF alla Spearman), tarando velocità e accelerazioni massime, tempo di reazione e parametri di fusione fino a ottenere una buona aderenza con le situazioni reali di primo arrivo sul pallone.

Su queste mappe si innestano i layer decisionali: passabilità per destinazione, probabilità di successo del passaggio e valore atteso dello stato successivo.

La reportistica si completa con clip video sincronizzate agli overlay, timeline di indicatori e dashboard gara pronte all’uso per staff e match analyst.

Con Metrica open data, i notebook FoT e un layer standardizzato di I/O (kloppy), è possibile costruire una pipeline professionale per analisi tracking a frame-rate: dalle derivate cinematiche alle superfici di controllo fino alle decisioni di passaggio e ai report fisico-tattici.

L’approccio è estendibile: si integra con modelli di valore (xT/EPV), si adatta a dataset proprietari e si aggiorna con le novità sulla ricostruzione da broadcast e sulle metriche di controllo di nuova generazione.

Per un reparto di match analysis, significa passare dall’osservazione descrittiva a una quantificazione operativa di spazio, tempo e scelta—con strumenti open, replicabili e già in uso nella comunità tecnica.