Big Data Cup 2025 Dataset|冰球比赛数据集|运动数据分析数据集

该数据集由Stathletes跟踪的冰球事件数据组成，数据来源于AHL，以及从广播视频生成的球员跟踪数据。数据集中的事件类型包括射门、传球、抢断、冰球恢复、抛入、抛出、区域进入、争球和犯规。每个事件都提供了扩展的详细信息，并在必要时标明了相关的球员和球队。

原始信息汇总

数据集概述

数据集简介

该数据集包含由Stathletes跟踪的冰球事件数据，以及从广播视频生成的球员跟踪数据。事件数据已从Stathletes的原始数据转换，以增强可访问性和可解释性。事件类型包括射门、传球、抢断、 puck恢复、 dump in、 dump out、区域进入、争球和犯规。每个事件都提供了扩展的详细信息，并在必要时指出了相关的球员和球队。

数据下载

数据可通过以下链接下载：

• 数据下载链接

数据文件示例

• 事件数据: 2024-10-13.Team.B.@.Team.A.-.Events.csv
• 跟踪数据: 2024-10-13.Team.B.@.Team.A.-.Tracking.csv
• 换人数据: 2024-10-13.Team.B.@.Team.A.-.Shifts.csv
• 相机方向索引: camera_orientations.csv

事件数据

字段说明

• 日期: 比赛日期（格式：yyyy-mm-dd）
• 主队: 主队名称
• 客队: 客队名称
• 节次: 比赛节次（1-3为常规时间，4+为加时）
• 时钟: 比赛时间（格式：mm:ss）
• 主队球员数: 主队当前在场球员数（3-6）
• 客队球员数: 客队当前在场球员数（3-6）
• 主队进球数: 主队当前进球数
• 客队进球数: 客队当前进球数
• 球队: 事件负责球队的ID
• 球员: 事件负责球员的ID
• 事件类型: 事件类型（如“传球”、“射门”等）
• X坐标: 事件发生的x坐标（范围：-100到100）
• Y坐标: 事件发生的y坐标（范围：-42.5到42.5）
  • 坐标基于相机视角，团队方向索引在camera_orientations.csv中
• 详细信息1-4: 每个事件的附加详细信息（最多4个，因事件类型而异）
• 球员2: 事件中涉及的第二位球员的ID（因事件类型而异）
• X坐标2: 第二事件细节的x坐标（因事件而异）
• Y坐标2: 第二事件细节的y坐标（因事件而异）

跟踪数据

字段说明

1. 图像ID: 游戏唯一标识符
2. 节次: 游戏节次
3. 游戏时钟: 游戏时间
4. 球员或冰球: “球员”或“冰球”
5. 球队: “主队”、“客队”或“n/a”（如果是冰球）
6. 球员ID: 被跟踪球员的ID或球衣号码
7. 冰场位置X（英尺）: 球员或冰球在冰场上的x坐标
8. 冰场位置Y（英尺）: 球员或冰球在冰场上的y坐标
9. 冰场位置Z（英尺）: 球员或冰球在冰场上的z坐标（球员为1，冰球为0.02，进球时为冰球高度）
10. 进球得分: 如果进球，则为“G”，否则为空

换人数据

字段说明

1. 日期: 比赛日期
2. 比赛名称: 比赛ID
3. 球队名称: 球队ID
4. 球员ID: 球员ID
5. 换人编号: 球员的换人编号（按顺序递增）
6. 节次: 换人发生的节次（1-3为常规时间，4+为加时）
7. 开始时间: 换人开始时间（格式：mm:ss）
8. 结束时间: 换人结束时间（格式：mm:ss）
9. 换人时长: 换人持续时间（格式：mm:ss）

事件数据定义

射门

• 事件类型: 未成功的射门尝试（封堵、未命中或扑救）
• 涉及球员: 射门球员
• 坐标: 射门释放位置
• 事件细节: 射门类型、射门目标、是否有干扰、是否为一拍即射

进球

• 事件类型: 成功的射门尝试（进球）
• 涉及球员: 射门球员
• 坐标: 射门释放位置
• 事件细节: 射门类型、射门目标、是否有干扰、是否为一拍即射

传球

• 事件类型: 成功的传球尝试
• 涉及球员: 传球球员、目标球员
• 坐标: 传球释放位置、传球目标位置
• 事件细节: 传球类型（直接或间接）

未完成传球

• 事件类型: 未成功的传球尝试
• 涉及球员: 传球球员、目标球员
• 坐标: 传球释放位置、传球目标位置
• 事件细节: 传球类型（直接或间接）

抢断

• 事件类型: 导致控球权变化的抢断、传球拦截或赢得争球
• 涉及球员: 获得抢断的球员
• 坐标: 球员获得控球权的位置

Puck恢复

• 事件类型: 通过捡起松散的冰球获得控球权
• 涉及球员: 恢复冰球的球员
• 坐标: 球员获得控球权的位置

Dump In/Out

• 事件类型: 球员故意放弃控球权，将冰球推进到冰场前方
• 涉及球员: 推进冰球的球员
• 坐标: 球员释放冰球的位置
• 事件细节: 控球结果（保留或丢失）

区域进入

• 事件类型: 尝试将冰球从中立区带入进攻区
• 涉及球员: 带球球员、目标防守球员
• 坐标: 释放点或冰球越过蓝线的位置
• 事件细节: 进入类型（带球、推进、传球）

争球获胜

• 事件类型: 争球
• 涉及球员: 赢得争球的球员、输掉争球的球员
• 坐标: 争球点位置

犯规

• 事件类型: 犯规
• 涉及球员: 犯规球员、被犯规球员
• 坐标: 犯规位置
• 事件细节: 犯规类型（如：挥杆、绊倒、粗暴、钩住等）

AI搜集汇总

数据集介绍

构建方式

Big Data Cup 2025 Dataset的构建基于Stathletes追踪的冰球事件数据以及从广播视频中生成的球员追踪数据。该数据集通过将Stathletes的原始数据转换为更易访问和解释的格式，涵盖了多种事件类型，包括射门、传球、抢断、冰球恢复、界外球、区域进入、争球和犯规等。每个事件均提供了详细的扩展信息，并标明了相关球员和队伍。此外，数据集还包含了球员的换人数据和摄像机视角的索引，以确保数据的全面性和准确性。

特点

该数据集的显著特点在于其详细的事件分类和丰富的数据维度。每种事件类型不仅记录了基本的时间、地点和参与者信息，还提供了多达四个的补充细节，如射门类型、传球方式、犯规类型等。此外，数据集还包含了球员的实时位置追踪数据，以及冰球的高度和进球情况，为研究冰球比赛中的动态变化提供了全面的数据支持。

使用方法

使用Big Data Cup 2025 Dataset时，用户可以通过下载包含的事件数据、追踪数据和换人数据来进行分析。事件数据提供了比赛中的各种事件详细信息，追踪数据则记录了球员和冰球的实时位置，而换人数据则帮助分析球员的上场和下场时间。用户可以根据需要选择不同的数据文件进行组合分析，以研究比赛策略、球员表现或比赛动态。数据集的详细定义和示例文件也提供了清晰的使用指南，确保用户能够准确理解和应用数据。

背景与挑战

背景概述

Big Data Cup 2025 Dataset是由Stathletes追踪的冰球事件数据集，结合了从广播视频生成的球员追踪数据。该数据集旨在增强数据的可用性和可解释性，涵盖了多种事件类型，如射门、传球、抢断、 puck恢复、区域进入、争球和犯规等。每个事件都提供了详细的扩展信息，并标明了相关球员和队伍。该数据集的创建时间为2025年，主要研究人员或机构为Stathletes，其核心研究问题在于通过详细的事件和追踪数据，深入分析冰球比赛中的战术和球员表现，对冰球分析领域具有重要影响力。

当前挑战

Big Data Cup 2025 Dataset在构建过程中面临多项挑战。首先，数据集需要从原始数据中提取并翻译成更易理解和分析的格式，这要求对冰球比赛有深入的理解和专业的数据处理技术。其次，追踪数据的准确性也是一个重要挑战，尤其是从广播视频中提取球员和puck的位置信息，需要高精度的图像识别和处理算法。此外，数据集的多样性和复杂性也增加了分析的难度，研究者需要开发新的方法来处理和解释这些多维度的数据，以便从中提取有价值的战术和球员表现信息。

常用场景

经典使用场景

Big Data Cup 2025 Dataset的经典使用场景主要集中在冰球比赛的数据分析与战术优化。研究者可以利用该数据集对比赛中的各种事件进行详细分析，如射门、传球、抢断等，从而揭示球队和球员的表现模式。通过分析这些事件的时空分布，研究者能够识别出比赛中的关键战术节点，并为教练团队提供战术调整的依据。此外，该数据集还可用于开发和验证冰球比赛中的预测模型，如进球概率预测、球员表现评估等，从而提升比赛的观赏性和竞技水平。

解决学术问题

Big Data Cup 2025 Dataset解决了冰球比赛中多个重要的学术研究问题。首先，它为研究者提供了丰富的比赛事件数据，使得对比赛战术和球员表现的深入分析成为可能。其次，通过详细的事件坐标和时间戳，研究者可以精确地分析比赛中的时空动态，从而揭示比赛中的关键战术节点和球员行为模式。此外，该数据集还为冰球比赛中的预测模型提供了可靠的数据支持，如进球概率预测、球员疲劳度评估等，推动了冰球运动科学化的发展。

衍生相关工作

Big Data Cup 2025 Dataset的发布催生了一系列相关的经典工作。首先，基于该数据集的研究者开发了多种冰球比赛预测模型，如进球概率预测、球员表现评估等，这些模型在学术界和业界均获得了广泛关注。其次，该数据集为冰球比赛中的战术分析提供了新的视角，推动了战术优化和比赛策略的研究。此外，基于该数据集的可视化分析工具也得到了快速发展，帮助研究者和教练团队更直观地理解比赛数据。最后，该数据集还激发了冰球运动科学化研究的热潮，推动了冰球运动的整体发展。