SkillCorner Open Data — Basketball

github2026-09-09 更新2026-09-10 收录

篮球表现分析

比赛技战术分析

数据链接：

https://github.com/SkillCorner/opendata-basketball 数据链接链接失效反馈

官方服务：

资源简介：

该仓库包含SkillCorner为2025-2026赛季西班牙ACB联赛的10场比赛收集的广播追踪数据，衍生出的动态事件（比赛智能），以及293场ACB 2025-2026赛季的赛季级进攻汇总（投篮、运球、挡拆）。

This repository contains broadcast tracking data collected by SkillCorner for 10 games of the 2025-2026 Spanish ACB League, along with derived dynamic events (game intelligence), and season-level offensive summaries (including shooting, dribbling, and pick-and-rolls) for 293 games of the 2025-2026 ACB League.

创建时间：

2026-09-07

原始信息汇总

SkillCorner 篮球开放数据数据集

数据集概述

本数据集由 SkillCorner 发布，包含西班牙篮球甲级联赛（ACB）2025-2026 赛季的广播追踪数据、衍生动态事件（Game Intelligence）数据以及赛季级别的进攻聚合数据。广播追踪数据通过计算机视觉和机器学习技术从转播视频中提取，无需场地上安装硬件设备，也不依赖场馆自身的摄像系统。

数据内容

1. 赛季聚合数据（`data/aggregates/`）

涵盖 2025-2026 赛季 ACB 327 场比赛中的 293 场（常规赛和季后赛）的赛季级进攻端聚合动态事件数据
包含三个 CSV 文件：
- acb_shotsaggregates_20252026.csv（投篮聚合）
- acb_drivesaggregates_20252026.csv（突破聚合）
- acb_picksaggregates_20252026.csv（掩护聚合）
按球场区域、防守强度、投篮类型、防守覆盖类型等维度进行数据透视
仅包含进攻端数据，不含防守端数据

2. 比赛级数据（`data/matches/`）

提供 10 场样本比赛的详细数据，每场比赛包含三个文件：

{gameId}_game_data.json：比赛元数据和双方球队名单
{gameId}_dynamic_events.json：动态事件数据，包含控球、投篮、掩护、突破、传球、触球、运球、罚球、犯规、篮板、失误、暂停等事件族；每条事件记录携带 ID、比赛 ID、赛季、节次等关联信息
{gameId}_tracking_data.jsonl.gz：gzip 压缩的逐帧追踪数据，25 fps 帧率，包含球员和篮球的位置信息，每场比赛约 32-46 MB

3. 其他数据文件

player_id_aliases.csv：映射少数重复的 player_id 到标准 ID
matches.json：10 场样本比赛的结构化列表

样本比赛信息

10 场样本比赛均来自 ACB 2025-2026 赛季，包括 BAXI Manresa、Casademont Zaragoza、Real Madrid、BC Barcelona 等球队之间的对决。

数据特点

坐标系：以英尺为单位，原点位于球场中心
追踪精度：每场比赛约 80% 的球员位置由系统直接检测，其余为外推位置；外推位置的平均预测误差约为 1.3-1.9 英尺
追踪频率：每秒 25 帧

使用说明

官方提供了 primer 文档和数据字典文档，可直接供数据分析师和大语言模型阅读使用，便于理解数据格式、坐标系、单位、帧率和时钟约定，以及聚合数据的计算方式。

已知数据问题

少数球员在一个赛季中拥有两个 player_id 值，需要借助 player_id_aliases.csv 合并
球队得分应从 shots 和 free_throws 数据计算，而非直接使用 chances.ptsScored
shots 包含被犯规的投篮不中（不计入官方技术统计的出手数）；掩护聚合仅统计直接掩护
部分事件字段存在噪声，但得分数据不受影响

开放目的

该数据集的开源旨在为研究人员和体育分析社区提供篮球追踪数据访问渠道，提升对广播追踪数据的认知，帮助潜在用户在数据基础上进行开发，并提供两种数据接入方式：全赛季聚合数据用于快速分析，原始追踪数据加事件数据用于深度构建。

搜集汇总

数据集介绍

SkillCorner Open Data — Basketball 数据集图片

构建方式

本数据集由SkillCorner公司基于计算机视觉与机器学习技术，从西班牙ACB联赛2025-2026赛季的广播视频中提取追踪数据构建而成。数据集包含10场比赛的原始追踪数据（25帧/秒的球员与篮球位置信息）及相应的动态事件（Game Intelligence），同时提供293场比赛的赛季级进攻聚合数据（投篮、突破、掩护）。追踪数据以JSON Lines格式存储，每个比赛文件夹内包含比赛元数据、动态事件和压缩的追踪数据文件。聚合数据则通过CSV格式呈现，便于快速分析。

特点

该数据集的独特之处在于无需场内硬件或场馆摄像头系统，纯依赖广播视频即可获得高精度的追踪数据。动态事件不仅包含传统的逐回合记录（谁、什么、结果），还融入了追踪衍生的上下文信息，如防守球员身份与距离、防守类型及精确位置。赛季聚合数据涵盖球员-赛季层面的进攻统计，并按球场区域、对抗强度、投篮类型等维度进行透视。数据集还提供了player_id别名映射，以解决数据中的重复标识问题，确保分析的准确性。

使用方法

使用者可通过文档中的primer和data dictionary快速理解数据格式与坐标系。追踪数据可直接使用pandas读取压缩的.jsonl.gz文件，无需解压。动态事件文件为JSON格式，可作为关系型数据集加载，并通过id、gameId等字段进行关联查询。聚合数据CSV适合快速分析，而10场完整追踪数据可用于深入的事件建模与可视化。官方建议将primer和data dictionary直接提供给LLM作为上下文，以辅助数据探索和分析。

背景与挑战

背景概述

SkillCorner Open Data — Basketball 数据集由 SkillCorner 公司于 2026 年发布，聚焦西班牙篮球甲级联赛（ACB）2025-2026 赛季。该数据集基于计算机视觉与机器学习技术，从转播视频中提取球员与篮球的实时位置信息（追踪数据），并衍生出动态事件（如投篮、传球、挡拆等）。其核心研究问题在于，如何在没有场内硬件设备的情况下，利用广播视频实现高精度的运动追踪与事件识别，从而为篮球运动分析提供数据基础。该数据集提供了 10 场比赛的详细追踪数据与事件数据，以及 293 场比赛的赛季级进攻聚合数据，为体育分析社区和研究人员提供了宝贵的开源资源，推动了篮球运动数据科学的发展。

当前挑战

该数据集面临多重挑战。首先，在追踪数据层面，约 20% 的球员位置并非直接检测而是通过外推获得，其平均预测误差约为 1.3 至 1.9 英尺，在 95 百分位数可达 4.1 至 6.3 英尺，这要求使用者在应用前进行速度与加速度的平滑处理。其次，赛季聚合数据仅包含进攻端，缺少防守端信息，且数据覆盖 293 场而非全部 327 场比赛，其中缺失场次多为季后赛，导致数据不完整。构建过程中，从广播视频中精准提取多目标追踪数据并识别复杂事件（如挡拆、手递手等）的技术难度，以及处理球员 ID 重复、事件字段噪声等问题，均是构建过程中的关键挑战。

常用场景

经典使用场景

SkillCorner Open Data — Basketball 数据集为篮球运动分析领域提供了珍贵的广播级追踪数据，涵盖西班牙ACB联赛2025-2026赛季的10场完整比赛，以25帧/秒的频率记录球员与球的实时位置信息。其经典使用场景聚焦于空间与时间维度的运动模式解析，研究者可借助该数据重建攻防双方的战术站位、球员跑动轨迹及球权转移过程，进而开展精细化战术分析、球员效率评估与比赛节奏建模等工作。该数据集独特的动态事件标签（如挡拆、突破、单打等）与追踪数据的深度融合，使得对复杂技战术行为的自动化识别与量化成为可能，为从宏观至微观的多层次篮球运动研究提供了坚实的数据基石。

衍生相关工作

该数据集的发布预期将强力催化篮球运动分析领域的创新研究脉络，衍生出一系列前沿学术与实践工作。在学术层面，其25Hz的追踪数据为开发新一代球员追踪算法、时空轨迹预测模型及深度学习驱动的攻防战术识别框架提供了规范的训练与测试基准，可推动计算机视觉与体育科学的交叉融合。基于该数据的公开性，类似以往足球领域SkillCorner数据所激发的众多开源项目与分析社区，篮球方向有望涌现出诸如进攻回合聚类、挡拆效率期望值等新型衍生指标。同时，数据附带的文挡（如primer与data dictionary）被有意设计为可直接供大型语言模型理解使用的格式，这一举措将引领与推动自动化数据分析、自然语言驱动的篮球数据查询系统等智能应用雏形的出现。

数据集最近研究