短道速滑比赛是在1992年首次成为奥运会比赛项目[1], 该比赛包括500米, 1000米, 1500米, 3000米接力和5000米接力, 运动员在单圈111.12米的冰场上竞技。每轮比赛, 名次排在前面的2到3名运动员晋级下一轮次, 最终通过多个轮次, 淘汰多名运动员, 只剩下少量的运动员在决赛中竞争冠军。这种赛制与速滑比赛有着根本的区别, 速滑比赛看的是绝对速度, 而短道速滑晋级的关键是在人与人的竞争中做到相对较快[2], 比赛的竞争也越来越激烈, 有时胜负就决定于0.01～0.02s之间[3], 所以比赛的策略制定至关重要。另一个影响短道速滑比赛的因素是起跑的道次, 例如, 第一道的运动员比第四道运动员距离第一个弯道的距离要短, 所以在500米比赛中第一道的运动员可以通过快速的起跑有效的控制比赛的节奏。
目前对于短道速滑起跑道次和名次的关系缺乏相关的研究, 仅存的研究也收数据量的限制, 统计结果缺乏科学性和, 为了更加系统的分析, 本文通过采集国际滑联短道速滑成绩网站从2006/2007赛季至今的数据并进行分析, 明确了男子、女子各种距离的比赛的道次和最终名次之间的联系。
一、分析方法
本文采用SPEARMAN方法分析从2006赛季开始至今10个赛季的100场比赛其中包括60场世界杯比赛, 10场欧洲杯比赛, 2场冬奥会, 1场青少年冬奥会, 6场世界冠军赛等。本文使用500米, 1000米和1500米的各轮次 (包括初赛、预赛、1/4赛、半决赛和决赛) 各个分组起跑道次数据和最终名次数据。500米和1000米的道次被标注为 (1到4) , 1500米的道次被标注为 (1到6) , 其中第1道为最内道, 第5道和第6道在起跑线后。500米和1000米的第5道、1500米的第7道发生的概率较小, 胜率也较低, 将其排除。所有的比赛均在室内111.12m冰场上进行, 犯规和中途退赛的数据被排除在统计数据之外。名次数据按500米和1000米 (1到4) , 1500米 (1到6) 分别统计。起跑道次和名次数据的相关系统通过SPEARMAN秩相关系数进行分析, 通过相关系数的大小决定其相关性的强弱。其中0.0到0.2表示弱相关, 0.2到0.5表明是中等强度相关, >0.5表明为强相关, 所有的分析都应用PYTHON的科学计算 (SCIPY) 进行分析, 其显著性水平设置为P<0.05。
SPEARMAN秩相关, 是指假设两个随机变量分别为X、Y (也可以看做两个集合) , 它们的元素个数均为N, 两个随机变量取的第i (1<=i<=N) 个值分别用Xi、Yi表示。对X、Y进行排序 (同时为升序或降序) , 得到两个元素排行集合x、y, 其中元素xi、yi分别为Xi在X中的排行以及Yi在Y中的排行。将集合x、y中的元素对应相减得到一个排行差分集合d, 其中di=xi-yi, 1<=i<=N。随机变量X、Y之间的斯皮尔曼等级相关系数可以由x、y或者d计算得到, 其计算方式如下所示[4]:
若X、Y集合中具有相同的等级系数, 则用以下公式:
二、分析结果
根据对上万条数据的采集和分析证明, 短道速滑比赛道次和名次之间的关系随比赛项目的距离增加而逐渐减弱, 在女子500M比赛中, 随着比赛的深入、轮次的增加, 道次和比赛名次的相关性逐渐增强, 在所有性别的短距离比赛中除去初赛、女子预赛外, 其余轮次中道次均与名次拥有强相关度 (ρ>0.5) , 当比赛距离逐渐增加后, 各轮次的道次与名次相关性逐步递减, 在1500米的各轮比赛中, 起跑道次均与比赛名次呈弱相关态势。
注:0.00-0.20弱相关, 0.20-0.50中等强度正相关, >0.50表示强相关
为了验证比赛道次对比赛结果的影响, 我们分析了在各单项比赛中, 在各轮次中各个道次的胜率, 其中500M预赛中第1道的胜率为54% (667组比赛, 361次获胜) , 1/4决赛中第1道胜率为67% (387组比赛, 262次胜出) , 半决赛第1道胜率为72% (198组比赛, 143次胜出) , 决赛第1道胜率为77% (86场比赛, 67次胜出) ;在1000米比赛中初赛第1道获胜概率为26% (1688场比赛, 450次胜出) , 决赛中第1道的获胜概率为435 (415场比赛, 181次胜出) ;而在1500米比赛中, 预赛第1道的胜率为18% (1509组比赛, 272次胜出) , 决赛第1道的胜率为28% (405组比赛, 117次胜出) 。这些研究结果表明, 在短道速滑比赛中, 道次越靠前, 名次就越靠前, 在500米、1000米、1500米比赛中, 第1道次的获的第1名的次数要远远高于其余道次, 距离越短, 这种优势越明显。
以上数据表明, 在不同距离的比赛中应该采用不同的比赛策略, 在500米比赛中, 选手应该在各轮次比赛中起跑时全力争取领先位置, 控制比赛节奏, 争取在下一个轮次中取得更好的起跑位置以期拥有更多获得冠军的优势。而在中、长距离的比赛中, 运动员应该采取跟滑的策略, 在比赛过程中跟住对手, 保存体能, 在比赛最后阶段利用体能优势完成加速或者超越, 这种比赛策略不仅仅局限于应用于短道速滑比赛, 在其他的比赛如跑步和速滑中也有广泛的应用。研究表明 (Rundell, 1996) , 在使用相同速度进行滑行时, 尾随能够保持较低的心率和乳酸浓度, 这样的原因在于尾随滑行能够减少16～23%的空气阻力[5]。
另外, 本次分析也发现, 随着比赛轮次的深入, 起跑道次与比赛结果的相关系数逐步增加, 这一现象的根本原因在于短道速滑的赛制和编排规则决定的, 随着轮次的增加, 比赛人数逐渐减少, 上一轮次的优胜者在排道次的时候具有站位优势, 同时这样的运动员拥有较强的能力。另外一种解释是随着比赛轮次的增加, 对于比赛的竞争更加的激烈, 在初赛等轮次, 运动员会考虑保存体力去应付更多的轮次, 随着比赛的深入, 竞争者的实力越来越强, 运动员只有在获得晋级下一轮的资格后才会考虑节省体力。决赛中, 运动员更是全力以赴的争取获得冠军, 所以道次优势会被更加积极的利用, 以争取获得胜利。
三、结论
综上所述, 通过对10个赛季的短道速滑赛季的84563条数据进行分析, 在短道速滑500米比赛中运动员起跑道次与比赛最终名次有着强相关性, 随着比赛距离的增加相关性逐渐减弱。运动员应根据比赛的距离制定比赛的策略, 确保争取比赛的胜利。
摘要：在短道速滑比赛中, 每轮比赛都是激烈的运动员与运动员的竞争, 每轮比赛的名次比每轮比赛所用的时间更能直观的影响比赛的结果和进程。针对每轮比赛制定相应的比赛策略, 将最终影响比赛的结果。本文通过分析从2006/2007赛季开始至今的所有国际滑联比赛数据 (包括世界杯, 奥运会和欧锦赛等) , 共100场比赛, 上千个单项比赛分轮次分组比赛共84563条成绩数据, 应用SPEARMAN方法分析短道速滑起跑道次和最终名次的数据, 确定道次和名次的相关系数。为短道速滑各单项比赛的策略制定起到一定的参考作用。
关键词：比赛分析,相关系数,SPEARMAN方法
参考文献
[1] 杜凯.短道速滑战术方法及表现形式探索[J].产业与科技论坛, 2016, 15 (22) :57-58.
[2] 张海洋.对短道速滑与速度滑冰的研究分析[J].科技资讯, 2009 (28) :239.
[3] 胡武, 赵滨杰.短道速滑比赛战术的运用[J].冰雪运动, 2007, 29 (1) :23-24.
[4] 王开军, 黄添强.基于趋势秩的Spearman相关方法[J].福建师范大学学报 (自然科学版) , 2010, 26 (1) :38-41.
[5] 朱佳滨.短道速度滑冰战术理论体系的构建及其应用[D].北京:北京体育大学, 2008.
[6] 刘仁辉.对速度滑冰, 短道速滑, 冬季两项, 越野滑雪四个项目训练特点的分析[A].中国体育科学学会、青海省体育局.第二届中国多巴高原训练与健康国际研讨会论文摘要集[C].中国体育科学学会、青海省体育局:, 2011:1.
[7] 谢向阳.数据挖掘在体育数据分析中的研究与应用[J].当代体育科技, 2013, 3 (23) :9-10.
[8] 漆小红, 孟媛媛.竞技体育大数据思维变革与分析[J].体育科技文献通报, 2016, 24 (7) :151-152.
[9] 李克敏, 苌庆辉, 崔凯峰.体育创业研究的知识图谱分析:基于1991—2015年的数据[J].天津体育学院学报, 2016, 31 (3) :185-190.
[10] 崔久剑.大数据背景下体育产业发展策略分析[J].电子测试, 2015 (24) :47-48.