竞技比赛临场表现数字符号分析的研究现状及展望

霍子文2，张戈

●博士（生）论坛Doctor Forum

竞技比赛临场表现数字符号分析的研究现状及展望

霍子文1，2，张戈3

鉴于“数字符号分析”在竞技比赛临场表现研究中的重大理论与实践价值，通过系统综述国内外学者的研究成果得出以下结论：（1）“运动生物力学分析”与“竞技比赛临场表现数字符号分析”的整合存在争议，现阶段应谨慎对待；（2）应充分认识信息技术之于竞技比赛临场表现数字符号分析的战略意义和创新价值；（3）合理建构理论框架并选择适宜数据处理方法是竞技比赛临场表现数字符号分析发挥效力的关键；（4）应加强“竞技比赛临场表现数字符号分析”研究成果的实践应用。

竞技比赛临场表现；数字符号分析；信息技术；数据处理

“运动操作分析”（Performance analysis）最主要的两种形式是运动生物力学分析（Biomechanics analysis）和数字符号分析（Notationalanalysis）。运动生物力学分析是利用力学原理和方法研究体育运动中的人体运动规律，目的是为了获取动作技术的生物力学参数，多应用于体能类和技能表现类项目（100m、游泳、体操、跳水等）；数字符号分析则以运动员/队的技、战术和体能表现为研究内容，更加适合于球类项目（篮球、排球、网球、乒乓球等）。作为一个独特研究领域，数字符号分析已有30多年历史，期间学术共同体日益壮大，研究范式逐步凸显，科学语义渐次澄清。

1 竞技比赛临场表现数字符号分析概述

1.1 概念界定

关于“数字符号分析”，Nevill，Atkinson&Hughes认为是通过客观记录运动操作过程使运动操作关键元素得以有效、一致量化的研究方法[1]；Carling，Reilly&Williams认为是将比赛中发生的行动事件进行分类，使教练员在反馈信息时能够创建一个客观的比赛统计描述过程[2]；虞丽娟认为是用数字编码或者符号编码对比赛中可能出现的技战术进行标注，当预先确定的技战术行为在比赛中出现时，就用数字或者符号进行记录[3]。

虽然上述定义较为清晰相近，但也存在两点待商榷之处：（1）引入信息技术（IT）不仅意味着研究工具得到改善，更在于IT的强大支持有助于研究者释放对海量运动操作信息的洞察力，继而充分揭示运动操作的复杂本质。可以说，数字符号分析的未来仍很大程度上有赖于信息技术的发展，诚如Lawlor所言，在高水平竞赛和训练中，IT支持可成为关键性和具有竞争力的战略资源[4]。（2）数字符号分析不仅可针对表浅、离散的临场操作信息进行简单记录和描述（例如篮球比赛常规统计），更主要的是针对运动操作关键元素展开复杂性分析。也因如此，研究的理论创造力才能迸发出来，运动实践经验才能转化为宝贵的启发性需求。由此出发，尝试修改定义如下，即“数字符号分析”系指借助信息技术支持，采取数字/符号计算机编码录入方式，通过人工观察、测量评价、决策分析的系列研究步骤，针对临场技、战术或位置移动表现等复杂、开放、随机和非线性的竞技能力组织和博弈系统实施复杂性分析的研究方法。

1.2 总体进展

1988年，“数字符号分析”被BASES正式承认为一个独立学科[1]，而张辉等也阐述了几乎同时期里德国“体育计算机应用”的发展状况，并认为国际体育计算机应用协会（IACSS）的成立和电子期刊（IJCSS）的出版标志着“体育计算机应用”已成为一个新的体育学科分支[5]。虽然两研究报告对该学科的命名有所不同，但可以推定的是，“数字符号分析”的确立时间就在20世纪80年代末和90年代初。

2 竞技比赛临场表现数字符号分析面临的困惑与启发

通过纳入数字符号分析，1999年BASES被重新认定组成PASG，但之后数字符号分析的前景却模糊起来，其原因在于PASG试图把运动生物力学、数字符号分析整合成统一的运动操作分析模式[1]（以下简称“模式整合”）。目前看来，关于模式整合的前景仍不明朗。

之所以出现模式整合诉求，根本原因有两点：（1）在球类项目比赛中，技、战术表现互为表里，若借助模式整合实现临场表现的综合分析，则肯定会更加接近实战场景；（2）两种分析在研究步骤上可以并行，即信息采集→观测评价→决策分析，这就为模式整合提供了某种可能性。相关报告时有出现，如Bartlett曾解释数字符号分析家、生物力学家和运动专业人员在反馈方面的互动关系[8]。Lees提供了大量涵盖运动操作分析的例子，其中技术分析就是通过运动生物力学方法或者动作技能控制得以发掘的[9]。Hughes倾向于在总结体育科学知识最新进展中，通过广泛涵盖运动操作分析定义范畴寻找到一条共同线索！Hughes and Bartlett最近提出：基本原则已经出现在项目的运动行为指标应用当中。该研究特别之处在于是从模式整合的路子来举例的，由此证实参数的特殊联合能够定义特定环境，实则是利用数学，流体力学和物理技术[10]。然而，仍有许多学者不相信模式整合存在充要逻辑，体育科学家时常抱怨模式整合缺乏理论基础且过于关注方法学问题而忽略了对运动实践的指导意义[11]。

对此笔者的观点是，究其本质，两种分析关注的是相同运动行为中的不同作用机制，各自观测重点也不一致，过度关注模式整合将可能导致运动操作分析整体发展“陷入沼泽”。然而，一定程度的模式整合也是需要的，即彼此工作独立展开，只是在研究结果上实现共享和扶正。上述争论还引出了另外一个有意思的问题：难道临场表现的综合分析就只有模式整合这一条路径吗？或许此时有必要重新审视依据等级结构改进运动操作分析资料收集系统的思路[12]。

3 信息技术在竞技比赛临场表现数字符号分析中的应用进展

3.1 计算机数字视频分析技术

计算机与数字视频技术的交互以专业视频分析软件为载体，不仅可对比赛视频信息进行采集、编辑、存储、智能分析、决策支持和多媒体呈现，还可实现比赛实时分析与反馈。其中最关键的两个环节是编码和决策，前者决定了信息采集内容和数据结构，后者决定了如何定量分析信息数据，由此也产生了两种极端趋势，一种趋势是，许多专业软件公司出于商业考虑，非常注重产品的普适性，认为单一编码规格不能适用所有项目和所有情况，必须开发覆盖广大项目需求的视频分析软件。如Sportstec开发的数字视频分析系统的主要优点在于拥有灵活的编码窗口，可根据项目需求和训练实际进行个性化服务[2]，这势必导致数据结构经常改变，因而无法预先制定与之匹配的决策系统。虽然Sportstec的高版本ELITE通过编程可一定程度实现数据交互（如篮球比赛中获取不同区域三分球命中次数），但仍不能完全满足决策需要。另一种趋势是，虞丽娟等认为，随着技、战术研究不断深入，研究者面临的数据量越来越多也越来越复杂，因此人工神经网络、数据挖掘和马尔科夫链等科学算法被不断引入技、战术分析领域，从而开辟了新思想与新方法[13]。虞丽娟等据此研发了隔网对抗项目技战术数据采集系统、智能分析系统、基于数据挖掘的决策支持系统和多媒体分析系统[14]。虽然该模式能够满足对临场表现的深层次分析，但其编码规格却是固定不变的，无法根据项目变化或理论演绎及时做出调整。由此可以推测，计算机数字视频分析技术未来发展的一个方向或难点就是实现灵活编码和决策支持的有机结合，因为这意味着项目本质与量化逻辑间的优化匹配。

3.2 比赛追踪系统

比赛追踪系统主要用于位置移动分析，包括视频追踪、电子追踪和其他一些移动分析技术。视频追踪系统通常需要在整个球场设置多台摄像机并进行优化固定和定位，无论球员位置和移动怎样，所有场景均能始终被捕捉。其工作原理是，首先通过场地校准（高、长、宽）和二维模型转化允许从摄像机视角计算球员位置（x，y坐标），然后采用三角学，数学算法和数字视频/图像处理技术计算具体参数。W inkler采用计算机控制双重视频系统，针对球员训练和比赛表现进行了综合诊断。该系统运用计算机控制评价系统探讨体能因素，另外通过两台连接计算机的视频摄像机对比赛场域实现全景呈现[15]。Bradley等使用多摄像机计算跟踪系统证实了有球和无球的高强度奔跑随高水平足球比赛的不同阶段而降低，并且运动状态和疲劳类型因场上位置不同而不同[16]。法国Sport-Universal Process开发的ViewerTM软件从多摄像机视角获取比赛表现，悬空二维动画描述软件在检验球队阵型或者比赛风格等战术行为时尤其有用，且可与来自多摄像机任何视角的视频联合使用。最新视频追踪系统DatatraX和TRACAB可通过改善的新型视频图像处理技术提供实时分析[2]。

电子追踪系统的特点是：（1）可实时分析和处理位置移动信息；（2）数据可精确到几厘米，较之视频追踪更加准确；（3）分析可达上百次/s，诸如球员加速、减速和变向等信息极为细致。荷兰INMOTIO联合PSV Enidhoven足球俱乐部开发的LPM Soccer 3D系统是第一个在训练中分析球员工作效率的系统，它把同步心率监测、球员移动测量与同步视频片段结合起来展示工作负荷的全面图景。GPS也在逐渐影响集体球类项目运动操作评价。运动中穿在球员身上的GPS接收器利用卫星信号确定位置信息并随后计算移动速度、距离、路线等。GPSports设计的SPIElite GPS接收器能够存储心率数据和记录诸如铲球和冲撞等碰撞频率和强度信息，这对于对抗性集体球类项目非常重要。Macleod等比较了SPIEliteTM GPS与Timing gate测量的距离和速度，结果显示，Timing gate和GPS测量的皮尔逊相关系数r≥0.99（P＜0.001），均数差异和95%一致性范围为（0.0+0.9）km·h-1，表明SPIEliteTM GPS系统提供了一种有效测量比赛速度和距离的工具，并且能够快速提供关于某些比赛运动模式的客观信息[17]。然而GPS接收器也存在诸如卫星接收信号等问题，另外通过GPS获得的关于工作效率的信息必须和视频分析数据相互补充。刘丹等使用SIMI°Scout对2007年女足世界杯比赛11支球队运动员的跑动能力进行了测量，对全场跑动能力、不同强度跑动能力、不同位置运动员的不同强度跑动能力几个方面进行了比较分析[18]。池建等通过SIMI°Scout并结合录像统计精确测量和分析了篮球优秀运动员移动距离和速度，总结与分析了世界篮球大赛的基本负荷特征[19]。

须强调的是，比赛追踪分析要符合严格的质量控制要求（可靠性，准确性和客观性）[20]。独立实证尚未证明商用追踪系统的测量准确性和可靠性[21]，因此有必要就其科学合理性进行更多研究。Randers等通过一种基于录像的时间——动作的分析系统、一种半自动多摄像机系统、两种商用GPS系统（GPS-1∶5 Hz和GPS-2∶1 Hz）比较了同一场足球比赛的行为模式和疲劳发展，结果显示，测定绝对距离时，分析系统间的差别很大，提示不同比赛追踪系统间的结果比较应当谨慎[22]。

目前污水处理厂主要处理废水方法为生物降解法[12]，当BOD5/COD>0.3时，即可考虑对其进行生物降解，当BOD5/COD>0.5时，认为该废水可生物降解性较好[13].由表3可知，厕纸产生的水污染物总体可生化性较好，先后顺序为报纸、低档卫生纸、中档卫生纸、高档卫生纸，分析其原因为各种纸张产生的BOD量相当，产生的COD量相差较大，特别是高档卫生纸更易在水中形成COD.

4 竞技比赛临场表现数字符号分析的理论研究进展

Atkinson曾讨论多因素结构运动操作（例如足球操作）和直接可测量的运动操作（例如自行车测时）两种成果之间的理论框架差别，并强调这些差异足以影响统计方法的选择[23]。由此可见，针对具体项目和内容建构良好理论框架（观察逻辑、编码原则）和选择适宜推断方法，有助于揭示运动操作的复杂本质，且使相关结论不再总是那么模糊存疑。

4.1 理论框架建构

4.1.1 竞赛的综合分析视角虞丽娟提出，拳击技、战术具有高度融合性，技、战术指标有一定的交叉重叠，如组合拳既是一个连贯技术，又是一个常用战术[13]。张俊青认为，篮球运动是运动员、运动员掌握的技术、各种基础配合等要素以特定结构形式建立起的具有整体功能的系统[24]。吴小勇从多角度论证了篮球运动技术与战术的辩证、主次、相辅、依赖、质量互变等关系属性[25]。Mitchell等提出GPAI（Game Performance Assessment Instrument），即教练员和研究者对临场表现进行观察和编码的工具，包含7个战术元素：基本转换（Base）、防守/盯人（Guard/Mark）、接应同伴（Support）、防守覆盖（Cover）、调整（Adjust）、技能操作（Skill execution）、决策（Decisionmaking）[26]。Memmert等讨论了GPAI的5个局限及相应对策：（1）个别和整体GP指数计算；（2）应用GI指数（Game Involvment）VSGP指数（Game Performance）分析临场表现；（3）观察者信度；（4）非线性问题；（5）行动有效性[27]。Gréhaigne等讨论了集体项目操作指标的综合评价程序，提出比赛中观察球员行动的两个指数：效率指数（the efficiency index）和量度指数（the volumn of play）[28]。

以上文献的启发有两条：（1）采用综合广角观察比赛可使对运动行为的理解更全面和更符合实战情景。创造性的综合维度依研究内容而定，如效率与量度综合维度，有球、无球元素综合维度等；（2）实施技战术综合评价是富有建设性的思路，进一步联想“位置移动分析”，可大胆预测，实施技术、战术、位置移动一体化评价可能是临场表现分析未来发展的一个方向。

4.1.2 竞赛的动力学自组织特征McGarry等从动力学系统出发，论述了竞赛的自组织非线性特征、涨落与波动、个体或集体球类项目球员之间的组内与组间配对特征。在此基础上做出如下预测：（1）比赛应按照序参量和控制参量的方式加以描述；（2）比赛应显示综合性的稳定趋势；（3）任何动作非线性转换前，比赛系统都可能或不可能显示出多样性（不稳定性）的增加；（4）基于比赛的动力学特征，要用发展眼光对待竞赛的系统研究[29]。该研究意义在于提出了思考比赛的动力学新视野，由此出发认识比赛的结构性存在不仅丰富了人们探究比赛复杂性的手段，而且提醒人们检出运动操作关键元素不能完全依靠静态的统计分析。

延续动力学系统思路，Bourbousson等分析了6个篮球比赛序列事件的运动数据，检验了篮球运动员/队的空间——时间运动模式[30-31]。研究者除了再次证实比赛动力学系统的独特思路并不服从毫无变化、作为假定存在的预设，还从个人项目扩展到篮球等集体项目。此外，在壁球、网球等的动力学报告中，比赛被看作是配对振荡系统，其自组织模式是配对之间信息交换的结果[32-34]，而在另一些诸如篮球、足球和橄榄球等的动力学报告中[35-38]，却不必然地将比赛看作是配对震荡系统，因此说，关于比赛的配对震荡特征仍需进一步验证，或许项目不同，其配对震荡特征有所转化。

4.1.3 “T—Pattern”分析模式鉴于传统定量分析方法非常局限，不能描述比赛中各种事件的复杂互动关系，Borrie等提出独特的“T—Pattern”模式[39]。其前提假设有两个：（1）比赛临场表现包含大量不同的操作变量以及这些变量之间存在一系列复杂互动关系，简单的频数资料虽然依旧重要，却无法充分捕捉所有复杂性要素；（2）鉴于时间——序列性结构的隐藏性，若能开发适宜分析工具，将会加强对临场表现的理解。T-pattern是几个事件的联合体，其中各事件的发生以相同顺序进行，其核心理念是，如果在重复发生的同一T-pattern中，事件A是较早发生元素事件，事件B是较晚发生元素事件，则事件A发生时间t后，存在一个时间间隔（t+d1，t+d2）（d2≥d1≥0），在该时间间隔里，至少发生1次事件B比偶然发生的概率更大。事件A和B之间的时间关系被定义为关键时间间隔。随后研究者还分别讨论了T-Pattern分析的争论、优点和特征，涉及行动干扰及其影响、模型的非重复性、模型的因果性、事件频数和模型频数、临场表现水平等几方面。最后通过展示13场足球比赛中得到的典型数据强调了T-Pattern模式的潜力。

本研究认为，较之简单频数统计方式，T-Pattern通过时间结构探究临场技术表现无疑是一大进步，然而该模式也存在一定缺陷，即仅把时间维度作为空间维度的静态参照物。实际上，时间维度的瞬时特征以及空间维度的相对概率并不能截然分开，二者的交互具有客观物质基础。进一步而言，基于时间维度的不可逆性，通过具有可逆性的空间维度主动匹配时间维度具有重大理论和现实意义，空间维度的活跃变化将促使时间维度的可塑性具有主观感知的可能。

4.2 数据处理方法应用

O’Donoghue提出，运动操作研究实践中最通常的预测方式是利用大规模数据并采用数据处理技术，在此过程中，一系列方法被用于运动行为预测，如多元线性回归、判别函数分析、双多元逻辑斯蒂克回归、结构公式模型、人工神经网络等，或者是上述诸多方法的任意搭配使用[40-41]。以下试举几例。

4.2.1 潜在增长模型（LGM）Park等提出，LGM[42]可被用于任何重复性测量数据中，但当存在关于变化形式理论的先验假设时，该模型更加有用。LGM的优势包括：（1）对于变化的个体水平和团队水平都能估计；（2）线性或者曲线轨迹都能表示个体变化；（3）测量场所不要求处在相同环境中；（4）模型能够解释测量误差；（5）模型能够轻松涵盖变化的多元预测或相关；（6）如同普遍的结构公式模型一样，LGM非常灵活且允许采用多种途径延展基础性数据，诸如比较组间变化以及检验多元潜在因素的变化。

4.2.3 离散型分类数据的统计方法Nevill等提出，由于球类比赛中绝大多数操作指标属于离散型事件（计数或频次），如网球或壁球比赛中每回合击球次数，足球比赛中射门频次的命中比例等，所以适宜的统计方法应当建立在两种关键离散型概率分布基础上（泊松分布和二项分布）[47]。通过对比经典显著性卡方检验（拟合优度检验和独立性检验）VS对数线性模型和逻辑回归模型，形成以下结论：（1）当比较单因素和两因素中相对简单的分类数据时，两类方法结果一致；（2）当需要更复杂模型或更高阶比较时，对数线性模型和逻辑回归模型更加有效；（3）当调查与二项分布式或者双重性反应变量相联系的因素和类别差异时，唯一可取的就是逻辑回归模型；（4）对数线性模型和逻辑回归模型能够产生关于比赛操作潜在关联机制的更深刻洞察。

5 竞技比赛临场表现数字符号分析的研究实践与成果应用

（1）系统性研究实践示例。虞丽娟等提出“观察单位”概念[3]，即比赛技、战术观察分析中不能再进行分割的最小单位，它直接关系到比赛技战术的解析力度。实际上，观察单位并不易得，太小容易破坏系统特征，反之则易导致观测不能深入。虞丽娟团队之所以能够准确定义观察单位，根本原因在于能够同世界顶尖教练员和运动员进行顺畅交流并获得最宝贵、最核心的专项指导意见，此外同行学者的研究建树也起到非常大的推动作用。在虞丽娟等的系列研究中，始终以吴焕群等首次建立的“乒乓球三段评估法”实力诊断模型作为参照系[48]。其中的启示在于，理论建构应当始终联系项目实际，二者结合越紧密，理论建树越深入、越有效。

另外，虞丽娟等还系统阐述了乒乓球技战术分析的数据处理方法[49]。当根据比赛数据属性，以击球落点、击球位置和击球技术为对象，按照发球轮和接发球轮分别进行数据挖掘时，采取的是关联规则挖掘Apriori算法；当考虑比赛对抗因素时，采取了序列模式挖掘AprioriAll算法，因为根据规则，比赛双方交替合法击球，可以自动获得一组按时间顺序排列的技战术序列；当观测指标为率指标时，采取了ANNs的BP算法；当考察技战术实力状态的因果关系时，又运用系统动力学原理建立了技战术实力评估与预测的初步理论模型。由之可见，每个项目的内容逻辑具有广泛多样性，针对不同内容选择具体的数据处理方法是必要步骤。

（2）研究成果应用。从实践角度来看，当获得某种有价值的研究成果时，研究者仅仅知道了训练和比赛中要改进什么，只有将成果切实转化为指导比赛和训练的具体原则和方法，即从“练什么”上升到“怎么练”，整个研究才算真正完成。

Liebermann等提到了球类技战术报告和视频分析中非常重要、然而却时常被忽略的一点，即在运动操作高级阶段外部反馈须针对运动员的特殊需要[50]。换言之，相关分析结果并非只要做到结果准确、信息关联就够了，必须从运动员/队需求出发，按竞技运动的内在规律和复杂程度对分析结果加以分类呈现，从而使练习水平不同、目标不同的运动员能在运动操作改善过程中做到循序渐进、准确取舍。另外，李庆有等在采取SIMISCOUT系统分析世界优秀网球运动员的接发特点后，还针对性地提出了网球接发球训练的具体流程和练习方法[51]。

6 结语

毫无疑问，“数字符号分析”对于处理竞技比赛临场表现信息具有特殊价值。本研究通过综述分析得到以下结论：（1）“运动生物力学分析”与“竞赛临场表现数字符号分析”的整合存在争议，现阶段应谨慎对待；（2）应充分认识信息技术之于竞赛临场表现数字符号分析的战略意义和创新价值；（3）合理建构理论框架并选择适宜数据处理方法是竞赛临场表现数字符号分析展示研究效力的关键；（4）应加强“竞赛临场表现数字符号分析”研究成果的实践应用。

[1]Alan Nevill，Greg Atkinson，Mike Hughes.Twenty-five years of sport performance research in the Journal of Sports Sciences[J].Journal of Sports Sciences（Eng），2008，26（4）：413-426.

[2]Christopher Carling，Thomas Reilly A，Mark Williams.Performance Assessment for Field Sports[M].London and New York：Routledge Talor &FrancisGroup，2009.

[3]虞丽娟，张辉，戴金彪，等.隔网对抗项目比赛技战术分析的理论与方法[J].上海体育学院学报，2007（3）：48-53.

[4]Lawlor J.Performance enhancement in football：the role of information technology[J].Insight The Football Association Coaches Journal，2003，6（2）：46-48.

[5]张辉，马德云.德国“体育计算机应用”学科的发展与我国体育高等院校开设“体育计算机应用”系统课程的构想[J].山东体育学院学报，2006（6）：99-101.

[6]Hughes M D，Franks IM.Notational analysis of sport：Better systems for improving coaching and performance[M].（2nd edn.）London：E&FN Spon，2004.

[7]HughesM D.Performance analysis-amathematical perspective.EIJPAS，International Journal of Performance Analysis in Sport（Electronic），2004，4（2）：97-139.

[8]BartlettR.Performanceanalysis：Can bringing together biomechanics and notational analysis benefit coaches?[J].International Journal of Performance Analysis of Sports，2001，1：122-126.

[9]Lees A.Technique analysis in sports：A critical review[J].Journal of Sports Sciences（Eng），2002，20：813-828.

[10]Hughes M D，Bartlett R M.The use of performance indicators in performanceanalysis[J].Journal of Sports Sciences（Eng），2002，20：739-754.

[11]Hughes M D，Bartlett R M.Performance analysis：An Editorial[J].Journal of Sports Sciences（Eng），2002，20：735-737.

[12]Franks IM，Goodman D.A systematic approach to analyzing sports performance[J].Journal of Sports Sciences（Eng），1986（4）：49-59.

[13]虞丽娟，张辉，凌培亮.对抗性项目比赛技、战术实时与离线智能分析系统的研究及应用[J].中国体育科技，2009（6）：8-16.

[14]虞丽娟，张辉，凌培亮.隔网对抗项目技战术分析的系统研究[J].体育科学，2008（10）：41-48.

[15]W ink lerW.Computer-controlled assessment and video-technology for the diagnosis of a player’s performance in soccer training.Notational Analysis of Sport，ⅠandⅡ（edited by M.D.Hughes）[M].Cardiff：UWIC，1996：27-43.

[16]Paul SBradley，W illiam Sheldon，BlakeWooster，et al.High-intensity running in English FA Premier League soccer matches[J].Journal of Sports Sciences，2009，27（2）：159-168.

[17]Hannah Macleod，John Morris，Alan Nevill，et al.The validity of a non-differentialglobal positioning system for assessing playermovement patterns in field hockey[J].Journal of Sports Sciences，2009，27（2）：121-128.

[18]刘丹，曹晓东，赵刚，等.2007年女子足球世界杯赛运动员跑动能力研究[J].体育科学，2009（10）：51-60.

[19]池建，苗向军，米靖，等.现代竞技篮球比赛负荷特征研究[J].北京体育大学学报，2007（2）：145-148.

[20]Drust B，Atkinson G，Reilly T.Future perspectives in the evaluation of the physiological demands of soccer[J].Sports Medicine，2007，37：783-805.

[21]Carling C，Bloom field J，Nelson L，et al.The role ofmotion analysis in elite soccer：Contemporary performance measurement techniques and work-rate data[J].SportsMedicine，2008，38：839-862.

[22]Morten B Randers，Inigo Mujika，Adam Hewitt，et al.Application of four different footballmatch analysis systems：A comparative study[J].Journal of Sports Sciences，2010，28（2）：171-182.

[23]Atkinson G.Sport performance：Variable or construct?[J].Journal of Sports Sciences，2002，20：291-292.

[24]张俊青.用系统论的观点探析现代篮球运动战术[J].北京体育大学学报，2010（2）：132-134.

[25]吴小勇.论篮球运动的技战术关系[J].成都体育学院学报，2005（2）：82-85.

[26]Mitchell SA，Oslin JL，Griffin L L.The effects of two instructional approacheson game performance.Pedagogy in Practice[J].Teaching and Coaching in Physical Education and Sports，1995，1：36-48.

[27]Daniel Memmert，Stephen Harvey.The game performance assessment instrument（GPAI）：Some concerns and solutions for further development[J].Journal of Teaching in Physical Education，2008，27：220-240.

[28]Jean-FrandisGréhaigne，Daniel Boudthier.Performance Assessmentin Team Sports[J].Journal of Teaching in Physical Education，1995（4）：500-516.

[29]Tim McGarry，David I Anderson，Stephen A Wallace，et al.Sport competition asa dynamicalself-organizing system[J].Journal of Sports Sciences，2002，20：771-781.

[30]Jerome Bourbousson，Carole Seve，Tim McGarry.Space-time coordination dynamicsin basketball：Part1.Intra-and inter-couplings among player dyads[J].Journal of Sports Sciences，2010，28（3）：339-347.

[31]Jerome Bourbousson，Carole Seve，Tim McGarry.Space-time coordination dynamics in basketball：Part 2.The interaction between the two teams[J].Journal of Sports Sciences，2010，28（3）：349-358.

[32]Mc Garry T.Identifying patterns in squash contests using dynamical analysis and human perception[J].International Journal of Performance Analysis in Sport，2006（6）：134-147.

[33]McGarry T，Walter F.On the detection ofspace-time patterns in squash using dynamicalanalysis[J].International Journal of Computer Science in Sport，2007（6）：42-49.

[34]Palut Y，Zanone PG.A dynamicalanalysisof tennis：Conceptsand data [J].Journal of Sports Sciences，2005，23：1 021-1 032.

[35]SchnidtRC，O’Brien B，Sysko R.Self-organization ofbetween-person cooperative trials and possible applications to sport[J].International Journal of Sport Psychology，1999，30：558-579.

[36]Davids K，Araujo D，Shuttleworth R.Applicationsof dynamicalsystems theory to football[C]//.Cabri J，Reilly T，AraujoD.Scienceand FootballⅤ：Proceedings of the 5th World Congress on Science and Football. London：Routledge，2005：537-550.

[37]Frencken W G，Lemmink PM.Team kinematics of small-sided soccer games：A systematic approach[C]//.Reilly T，Korkusuz F.Science and FootballⅥ：Proceedings of the Sixth World Congress on Science and Football.London：Routledge，2008：161-166.

[38]Passos P，Araujo D，Davids K，etal.Information-governing dynamicsof attacker-defender interactions in youth rugby union[J].Journal of Sports Sciences，2008，26：1 421-1 429.

[39]Andrew Borrie，Gudberg K Jonsson，Magnus SMagnusson.Temporal pattern analysis and its applicability in sport：An explanation and exemplardata[J].Journal of Sports Sciences，2002，20：845-852.

[40]O’Donoghue P G.The effect of scoreline on elite tennis strategy：A cluster analysis[J].Journal of Sports Sciences，2003，21：284-285.

[41]O’Donoghue P G，Dubitzky W，Lopes P，et al.An evaluation of quantitative and qualitativemethodsof predicting the 2002 FIFAWorld Cup[J].Journal of Sports Sciences,2004，22：513-514.

[42]Ilhyeok Park，Robert W Schutz.An introduction to Latent Growth Models：Analysis of reported measures physical performance data[J].Research Quarterly for Exercise and Sport,2005（2）：176-192.

[43]Bartlett R.Artificial intelligence in sportsbiomechanics：New dawn or false hope?[J].Journal of Sports Science and Medicine,2006（5）：474-479.

[44]Lees A，Barton G，Kershaw L.The use of Kohonen neural network analysis to qualitatively characterize technique in soccer kicking[J].Journal of Sports Sciences，2003，21：243-244.

[45]Passos P，Araaujo D，Davids K，etal.Interpersonal dynamics in sport：the role of artificial neural networks and 3-D analysis[J].Behavior Research Methods，2006，38：683-691.

[46]Daniel Memmert，Jurgen Peal.Game creativity analysis using neural networks[J].Journal of Sports Sciences，2009（2）：139-149.

[47]Alan M Nevill，Greg Atkinson，Mike D Hughes，et al.Statistical methods for analyzing discrete and categorical data recorded in performanceanalysis[J].Journal of Sports Sciences，2002，20：829-844.

[48]吴焕群，李振彪，陶志翔，等.乒乓球比赛中实力与技术诊断的方法及其应用效果[J].国家体委科学研究所学报，1989（l）：32-41.

[49]虞丽娟，张辉，凌培亮.乒乓球比赛技战术分析的系统研究与应用[J].上海体育学院学报，2008（6）：39-43.

[50]DarioG Liebermann，Larry Katz，Mike DHughes，etal.Advances in the application of information technology to sportperformance[J].Journal of Sports Sciences，2002，20：755-769.

[51]李庆有，俞继英，张忠秋，等.网球接发球研究[J].中国体育科技，2006（5）：62-65.

A Review of Notational Analysis in Sports Performance

HUO Ziwen1，2，ZHANGGe3
（1.Deptof PE，Northwest Scientific University of Agriculture&Forestry，Shaanxi712100，China；2.Graduate School，Beijing Sport University，Beijing 100084，China；3.Deptof PE，Peking University，Beijing 100871，China）

Because of significant value of Notational Analysis in sports performance，the authors reviewed the researcheswithin Notational Analysis.At present，it should be prudent to dealwith the integration between biomechanicsanalysis and notational analysis；Itneeds to recognize the value of significance and creation of information technology on notational analysis；It is key for Notation Analysis to establish a reasonable theoretical frame and at the same time choose feasiblemethod of data processing；It is really important to reinforce the practical utilization of the fruits of Notational Analysis.

sports performance；Notational Analysis；information technology；data processing

G 804.87

A

1005-0000（2011）05-0427-06

2011-03-26；

2011-06-24；录用日期：2011-06-30

霍子文（1972-），男，陕西绥德人，讲师，在读博士研究生，研究方向为篮球训练理论与实践。

1.西北农林科技大学体育部，陕西杨凌712100；2.北京体育大学研究生院，北京100084；3.北京大学体育部，北京100871。

关于“数字符号分析”的应用领域，Hughes and Franks总结如下：（1）战术评价；（2）技术评价；（3）位置移动分析；（4）数据库和模型建立；（5）对竞技实践的指导作用[6]。另外，Hughes还归纳了基于计算机符号分析系统的大型数据库建模形式：（1）实验法建模；（2）随机建模；（3）动力学系统；（4）统计技术；（5）人工智能专家系统和神经网络[7]。张辉通过细致检索9本《运动与计算机科学》学术报告会论文集（德国联邦体育科学研究所资助出版，1990—2001）中收录的145篇论文，发现与计算机辅助训练相关的论文最多，涵盖具体项目技、战术训练录像系统、竞技诊断系统和比赛观察分析[5]。在重点涉及足球、橄榄球、曲棍球等项目运动操作分析的专著《Performance Assessment for Field Sports》[2]中，第四章详细介绍了数字符号分析各技术系统，包括手工比赛分析系统、计算机数字视频比赛分析技术、比赛技战术视频与统计分析、位置移动分析、针对身体操作的移动分析技术；而第八章则系统介绍了各种先进研究手段，如虚拟现实技术、互联网技术、专家智能系统、人工神经网络、遗传（基因）算法和混合系统等。

从上述分析可大致了解“数字符号分析”的研究内容及方法手段，同时认识到它是融信息采集、编码标注、智能编辑与存储、测量评价、数据处理及决策支持等系列方法于一体的大型研究模式，其多学科交叉特征提醒每个研究者须结合自身实际对具体应用做出优化设计，不同学科背景间的充分互动是把握“数字符号分析”的关键。