篮球运动员的多目标追踪与轨迹预测

张禹 魏一凡 陶靖婷2， 李杰

1 北京体育大学心理学院（北京 100084）

2 南京大学社会学院心理学系（南京 210023）

3 杭州师范大学附属医院认知与脑疾病研究中心（杭州 311121）

4 杭州师范大学心理科学研究院（杭州 311121）

篮球作为对抗性强的团体运动项目，球场上的变化十分迅速。运动员需要关注双方队员和球以及场内外的其他人和物体，保持注意对多个动态目标进行追踪。这与心理学中的多目标追踪研究相契合，即对环境中的多个客体目标位置进行追踪观察，以保持对环境的觉知并做出适宜的行为反应[1，2]。目前多目标追踪任务因研究目的和研究内容的变化而日渐丰富，研究重心从认知加工分析走向特殊人才训练与选材等领域[3]，很多研究显示，多目标追踪表现越好，在复杂快速的动态情境中的专业表现越好[4]。以往有研究发现篮球运动员在多目标追踪任务中具有优势，其追踪正确率好于新手和普通大学生，在追踪目标个数多时优势尤其明显，后卫的优势尤其明显[5-7]。而且多目标追踪能力与篮球运动员在赛场上的表现密切相关，一项针对NBA 篮球运动员在赛季中实际表现的研究发现，多目标追踪能力更强的运动员助攻和抢断更多，失误更少[8]。

对于篮球运动员而言，篮球赛场上风云变幻，在追踪目标的过程中，会频繁出现遮挡，如持球方队友进行高位挡拆以干扰防守队员对持球者及篮球的注意，防守队员在传球路线上遮挡接球者的视线等。随着世界篮球进攻战术的不断创新与改善，掩护战术中的挡拆配合已成为每场比赛的进攻战术中至关重要的一部分[11]。上述现象涉及多目标追踪的轨迹预测问题，而以往对篮球运动员的研究缺乏此方面的探讨。篮球运动员在多目标追踪过程中是否会对目标运动轨迹进行预测，尤其当追踪过程中视觉信息不完整时，其预测能力相比普通人是否具有优势，目前还不了解。

以往多目标追踪研究中，关于人是否会对目标轨迹进行预测、能预测到什么程度，存在着争议。有的研究发现视觉系统可利用运动轨迹信息来预测目标位置[12-13]；视觉系统更偏爱平滑的轨迹，其优势可发生在至少400毫秒的中断[14]或遮蔽[15]条件下，甚至推及至曲线路径中。Howe 和Holcombe 在全部对象可视的实验条件下，用可预测的运动（恒定直线）以及不可预测运动（改变方向直线）研究上述问题，结果发现人们可以使用运动轨迹信息帮助他们追踪至少2 个对象，支持了“轨迹预测假说”（prediction hypothesis）[16]。然而，Ke⁃ane 和Pylyshyn 的研究通过改变路径、目标重现位置、消失时间、运动方向、消失及重现方式研究哪些运动信息要素可以帮助追踪，结果发现追踪并不依赖于目标的运动轨迹信息；相反，追踪表现会随着重现点与消失点距离的增加而衰减，支持了多目标追踪的“位置假说”（spatial proximity heuristic）[9]。

以往研究之所以存在争议，可能是由于未综合考虑轨迹运行的长短、追踪的容量以及特殊人群的表现等问题，所以对于能不能进行预测、什么条件下可以预测、什么人能预测等问题都存在疑问。本研究认为“轨迹预测假说”和“位置假说”两种理论可能是并存的，只是在不同条件下存在偏向，有时轨迹预测更明显，有时位置记忆更明显。为解决理论争议以及为篮球运动实践提供借鉴，本研究探究篮球运动员多目标追踪表现及运动轨迹预测的优势，并借助篮球运动员这个特殊群体进行机制探讨，对“轨迹预测假说”和“位置假说”予以检验。

本研究采用多目标追踪范式结合消失范式对此问题进行考查。多目标追踪范式（multiple-object track⁃ing paradigm）是研究多个动态目标注意规律的主流范式，基本流程可以分为三个阶段：线索阶段、追踪阶段、反应阶段，要求受试者在若干个同质的运动客体中持续追踪多个目标客体，并判断运动停止时目标客体的位置[4]。消失范式是基于多目标追踪范式改进的，用以研究运动轨迹预测的问题，属于非连续运动下研究客体对应性问题的范式，目的是积极破坏观察者的持续性追踪，即追踪阶段物体会短暂消失后出现于重现位置并继续运动（见图1）[9]。重现位置即物体在多目标追踪过程中消失然后间隔一段时间后重新出现的位置。通过操控物体的重现位置（如：重现在物体消失的位置、重现在物体沿轨迹向前运动的位置等）并比较各条件下的追踪正确率，可考查观察者在物体消失后是否对其进行了轨迹预测。

1 实验一

1.1 研究目的和假设

本实验的目的是通过操控对象重现位置和目标数量，考查篮球运动员和普通大学生的多目标追踪表现及轨迹预测，并检验“位置假说”和“轨迹预测假说”。

本实验选用篮球运动员和普通大学生作为受试者，在多目标追踪过程中操控物体消失然后重现于消失点、沿运动轨迹的预测点或其他附近位置。沿用Ke⁃ane 和Pylyshyn 的思路设置重现位置，即消失点处、预测点处、轨迹顺时针旋转90 度处、轨迹逆时针旋转90度处[9]。如果多目标追踪是基于感知到的物体位置（即“位置假说”），那么重现于消失点时的追踪正确率应该最高，重现于其他位置时的追踪正确率随着离消失点距离的增加而降低；如果追踪是基于沿轨迹预测的物体位置（即“轨迹预测假说”），那么重现于预测点的追踪正确率最高，重现于轨迹上的其他位置时追踪表现次好，而重现位置偏离原轨迹时追踪正确率较差。另外，基于以往关于多目标追踪容量的研究[16-17]，本研究还操控了目标数量为2和4，考查轨迹预测是否受到目标数量的影响，即目标数量增加时，轨迹预测削弱。

假设一：存在消失位置点优势，即物体重现于消失点时追踪正确率最高；同时，也存在预测点优势，即物体重现于轨迹预测点时的追踪正确率高于不在轨迹上的位置（即顺时针或逆时针旋转90度的位置）。

假设二：轨迹预测受目标数量影响，当数量为2时，预测点优势较为明显，而当数量增加到4 时，预测点优势减弱。

假设三：篮球运动员的追踪表现整体优于普通大学生，且篮球运动员的轨迹预测能力更强，其预测点优势大于普通大学生。

1.2 研究方法

1.2.1 研究受试者

运动员人群为北京某大学篮球二级运动员12人，均为男性，运动年限为3年及以上，平均年龄为21.04±2.02 岁；非运动员人群为北京某大学普通大学生13人，均为男性，无运动等级，平均年龄23.5±1.87 岁。所有人的视力或矫正视力正常，无色盲和色弱。其中，有一名普通大学生的追踪成绩低于平均值三个标准差，作为异常值被剔除，有效受试者为篮球运动员12人，普通大学生12人。

1.2.2 仪器与材料

实验采用苹果笔记本（MacBook Air）计算机，显示器为13.3英寸液晶显示屏，屏幕分辨率为1440×900 像素，垂直刷新频率60 Hz。所使用的多目标追踪程序基于Matlab 心理学工具箱拓展包（Psychophysics Tool⁃box）编制，并在软件Matlab 2016上运行。受试者端坐于屏幕前约57 cm处，保持头部稳定不发生偏移。

屏幕背景为浅灰色（220，220，220），取全屏1440×900 作为追踪区域。追踪对象为深灰色圆（160，160，160），直径1.25 度，外周有0.1 度厚度的黑色（0，0，0）边，被选中后目标变成蓝色（126，206，244）。共呈现10个对象，所有对象沿直线运动，运动速度设置为9 度/秒，抵达视窗边缘反弹。所有客体初始位置均为随机分布，运动方向完全随机，各客体完全独立运动，不使用碰撞检测算法，客体运动过程中如相遇则相互穿过，沿各自轨迹继续运动。物体消失时间为300 ms，重现位置包括消失点以及预测点、消失点顺时针90 度点、消失点逆时针90 度点（见图1），它们的位移均距离消失点2.7 度。运动预测点是指物体沿原轨迹运动300 ms 到达的位置；消失点顺/逆时针90 度点是指以消失点为圆心，消失点到预测点的轨迹长为半径，顺/逆时针旋转90度到达的位置。物体消失并再次出现时，物体将沿原运动方向继续运动。例如，水平向右运动的物体，消失300毫秒后重现在“消失点逆时针旋转90度点”的位置，然后继续向右运动。

图1 实验一的目标重现位置设置

1.2.3 实验设计

本实验为2（人群：篮球运动员，普通大学生）×2（目标数量：2，4）×4（重现位置：消失点、预测点、轨迹顺时针旋转90 度、轨迹逆时针旋转90 度）三因素混合实验设计，其中人群为组间因素，目标数量和重现位置为组内因素。

1.2.4 实验程序

本实验均为一对一独立施测，实验地点均位于北京某大学运动技能实验室。实验开始前，由主试向受试者讲解实验，确保受试者充分了解实验内容、实验过程和操作方法。在练习组块中，每种实验处理均会出现，并在确保受试者明确实验操作方法后开始正式实验。正式实验由受试者独立完成，期间保持环境的绝对安静和无人打搅。组内因素的2×4 共8 种实验处理以组块（block）方式呈现，组块的顺序随机，每个组块包含15 个试次（trial）。每个试次的时间为10 s，两个组块之间可以短暂休息15 s，整个实验大约需要25至35分钟。具体实验程序如下（见图2）：

图2 实验一流程图

（1）线索阶段：首先会有10 个小圆（即所有对象）静止呈现在屏幕上，位置随机分布，随后其中的2个或4 个小圆（即受试者所要追踪的目标对象）会在运动前闪烁3次，耗时3秒，随即进入追踪阶段。

（2）追踪阶段：所有小圆开始运动，各小圆独立运动，运动方向随机，运行速度为9 度/秒，抵达视窗边缘反弹。追踪总时间为5 s，期间发生300 ms 的消失事件（即所有小圆会短暂消失300 ms 后再重现）。为了防止受试者猜测小圆的消失时间，将消失的开始时间和结束时间进行随机化处理，使其随机发生在小圆开始运动2 秒后及运动停止的1 秒前的时间区间内。小圆重现位置有4 种情况：消失点、预测点、顺时针90 度点和逆时针90度点（见图1），4种情况以组块的方式随机，实验前不告知受试者目标位置的情况。

（3）反应阶段：完成5 秒的追踪后，全部小圆停止运动，并进入反应阶段，受试者用鼠标点选目标对象。左键单击选中，此时被选中目标变成蓝色，可用右键单击取消所选目标，则蓝色消失。全部选好后按空格键，如果已选择数目不够目标数，空格无效，受试者需继续点选直至达到本轮试次所要求的2或4个目标，按空格后，才能继续进行下个试次实验。记录每个试次受试者点击正确的目标个数和错误的目标个数，以点击正确的个数除以总目标个数算得正确率。选择完毕后会反馈此试次的正确率1秒钟，随后自动进入下一个试次。

1.2.5 统计学方法

实验结果用平均数±标准差（）表示，采用SPSS 22 对数据进行统计分析。前人多目标追踪的相关文献通常以追踪正确率作为因变量进行方差分析[1，5，9]，故本研究也以追踪正确率作为因变量。正确率的计算方式为先以每个试次中正确追踪目标的个数除以总个数以计算该试次的正确率，随后将每种条件下试次的正确率平均，获得该条件下的平均正确率。

对追踪正确率进行2（人群：篮球运动员，普通大学生）×2（目标数量：2，4）×4（重现位置：消失点、预测点、轨迹顺时针旋转90度、轨迹逆时针旋转90度）的重复测量方差分析，其中人群为组间变量，目标数量和对象重现位置为组内变量。P<0.05为差异具有统计学意义。

1.3 结果

篮球运动员和普通大学生在不同目标数量条件下、对象重现于不同位置时的追踪正确率见表1。

表1 不同人群在不同重现位置和不同追踪目标个数下的追踪正确率

重复测量方差分析结果如表2所示。

表2 不同人群在不同任务类型上追踪正确率的差异检验

（1）目标数量主效应显著，F（1，22）= 95.399，P<0.001，偏η2=0.813，目标数为2 时的追踪表现优于目标数为4 时的追踪表现（正确率0.849±0.012 vs.0.735±0.014）。

（2）重现位置主效应显著，F（3，66）=49.380，P<0.001，偏η2=0.692。成对比较发现消失点正确率（0.909±0.009）显著高于预测点（0.813±0.015）（P<0.001）、逆时针90度点（0.719±0.019）（P<0.001）和顺时针90度点（0.727±0.019）（P<0.001）；预测点正确率（0.813±0.015）显著高于消失点逆时针90 度点（0.719±0.019）（P<0.001）和顺时针90 度点（0.727±0.019）（P<0.001），后两者间无显著差异P=0.678。

（3）人群主效应显著，F（1，22）=6.444，P=0.019，偏η2=0.227，篮球运动员的追踪正确率高于普通大学生（0.821±0.016 vs.0.764±0.016 ）。

（4）目标数量和重现位置的交互作用显著，F（3，66）=4.599，P=0.006，偏η2=0.0173。对该交互作用做进一步分析发现，在各个位置上，追踪数量为2的表现均显著高于追踪数量为4 的表现（P<0.01）（见图3）。当目标数量为2 时，预测点与消失点正确率的差值显著小于目标数量为4 时预测点和消失点正确率的差值（－0.0632 vs.－0.128，P=0.004）。即目标数较少（2个）时，预测点的正确率更接近于消失点，说明当目标数量较多时，预测点的优势减弱。

图3 不同追踪个数与不同重现位置条件下的追踪正确率

（5）其他交互作用均不显著。

1.4 小结

实验一结果显示，当目标重现在消失点时，追踪正确率高于重现在其他位置，说明多目标追踪基于感知到的物体位置，人在追踪时会将目标消失的位置保存在工作记忆中，将其与重现的目标对应，支持了“位置假说”。另一方面，当目标重现在沿轨迹运动的预测点时，虽然追踪正确率低于消失点，但好于轨迹旋转90度点，说明当目标消失时，人在做轨迹预测，预测目标按照原方向继续运动应当到达的位置，符合“轨迹预测假说”。目标数量和重现位置的交互作用说明当目标数量较少时，人能更好地做轨迹预测，而当目标数量较多时，轨迹预测能力下降。人群类型与重现位置无交互作用，说明篮球运动员和普通大学生都具有轨迹预测能力。

综上，实验一结果与假设一、二相符，结果既支持“位置假说”，又符合“轨迹预测假说”，说明多目标追踪中位置优势和轨迹预测都是存在的。更进一步，位置的优势是稳定的，轨迹预测是不稳定的，受可用的认知资源的影响，当目标数量增加，认知资源不足时，轨迹预测减少。

然而，实验一结果与假设三并不完全相符，尽管篮球运动员的整体追踪能力强于普通大学生，但篮球运动员在实验一中并未表现出轨迹预测相对于普通大学生的优势。这有可能是因为轨迹预测受消失物体运动距离的影响，当距离短时，所有人均可做出准确预测。因此，本研究开展了实验二，检验是否当运动距离增长时篮球运动员会表现出优势。为此，实验二中的重现位置增加了“预测点远点”，即预测点沿轨迹继续向前的位置，考查当目标重现于运动距离更长的预测点远点即轨迹预测更难时，是否仍有轨迹预测，此时篮球运动员是否比普通大学生有轨迹预测优势。

2 实验二

2.1 研究目的与假设

本实验的目的是检验当延长了重现位置与消失点的距离后，受试者是否仍可对运动轨迹进行预测，以期通过加大轨迹预测难度进一步考查篮球运动员在多目标追踪表现及运动轨迹预测的具体优势，并对机制问题进行进一步验证。

假设一：随重现位置与消失点距离的增加，追踪正确率降低，即重现位置为预测点远点时的正确率低于预测点，预测点远点和预测点时的正确率又低于消失点。

假设二：篮球运动员的轨迹预测能力更强，当目标重现于预测点远点时追踪正确率高于普通大学生。

2.2 研究方法

2.2.1 研究受试者

运动员人群为新招募的北京某大学篮球二级运动员12 人，均为男性，运动年限为3年及以上，平均年龄为20.42±1.44岁。非运动员人群为新招募的北京某大学普通大学生12人，均为男性，无运动等级，平均年龄22.75±2.05 岁。所有人的视力或矫正视力正常，无色盲和色弱。

2.2.2 仪器与材料

实验仪器和实验材料同实验一。追踪对象的重现位置与实验一有所不同，分别为消失点、预测点、预测点远点、预测点逆时针90度点和预测点顺时针90度点（见图4），且位移距离均离预测点2.7 度。预测点远点是指以预测点为起点，按消失点到预测点的距离延长后到达的位置；预测点顺/逆时针90度点是指以预测点为圆心，预测点到预测远点的轨迹长为半径，顺/逆时针旋转90 度到达的位置。关于物体消失后的运动方向与实验一相同，即物体消失并再次出现后将沿原运动方向继续运动。

图4 实验二的目标重现位置设置

2.2.3 实验设计和实验程序

实验设计与实验一类似，为2（人群：篮球运动员，普通大学生）×2（目标数量：2，4）×5（重现位置：消失点、预测点、预测点远点、预测点逆时针90度点、预测点顺时针90 度点）三因素混合实验设计，其中人群为组间因素，目标数量和重现位置为组内因素。组内因素的2×5 共10 种实验处理以组块（block）方式呈现，每个组块包含15 个试次（trial）。每个试次的时间为10 s，两个组块之间可以短暂休息15 s，整个实验大约需要35至45分钟。具体实验程序同实验一，受试者用鼠标点选目标对象停止后的位置，由此计算追踪正确率。

2.2.4 统计学方法

实验结果用平均数±标准差（）表示，采用SPSS 22 对数据进行统计分析。正确率的计算方法同实验一。对追踪正确率进行2（人群：篮球运动员，普通大学生）×2（目标数量：2，4）×5（重现位置：消失点、预测点、预测点远点、预测点逆时针90度点、预测点顺时针90 度点）的重复测量方差分析，其中人群为组间变量，目标数量和对象重现位置为组内变量。P<0.05为差异具有统计学意义。

2.3 结果

篮球运动员和普通大学生在不同目标数量条件下、对象重现于不同位置时的追踪正确率见表3。

表3 不同人群在不同重现位置和不同追踪目标个数下的追踪正确率

重复测量方差分析结果如表4所示。

表4 不同人群在不同重现位置和不同追踪目标个数下追踪正确率的差异检验

（1）目标数量主效应显著，F（1，22）=73.556，P<0.001，偏η2=0.770。目标数为2时的追踪表现优于目标数为4时的追踪表现。

（2）重现位置主效应显著，F（4，88）= 93.372，P<0.001，偏η2=0.809。成对比较分析，发现消失点（0.897±0.009）追踪正确率显著高于预测点（0.815±0.019）、预测点远点（0.665±0.018）、逆时针90 度点（0.677±0.021）以及顺时针90度点（0.674±0.018）（均P<0.001）。预测点追踪正确率显著高于预测点远点、逆时针90 度点以及顺时针90 度点（P<0.001）。预测点远点、逆时针90 度点、顺时针90 度点三者之间无显著差异。

（3）人群主效应显著，F（1，22）=6.371，P=0.019，偏η2=0.225，篮球运动员的追踪正确率高于普通大学生。

（4）重现位置与人群类型交互作用显著，F（4，22）=5.659，P<0.001，偏η2=0.205。进行简单效应分析，发现重现位置为预测点远点时，篮球运动员的追踪正确率（0.743±0.020）显著优于普通大学生（0.586±0.026），P<0.01，偏η2=0.455。重现位置为预测点时，两类人群的差异也达到显著水平，篮球运动员的追踪正确 率（0.855±0.027）优于普通大学生（0.776±0.027），P=0.046，偏η2=0.169。在其它重现位置上，篮球运动员与普通大学生无显著差异（见图5）。

图5 不同人群在不同重现位置下的追踪正确率

（5）其他交互作用均不显著。

（续表4）

2.4 小结

实验二与实验一结果基本一致，也显示出了消失点和预测点的优势，以及篮球运动员的多目标追踪能力相对于普通大学生的总体优势。更重要的是，实验二发现当目标重现于预测点远点时，篮球运动员的追踪正确率好于普通大学生，说明篮球运动员对轨迹预测延伸得更远，能更有效地预测更远的位置。综上，实验结果说明位置优势是稳定的，轨迹预测受运动距离和人群影响，当延长了重现位置与消失点的距离后，篮球运动员表现出相对于普通人的优势。

3 总讨论

3.1 对“位置假说”和“轨迹预测假说”的检验与拓展

实验一与实验二结果都显示，重现位置为消失点时，多目标追踪正确率最高，说明人在追踪多个运动目标时会在工作记忆中保存当前感知到的目标位置，支持了“位置假说”。同时，实验结果也显示，预测点正确率显著高于重现位置偏离轨迹时（如消失点逆时针90度点和顺时针90 度点）的正确率，说明人在追踪时也在进行轨迹预测，将注意分布于目标预期将到达的位置，支持了“轨迹预测假说”。本研究的结果表明两种理论可以并存，多目标追踪中既有位置记忆也有轨迹预测，说明人是使用含有位置及运动信息的视觉索引[18-19]或包含多维度信息的客体档案实现追踪[20]。

更进一步，本研究发现，多目标追踪中位置记忆相对更具优先性，表现为消失点处的追踪正确率总好于包括预测点在内的其他位置，而轨迹预测可能受到多种因素（如目标数量、运动距离、人群特点、消失时间等）的影响而削弱，使得预测点的优势减小。其中一个重要影响因素是追踪目标的数量。实验一结果显示，当追踪目标数量由2 增加到4 时，预测点的优势减小，可能是因为轨迹预测需要占用认知资源。当少量目标被追踪并且目标特征趋于恒定或其变化可预见时，视觉系统可利用运动轨迹信息来预测目标位置；目标数量越多，每个目标分得的资源越少[21]，预测效力也就越差。此外，影响轨迹预测的因素还有运动距离和人群特点。实验二结果显示，当目标消失后，重现于比预测点更远的位置，也就是重现于预测点远点时，正确率相对于预测点进一步降低，且在此位置上篮球运动员的正确率表现出相对于普通大学生的优势。结果说明消失物体运动距离越长，其轨迹越难以预测；篮球运动员可能由于其运动项目要求，需长期训练在篮球场上各种掩护挡拆情境下预测球员的跑位和传球线路，因而在轨迹预测较难的情境中表现出相对于普通大学生的优势。其他可能影响轨迹预测的因素还包括物体消失时间的长短。本研究中物体消失的时间相对较短，为300 ms，以往研究中多为300 至500 ms，甚至长达900 ms[9，22-23]。轨迹预测可能会快速消退，消失时间越短，轨迹预测的印象越鲜明清晰，因而本研究中即便追踪4个目标时也表现出预测点的优势；而消失时间越长，则轨迹预测的印象越模糊，因而以往研究中只在追踪1或2个目标时发现轨迹预测的优势[24-26]，甚至完全没有轨迹预测的优势[8]。

3.2 篮球运动员多目标追踪和轨迹预测能力的优势

本研究结果显示，篮球运动员的多目标追踪正确率高于普通大学生。这与以往对篮球和足球运动员的多目标追踪研究结果一致[5，7，27]，表明集体球类项目运动员的动态注意能力强。集体球类项目运动员需持续观察场上形势，注意多名对手、队友以及球的位置，良好的多目标追踪能力有助于运动员把握局势，做出快速有效的决策。Faubert等的研究以精英和普通集体球类运动员为受试者，结果发现精英运动员和普通运动员在多目标追踪过程中比业余运动员表现更好，而且学习效率更高[28]。Qiu等的研究中，选用了篮球一级和二级运动员探究知觉-认知任务中运动技能和大脑活动之间的关系，发现篮球一级和二级运动员神经效率更高，多目标表现比非运动员更好[29]。本研究以篮球二级运动员为受试者，也发现他们在多目标追踪正确率上比普通人有明显优势。

篮球运动员还表现出追踪过程中轨迹预测能力的优势。运动员不仅需要了解此时此刻场上的人和球的位置，还需要把握场上形势的发展，预测接下来多名对手、队友和球将运动到什么位置，而且经常是在面对掩护挡拆等视线受遮挡的情境下进行预测。本研究结果显示，普通人也能进行轨迹预测，但仅限于预测运动目标下一刻即将到达的位置。而篮球运动员不仅能预测运动目标即将到达的位置，而且预测其更远位置的能力强于普通人。这有助于篮球运动员对球场上的形势做出预判，对运动延伸更远时将出现的场景进行反应准备，从而在其出现时能快速做出动作反应。

篮球运动员的整体追踪优势可能来自于对运动信息的充分加工和记忆。篮球运动员可能更接近一个“理想的观察者”，在追踪多个目标时，能利用运动方向、位置信息和客体特征信息来建立客体对应性[30]；同时，将每个目标的信息存储在视觉工作记忆中，注意焦点在各目标上快速切换以刷新其信息[24，31，32]，并依据当前运动方向外推目标位置，以补偿在注意焦点刷新其它目标时对该目标信息的时间延迟和工作记忆表征精确性下降[33]。

除了篮球运动员具备上述的加工特点和优势外，表征动量也许能进一步解释篮球运动员对于短暂消失后的目标的轨迹预测优势。表征动量指观察者对正在运动目标的最终位置的记忆会沿着物体运动的方向发生偏移[34]。以往研究显示，使用平滑运动范式和高速向右运动条件下，表征动量在排球和足球运动中初步表现出专家-新手效应[35]；采用经典的表征动量范式，发现具有多年训练经验的羽毛球专家相比毫无球类运动经验的大学生表现出更大的表征动量效应[36]。即前人研究均表明在运动领域，大多存在专家-新手效应，专家表现出更大的表征动量效应。在本研究中，篮球运动员的表征动量的优势可能有助于篮球运动员成功地进行距离延伸更远的、难度更大的轨迹预测。

本研究结果可为篮球运动员的选材和训练提供借鉴。以往运动员选材的遗传学研究多集中在对人格和智力的探讨，而其他心理指标的遗传度研究较少[37]。未来可以纵向追踪篮球运动员的多目标追踪与轨迹预测能力，进一步探讨遗传和训练对运动员认知优势的作用。

4 结论

本研究结果表明：（1）多目标追踪中的“位置假说”与“轨迹预测假说”是并存的。其中，位置的优势是稳定的，轨迹预测是不稳定的，容易受到目标数量、运动距离、人群等因素的影响；（2）篮球运动员的多目标追踪和轨迹预测能力具有优势。篮球运动员的多目标追踪整体正确率相对较高。篮球运动员不仅能预测目标沿轨迹运动即将到达的位置，而且预测目标沿轨迹运动更远位置的能力强于普通大学生。