Análise de xogadas colectivas e estruturas de xogo no fútbol

Abstract

[Resumo]: O obxectivo principal é crear unha ferramenta web coa que sexa posible analizar xogadas colectivas específicas nun partido de fútbol. Isto é posible mediante o filtrado de momentos destacados do partido que cumpren as condicións desexadas polo analista, destacando os períodos ou instantes nos que o equipo é vulnerable. Por exemplo, a detección dos fragmentos de tempo nos que os defensas centrais están moi separados ou nos que presenta unha estrutura de especial interese para o analista. Complementariamente, a aplicación tamén permite a visualización de estatísticas globais do partido, como poden ser mapas de calor da posición dos xogadores ou a evolución da formación do equipo ao longo do encontro. Desta maneira, pódese avaliar o desempeño táctico e colectivo do equipo e realizar axustes estratéxicos que incrementen o nivel de xogo. Para facer posible esta análise, empregamos os datos da posición dos xogadores e do balón en cada fotograma de xogo, ademais doutros metadatos, os cales son mostrados na interface web. A metodoloxía empregada para realizar o proxecto foi incremental e iterativa. Empregáronse tecnoloxías como Flask (framework de python), HTML, CSS, JavaScript e Plotly (representación gráfica) para a aplicación web e Docker e PostgreSQL para a base de datos.[Abstract]: The main objective is to create a web tool that allows the analysis of specific collective plays in a football match. This is achieved by filtering key moments in the game that meet the conditions set by the analyst, highlighting periods or instances when the team is vulnerable. For example, detecting time segments when the central defenders are too far apart or when the team adopts a structure of particular interest to the analyst. Additionally, the application enables the visualization of global match statistics, such as heatmaps of player positions or the evolution of the team’s formation throughout the game. This allows for the assessment of the team’s tactical and collective performance and facilitates strategic adjustments to improve gameplay. To make this analysis possible, we use data on player and ball positions in each game frame, along with other metadata, which are displayed in the web interface. The project was developed using an incremental and iterative methodology. Technologies such as Flask (a Python framework), HTML, CSS, JavaScript, and Plotly (for graphical representation) were used for the web application, while Docker and PostgreSQL were employed for the database.