NFL中受伤情况仅靠大数据技术难以预测

 大数据的世界不只是一个单一的、巨大的计算机网络，而是一个由大量活动构件与多元参与者元素所构成的生态系统，终端设备提供商、基础设施提供商、网络服务提供商、网络接入服务提供商、数据服务使能者、数据服务提供商、触点服务、数据服务零售商等等一系列的参与者共同构建的生态系统。而NFL希望大数据工具可以减少每次职业足球比赛中脑震荡，韧带撕裂和其他伤害的发生。

目前，每场比赛的伤病数稳定在平均六七。《华尔街日报》本周报道，联盟工程师正在与Amazon Web Services一起将机器学习和人工智能工具应用于玩家数据，希望能找到通常会导致受伤的游戏情况。预测伤害是具有挑战性的，因为有很多因素可能导致可能的伤害，从特定一天的运动员身体特征到球场上的轻微摔伤。研究表明，一名运动员可能具有五种属性，使他们有受伤危险，但仍然没有受伤，但另一名运动员看起来可能很好，第二天就撕裂了韧带。“这只是一个非常困难的问题，”宾尼说。

杰夫说：“最终，我们将能够确定受伤风险的情况，并能够预测受伤风险的情况，并且我们将能够找到创新，使我们的运动员在保持高水平比赛质量的同时更加安全。” NFL工程委员会主席Crandall在节目宣布时说。NFL和亚马逊拥有大量资源可供使用。但是，很难预测伤害，尤其是在诸如足球这样的混乱运动中。“这是圣杯。每个人都想这样做，没人能做到。”流行病学专家兼顾问扎卡里·本尼(Zachary Binney)说，他曾与美国职棒大联盟和大学运动队一起预防伤害。“我一直持怀疑态度，直到看到结果为止。”

亚马逊网络服务合作伙伴关系将尝试利用NFL下一代统计数据中的联赛水平数据来弥补这一差距，该数据通过其垫板上的微芯片每分钟数百次为该场比赛的每个球员捕获位置数据，速度和加速度。据NFL报道，它还包括游戏的视频片段，有关比赛场地和环境因素的信息以及匿名的球员伤害数据。Binney说，它没有收集有关身体部位如何撞击地面或其他参与者的数据，这是一个限制。但是它可以细致地看到玩家如何以及以多快的速度进行比赛，改变方向或做出铲球。目的是找出足球中任何常见的元素是否比其他元素更可能导致任何伤害。宾尼说：“当宽幅接收器快速移动并转弯时，您可能会看到会发生什么，并且也许能够从中挑出一些东西。”

联赛级别的数据仅包括球员活动的一些度量。各个团队在其运动员上都有更详细的数据，通常跟踪诸如心率，疲劳，水合作用和其他指标之类的所有信息，所有这些因素都可能导致特定运动员受伤的风险。足球受伤的其他危险因素包括柔韧性，受伤历史，力量和身体成分。但是，许多特定于球员的数据都停留在团队水平上，以避免为对手提供有关其球员表现的潜在有用信息。

过去，NFL的员工手动检查了数百小时的游戏画面和头盔撞击，以识别导致伤害的情况，并进行了更改(例如更新启动规则)，目的是防止发生这种情况。Binney推测该项目可能会带来其他变化，但是他们能够收集的任何信息都可能具有其他价值。他说：“他们可以做的一件事就是把信息放到那里，告诉教练，当他们要求巡边员做某种障碍物或路线时，当我们看到坏事发生时，它会导致方向或减速的变化。”说。毕竟，要使运动员保持健康，这是教练的最大利益，而且冒险的比赛可能还有其他选择。

根据NFL发言人给The Verge的电子邮件，球员健康数据不会包含在伤害预测程序中。这可能会影响其预测能力。“这将真的很有趣。我不知道可能会产生什么影响，我也无法想象它们还会产生什么影响，”宾尼说。即使没有更详尽的信息，该联盟也拥有来自所有32支球队的运动员的数据，这为他们提供了更多的合作机会。宾尼说：“您失去了数据的某些分辨率，但增加了样本量。”如果NFL在伤害预测和预防方面的努力证明是有效的，那么它们也可以为其他体育运动提供路线图。Binney说这是积极的一步。“我很高兴看到它发生，尽管我对我们可能从中吸取多少持谨慎态度。”