抽象运动模型可以随着时间的推移预测玩家(或对象)的位置,因此对于分析时空数据是至关重要的,因为它经常在运动分析中使用。现有运动模型要么是根据物理原理设计的,要么完全由数据驱动。然而,前者遭受过多的简化,无法实现可行和可解释的模型,而从当前的角度来看,后者依赖于计算上的昂贵,非参数密度估计并需要多个估计器,每个估计值都负责不同类型的运动(例如,例如不同的速度)。在本文中,我们提出了一个基于归一化流量的统一上下文概率运动模型。我们的方法通过直接优化可能性来了解所需的密度,并仅维护一个可以在辅助变量上进行条件的单个模型。对所有观察到的运动类型同时进行训练,从而导致有效而有效的运动模型。我们对专业足球的时空数据进行经验评估我们的方法。我们的发现表明,我们的方法的表现超过了最高的状态,而相对于汇编时间和内存要求,数量级的效率更高。
主要关键词