許多球迷或許都在奇怪為什么如此多的NBA球員在罰球線(xiàn)上掙扎，比如說(shuō)洛杉磯湖人隊(duì)的德懷特-霍華德。他在10月30的首場(chǎng)比賽中只投出了14罰3中的命中率，低于上賽季50%的命中率。最新的研究或許可以為霍華德和其他掙扎在罰球線(xiàn)上的NBA球星提供一個(gè)方法來(lái)準(zhǔn)確鑒定出為什么他們的罰球會(huì)偏出。

研究人員借助3D光學(xué)追蹤系統(tǒng)的數(shù)據(jù)研究了2010-2011NBA賽季中20位球員的2400多個(gè)罰球軌跡。研究人員推斷大多數(shù)情況下有1-2個(gè)因素是造成失誤的主要原因，但是罰球成功和失敗的原因并不一致，每個(gè)球員都是以自己的方式出現(xiàn)罰球失誤。來(lái)自金融領(lǐng)域的研究小組研究了如何通過(guò)技術(shù)方法來(lái)分析和處理這些龐大的數(shù)據(jù)。紐約理工學(xué)院的財(cái)務(wù)工程系教授Philip Maymin認(rèn)為許多方法都適用于分析體育運(yùn)動(dòng)。Maymin說(shuō)道：“我們嘗試在做的是將金融研究的洞察力、工具和技術(shù)應(yīng)用于籃球。”

研究人員根據(jù)一個(gè)物理模型調(diào)查了罰球的飛行軌跡，這個(gè)物理模型考慮了五個(gè)主要因素，包括旋轉(zhuǎn)、投球高度、速度、角度和左右誤差。他們的分析能夠?yàn)槊恳淮瘟P球失誤都?xì)w納出一個(gè)原因，比如說(shuō)投球太用力或者投籃不準(zhǔn)。這些球員似乎存在不同的失誤原因。Maymin說(shuō)道：“最主要的結(jié)果是每個(gè)人的問(wèn)題都不同，如果你觀看達(dá)拉斯小牛隊(duì)德克-諾維茨基的失誤，它們完全不同于紐約尼克斯對(duì)泰森-錢(qián)德勒的失誤。”

北卡羅來(lái)納州大學(xué)機(jī)械與航空工程系的一位教授拉里-西爾弗伯格之前研究過(guò)罰球和打板投籃，他認(rèn)為研究人員問(wèn)了一個(gè)有趣的問(wèn)題：“這是我所看到的第一次真正嘗試分析球員什么做的對(duì)什么做的不對(duì)。通過(guò)監(jiān)測(cè)軌跡，你能夠更系統(tǒng)的分析出存在什么問(wèn)題然后有可能給予球員更容易改善問(wèn)題的機(jī)會(huì)。”

這些數(shù)據(jù)是由STATS LLC公司提供的，這家公司專(zhuān)門(mén)從事體育數(shù)據(jù)的收集、分類(lèi)和分析。他們使用了一種名為SportVU的系統(tǒng)來(lái)收集籃球比賽和其它體育賽事的連續(xù)數(shù)據(jù)。這個(gè)系統(tǒng)被用于收集位置數(shù)據(jù)。在籃球比賽中六臺(tái)攝像機(jī)以25次每秒的速度收集10名球員、裁判和籃球的位置數(shù)據(jù)。這種系統(tǒng)目前配備于13座NBA球館當(dāng)中。這個(gè)系統(tǒng)提供的大量數(shù)據(jù)也使這項(xiàng)新研究有可能實(shí)現(xiàn)。

這些數(shù)據(jù)能讓科學(xué)家為教練和球員提供一種新型的目標(biāo)信息。西爾弗伯格說(shuō)道：“許多體育運(yùn)動(dòng)中都需要使靜止物體運(yùn)動(dòng)，比如說(shuō)一個(gè)籃球。在所有那些體育運(yùn)動(dòng)當(dāng)中，你能夠分析那些靜止物體的軌跡，這比分析人體運(yùn)動(dòng)相對(duì)簡(jiǎn)單一些，因?yàn)槿梭w有著更復(fù)雜的運(yùn)動(dòng)。”研究人員也只使用了一小部分?jǐn)?shù)據(jù)進(jìn)行這項(xiàng)研究。同類(lèi)型的光學(xué)追蹤數(shù)據(jù)能夠讓另一組研究人員以前所未有的水平研究打板球。其它的分析能夠更深入的了解防守和過(guò)人動(dòng)作，甚至能夠收集到從未出現(xiàn)過(guò)的個(gè)人技術(shù)統(tǒng)計(jì)，比如說(shuō)一場(chǎng)比賽中每個(gè)球員的跑動(dòng)距離。