英超单场跑动距离记录表-英超单场跑动距离记录

我去，英超有比贝尔跑得更快的吗

EA英超速度榜（单位：公里/小时）

1 瓦尔迪?莱斯特城?35.44

2?施鲁普?莱斯特城?35.25

3 比利-琼斯?桑德兰?35.07

4?阿尔布莱顿?莱斯特城?35.00

5 摩西?西汉姆?35.00

6 德莱特?莱斯特城?34.97

7 比莱姆-迪乌夫?斯托克城?34.97

8?詹金森?西汉姆联 34.89

9 查理-丹尼尔斯?伯恩茅斯?34.86

10 维斯-摩根?莱斯特城?34.76

北京时间2014年12月13日，在皇马对阿尔梅里亚时，贝尔跑出了他的极限时速，时速达到了34.29公里。在皇马队内，贝尔是唯一一个时速超过34公里的球员。不过在西甲范围内，贝尔的速度只排在第三位。

瓦伦西亚的菲古利和阿尔梅里亚的米歇尔，分别跑出过35.53公里和35.42公里的时速。贝尔2014-2015赛季的平均时速，达到了29.92公里，这一数据在皇马队内排名第二。

小豌豆平均时速达到了30.09公里，不过墨西哥人出场机会不多，数据样本并不太充分。贝尔2014-2015赛季的平均跑动距离，为8.69公里。在皇马队内，这一数据排在第四位，他的跑动距离仅仅逊色于J罗、马塞洛和佩佩。贝尔不但跑得快，而且跑得多。奔跑吧，兄弟！ 西甲也流行速度狂魔了？

弗格森靠经验拒绝亨德森，球员健康是经验还是数据说了算？

在现代 科技 的推动下，大数据逐渐渗透到 体育 领域，大数据技术在足球这项世界第一大运动中更是被广泛应用。之前为球迷朋友们介绍了鲁能青训大数据后台与训练和比赛相关的内容，这次我们来为大家介绍大数据的医疗如何记录球员的伤病情况并且如何采取相关措施预防球员未来可能的伤病。

如果说天赋决定一个球员能否走上职业足球之路，那么伤病将决定一个球员在职业道路上能走多远。有着太多太多有天赋的球员因为伤病而未能达到人们期许的高度，“外星人”罗纳尔多，20岁就获得世界足球先生称号，没有伤病他可能是贝利、马拉多纳之后的又一个球王；范巴斯滕，荷兰三剑客锋线上的舞者，没有伤病他可能带领荷兰彻底摘掉“无冕之王”的帽子；卡卡，梅罗时代之前最后一个金球奖获得者，没有伤病绝代双骄可能变成三国鼎立。如何让青训阶段的球员们远离伤病、顺利地成长为一名职业球员，医疗支持也是大数据后台的重要作用之一。

大数据在医疗方面的应用

足球运动员在赛场和训练场上可能遭受的伤病多种多样，既有频繁跑动造成的各种肌肉和软组织伤病，也有拼抢导致的骨折甚至脑震荡等等。伤病分类在个人大数据医疗的首界面，运动员几乎所有的常见病情都通过人体肌肉骨骼图被分好类别，球员受伤后队医将球员的伤病类型和诊断分门别类地录入系统。大数据系统会自动地记录球员的伤病时间（队医标注球员痊愈后，伤病记录自动停止，伤病时间在球员的出勤时间中也有相对的体现），相关队医将球员在伤病过程中的治疗方案和相关过程也会录入到大数据系统。对于较为严重的伤病，诸如骨折和韧带撕裂等疾病，球员可以去国内有专业的运动医学科的医院治疗，球员的影像资料也会被记录在大数据后台，球员也能通过个人的大数据后台账号查看自己的伤病记录和队医的治疗方案以及饮食恢复训练的建议。在专业医院和学校运动康复中心的双重帮助下，球员遵从医嘱，积极锻炼才能更快地从伤病中恢复过来。

大数据为鲁能青训的每支球队和球员都建立了伤病目录。它可以协助管理伤病和治疗过程，并将每一个运动员的数据记录在案以帮助理疗师监测运动员关键的 健康 数据，这增强了运动员的治疗效率。我们之前在训练篇提到的Catapult的穿戴设备，内部设置了陀螺仪、加速计等传感器，能够监测跑动距离、速度、变向、加速、减速、弹跳、心跳等多项数据，其实这些数据不止是对提高训练质量有很大帮助，之后这些数据将被传输到大数据后台，同时能让队医和运动员自己看清每个人的运动量，知道运动对球员 健康 的影响。

大数据在医疗应用上有待提高

运动监测器可以帮助人们及早发现运动员表现的变化，大数据通过整理运动监测器的数据使其变得更加可视化，并在一定程度上能显示 健康 趋势和伤病风险的增加。但是过量的运动也是导致伤病的重要原因，而提高运动员运动阈值和过量导致伤病的界限并不明显。

当前运动伤病预防的数据研究服务尚处 探索 期，球员主观意愿以及教练的经验判断仍是伤病预防和引援的主要指标。在引进亨德森的转会操作上，弗格森就因为他的跑步姿势问题而否决了这笔交易，后来亨德森饱受足底筋膜炎影响也证明了弗格森爵爷的远见，可是让所有人没有想到的是后来改变踢球方式的亨德森反而带领利物浦拿到了杰拉德时期都没拿下的英超冠军，再看看曼联现在的中场人员，放弃引进亨德森究竟是对是错，无论是个人决断还是大数据恐怕谁也说不清吧。

前曼城队长孔帕尼在2015/16赛季因为肌肉拉伤休战6周，节礼日替补上场没踢几分钟，马上又是肌肉拉伤离场，这种打击对球队干扰极大。孔帕尼属于习惯性肌肉拉伤球员，曼城工作人员结合过去5年孔帕尼所有的受伤数据，反复分析后，认为需要让他稳定参加几次低对抗的比赛，才能适应正式比赛的节奏，这样就能避免重复受伤。与之相似的是我们的大数据扮演的也是一个提供经验的地方，球队主帅通过在大数据后台查看球员的伤病史，才能更好地确定球员的伤病类型，并通过球员在训练中的表现，判断球员是否能在关键的比赛中上场为球队的胜利贡献力量。

大数据在运动训练中应用的核心就是预测，实质是从数据中寻找规律，提升认知能力，从而进行预测并指导决策。传统的人工记录球员训练表现，存在易受主观因素影响、工作量过大、统计不准以及资料保存不易等缺陷，我们现在使用的大数据系统更能够即时、全面地生成具有训练指导价值的、足够体量的数据。

相信未来能有更专业的技术人员通过分析大量的 历史 数据和实时数据来准确预测、追踪和计算伤病风险，加之专业的运动医疗团队帮助球员及时采取干预和治疗措施。

足球比赛场上球员的跑动距离是怎么测出来的？

参考足球周刊第320期，“数字化英超也第一”一文，其中介绍：总部设在德国杜塞尔多夫的数据公司mastercoach是测量比赛球员各项数据的佼佼者。该公司为多家欧洲俱乐部聘用进行分析，同时也为德国国家队提供服务。在数据取样的比赛中，赛场内安装8部具有热成像功能的高级照相机，并用这些摄像机记录比赛的全过程。摄像机拍录下的信息会被一套超级复杂的分析软件分解，而最终的结果就是客户看到的，详细无比的数据被分门别类地统计出来。

参考资料：