本文目录导读：
在PHP项目中实现“两队中场控制力对比”，核心是把足球领域的中场控制力拆解成可计算的数据指标，再用PHP做数据聚合、对比和可视化,下面从指标设计到代码实现完整讲一遍。
先定义：什么是“中场控制力”
中场控制力本质是：谁在中场区域掌控了球权、传球和节奏,可以拆成几类可量化指标：
| 维度 | 具体指标 | 数据来源 |
|---|---|---|
| 控球 | 控球率、中场区域触球次数 | 统计API |
| 传球 | 传球成功率、向前传球数、传球次数 | 事件数据 |
| 推进 | progressive passes（向前推进传球）、带球推进 | 事件数据 |
| 防守 | 中场拦截、抢断、夺回球权 | 事件数据 |
| 对抗 | 中场一对一成功率、空中对抗 | 事件数据 |
| 位置 | 平均站位、活动热区 | 坐标数据 |
数据获取
常见来源：
- 付费API：Opta、StatsBomb、Sportmonks、API-Football
- 免费/开源：StatsBomb Open Data（JSON格式,很适合练手）
- 自采：爬取或手动录入
以 StatsBomb 开放数据为例，事件是 JSON，每个事件带坐标 location: [x, y]。
PHP实现思路
定义中场区域
球场坐标通常 x: 0–120，y: 0–80，中场区域大致是 x 在 40–80 之间：
function isMidfield(array $location): bool {
[$x, $y] = $location;
return $x >= 40 && $x <= 80;
}
从事件流中筛选中场事件
$midfieldEvents = array_filter($events, function ($e) {
return isset($e['location']) && isMidfield($e['location']);
});
按球队聚合指标
function analyzeMidfield(array $events, string $team): array {
$stats = [
'touches' => 0,
'passes' => 0,
'passes_completed' => 0,
'progressive_passes' => 0,
'interceptions' => 0,
'recoveries' => 0,
'duels_won' => 0,
];
foreach ($events as $e) {
if (($e['team']['name'] ?? '') !== $team) continue;
if (!isset($e['location']) || !isMidfield($e['location'])) continue;
$type = $e['type']['name'] ?? '';
$stats['touches']++;
switch ($type) {
case 'Pass':
$stats['passes']++;
$end = $e['pass']['end_location'] ?? null;
if ($end && $end[0] > $e['location'][0] + 10) {
$stats['progressive_passes']++;
}
// 判断是否成功：下一个事件是否同队
if (($e['pass']['outcome']['name'] ?? 'Complete') === 'Complete') {
$stats['passes_completed']++;
}
break;
case 'Interception':
$stats['interceptions']++;
break;
case 'Ball Recovery':
$stats['recoveries']++;
break;
case 'Duel':
if (($e['duel']['outcome']['name'] ?? '') === 'Won') {
$stats['duels_won']++;
}
break;
}
}
$stats['pass_accuracy'] = $stats['passes'] > 0
? round($stats['passes_completed'] / $stats['passes'] * 100, 1)
: 0;
return $stats;
}
对比两队
$teamA = analyzeMidfield($events, 'Barcelona');
$teamB = analyzeMidfield($events, 'Real Madrid');
$metrics = ['touches', 'passes', 'progressive_passes', 'interceptions', 'recoveries', 'duels_won', 'pass_accuracy'];
foreach ($metrics as $m) {
$a = $teamA[$m];
$b = $teamB[$m];
$total = $a + $b;
$aShare = $total > 0 ? round($a / $total * 100, 1) : 50;
printf("%-20s A: %5s (%s%%) B: %5s (%s%%)\n", $m, $a, $aShare, $b, 100 - $aShare);
}
综合“控制力指数”
给不同指标加权，得到一个0–100的控制力分数：
function controlIndex(array $s): float {
$weights = [
'touches' => 0.15,
'passes' => 0.15,
'pass_accuracy' => 0.20,
'progressive_passes' => 0.20,
'interceptions' => 0.10,
'recoveries' => 0.10,
'duels_won' => 0.10,
];
// 每项先归一化到 0-1（需要跟对手或联赛均值比）
// 这里简化：假设已归一化
$score = 0;
foreach ($weights as $k => $w) {
$score += $s[$k] * $w;
}
return round($score, 2);
}
更严谨的做法是先对两队每个指标做归一化,再算综合分：
function normalizedShare($a, $b): array {
$t = $a + $b;
if ($t == 0) return [50, 50];
return [round($a / $t * 100, 1), round($b / $t * 100, 1)];
}
进阶：更贴近真实“控制力”的做法
- 传球网络分析：统计中场球员之间的传球连线密度,识别核心组织者。
- 空间控制（Pitch Control）：用球员位置计算对球场各区域的控制概率，更接近“控制力”本质。
- 时间维度：按15分钟分段，看控制力随比赛走势变化（适合出折线图）。
- 对手强度修正：同样数据面对强队/弱队含金量不同,可引入对手系数。
可视化
PHP后端算完数据,前端用：
- 雷达图：多维指标对比两队（ECharts / Chart.js）
- 条形图：各指标占比
- 热力图：中场触球分布
// 输出给前端
echo json_encode([
'teamA' => $teamA,
'teamB' => $teamB,
'control_index' => [
'A' => controlIndex($teamA),
'B' => controlIndex($teamB),
],
]);
最小可运行示例结构
project/
├── data/
│ └── match_events.json # StatsBomb格式事件
├── src/
│ ├── MidfieldAnalyzer.php # 核心分析类
│ └── PitchZone.php # 区域判断
├── public/
│ └── index.php # 输出API
└── composer.json总结一句话
用PHP读事件数据 → 筛中场区域事件 → 按球队聚合传球/推进/拦截等指标 → 归一化对比 → 加权算控制力指数 → 前端可视化。 数据质量决定上限，指标权重决定结论，建议先用 StatsBomb 开放数据跑通流程再接入真实API。
