php项目如何量化球员的跑动覆盖面积？

PHP项目如何量化球员的跑动覆盖面积？

量化球员跑动覆盖面积本质是轨迹数据的空间分析问题，核心流程：采集轨迹 → 预处理 → 计算覆盖指标（多边形面积/网格覆盖/凸包），下面给出可落地的方案。

数据基础

需要球员的时序位置数据（通常来自 GPS 背心、光学追踪系统如 Hawk-Eye、或视频 AI 追踪）：

// 每条记录: [player_id, timestamp, x, y]  单位: 米
$points = [
    ['x' => 10.2, 'y' => 5.1, 't' => 1000],
    ['x' => 12.5, 'y' => 5.8, 't' => 1200],
    // ...
];

前提：坐标系已转换为场地平面坐标（米），并做过卡尔曼滤波平滑去噪。

三种量化方法对比

实战推荐：主指标用网格覆盖（Grid Coverage），辅以凸包面积和轨迹总距离。

PHP 实现（不依赖 GIS 库）

网格覆盖法（推荐）

function gridCoverage(array $points, float $cellSize = 1.0): array
{
    $visited = [];
    foreach ($points as $p) {
        $gx = (int) floor($p['x'] / $cellSize);
        $gy = (int) floor($p['y'] / $cellSize);
        $visited["$gx,$gy"] = true;
    }
    return [
        'cells'  => count($visited),
        'area'   => count($visited) * $cellSize * $cellSize, // m²
        'grid'   => array_keys($visited), // 可用于 heatmap
    ];
}

输出示例：['cells'=>820, 'area'=>820.0] 表示覆盖 820 m²。

凸包面积（Andrew Monotone Chain）

function convexHull(array $pts): array
{
    usort($pts, fn($a,$b) => [$a['x'],$a['y']] <=> [$b['x'],$b['y']]);
    $cross = fn($o,$a,$b) => ($a['x']-$o['x'])*($b['y']-$o['y']) - ($a['y']-$o['y'])*($b['x']-$o['x']);
    $lower = $upper = [];
    foreach ($pts as $p) {
        while (count($lower) >= 2 && $cross($lower[count($lower)-2], end($lower), $p) <= 0) array_pop($lower);
        $lower[] = $p;
    }
    foreach (array_reverse($pts) as $p) {
        while (count($upper) >= 2 && $cross($upper[count($upper)-2], end($upper), $p) <= 0) array_pop($upper);
        $upper[] = $p;
    }
    array_pop($lower); array_pop($upper);
    return array_merge($lower, $upper);
}
function polygonArea(array $hull): float
{
    $n = count($hull); $area = 0;
    for ($i = 0; $i < $n; $i++) {
        $j = ($i + 1) % $n;
        $area += $hull[$i]['x'] * $hull[$j]['y'] - $hull[$j]['x'] * $hull[$i]['y'];
    }
    return abs($area) / 2.0; // m²
}

轨迹缓冲带面积（近似）

真实"覆盖面积"应该是轨迹线的缓冲区并集，纯 PHP 精确做并集很麻烦，可用网格法近似：以球员臂展/半径（约 0.5m）为半径，把轨迹点所在的 3×3 邻域格全部标记。

function bufferedCoverage(array $points, float $cell = 0.5, int $r = 1): float
{
    $visited = [];
    foreach ($points as $p) {
        $gx = (int) floor($p['x'] / $cell);
        $gy = (int) floor($p['y'] / $cell);
        for ($i = -$r; $i <= $r; $i++)
            for ($j = -$r; $j <= $r; $j++)
                if ($i*$i + $j*$j <= $r*$r) $visited[($gx+$i).",".($gy+$j)] = true;
    }
    return count($visited) * $cell * $cell;
}

完整服务类示例

class MovementAnalyzer
{
    public function __construct(private array $points, private float $cell = 1.0) {}
    public function analyze(): array
    {
        return [
            'distance_m'     => $this->totalDistance(),
            'grid_area_m2'   => gridCoverage($this->points, $this->cell)['area'],
            'hull_area_m2'   => polygonArea(convexHull($this->points)),
            'avg_speed_ms'   => $this->avgSpeed(),
            'sprint_count'   => $this->sprintCount(),
            'duration_s'     => end($this->points)['t'] - $this->points[0]['t'],
        ];
    }
    private function totalDistance(): float
    {
        $d = 0;
        for ($i = 1; $i < count($this->points); $i++) {
            $dx = $this->points[$i]['x'] - $this->points[$i-1]['x'];
            $dy = $this->points[$i]['y'] - $this->points[$i-1]['y'];
            $d += sqrt($dx*$dx + $dy*$dy);
        }
        return $d;
    }
    private function avgSpeed(): float
    {
        $t = end($this->points)['t'] - $this->points[0]['t'];
        return $t > 0 ? $this->totalDistance() / $t : 0;
    }
    private function sprintCount(float $threshold = 7.0): int
    {
        $count = 0; $inSprint = false;
        for ($i = 1; $i < count($this->points); $i++) {
            $dt = $this->points[$i]['t'] - $this->points[$i-1]['t'];
            if ($dt <= 0) continue;
            $dx = $this->points[$i]['x'] - $this->points[$i-1]['x'];
            $dy = $this->points[$i]['y'] - $this->points[$i-1]['y'];
            $v = sqrt($dx*$dx + $dy*$dy) / $dt;
            if ($v > $threshold && !$inSprint) { $count++; $inSprint = true; }
            elseif ($v < $threshold * 0.7) $inSprint = false;
        }
        return $count;
    }
}

工程化建议

1. 数据层：轨迹数据量级大（一人一场约 1 万~10 万点），建议存 MySQL 分表或时序库（InfluxDB/TimescaleDB），PHP 只做分析层，不要一次全量载入。
2. 预处理：坐标变换（像素→米）、跳点剔除（速度异常点）、平滑（移动平均/卡尔曼），否则面积会虚高。
3. 时间窗口：分成 5 分钟 / 15 分钟 / 全场 / 各半场，避免单场均值掩盖战术特征（如边后卫下半场前插）。
4. 归一化：面积按"每 90 分钟"归一，便于跨场次、跨位置对比。
5. 性能：单次分析用 PHP 够用（万级点毫秒级）；如要批量出热力图，建议把网格聚合放到 SQL 或队列异步。

指标解读示例

注：没有绝对标准，需与同队/同位置基线对比才有意义。

一句话总结：用 PHP 采集并清洗轨迹点，主用网格覆盖面积、辅以凸包面积和轨迹距离，封装成服务类按时间窗口输出，再结合预处理和基线对比，就是一套可落地、纯 PHP 的球员跑动覆盖量化方案。