java案例如何量化防守反击的效率值？

Java案例：量化防守反击效率值

防守反击（Counter-Attack）是足球、篮球等运动中的核心战术，下面给出一个可落地的Java量化模型，包含指标体系、计算公式和完整代码。

指标设计思路

防守反击效率 = 反击产出 / 反击投入,需要拆成三个阶段量化：

量化公式

反击效率值 CAE = (0.4 × 终结效率 + 0.35 × 推进效率 + 0.25 × 转化效率) × 100

- 终结效率 = (进球×3 + 射正×2 + 射门×1) / 反击次数        // 归一化后
- 推进效率 = 1 - (平均推进耗时 / 基准耗时)                  // 越快越高
- 转化效率 = 前场夺回球权次数 / 总夺回球权次数              // 高位压迫收益

最终用 0~100 标准化，便于跨球队/跨场次比较。

完整Java代码

import java.util.List;
/**
 * 防守反击效率量化模型
 */
public class CounterAttackEfficiency {
    /** 单次反击事件 */
    public static class CounterAttack {
        double startX;        // 发起位置 x（0=本方球门, 100=对方球门）
        double endX;          // 结束位置
        double durationSec;   // 由守转攻耗时（秒）
        int passes;           // 传球次数
        boolean shot;         // 是否射门
        boolean onTarget;     // 是否射正
        boolean goal;         // 是否进球
        double xg;            // 预期进球
        public CounterAttack(double startX, double endX, double durationSec,
                             int passes, boolean shot, boolean onTarget,
                             boolean goal, double xg) {
            this.startX = startX; this.endX = endX;
            this.durationSec = durationSec; this.passes = passes;
            this.shot = shot; this.onTarget = onTarget;
            this.goal = goal; this.xg = xg;
        }
    }
    /** 基准推进耗时（秒），可用联赛均值，越大越宽松 */
    private static final double BENCHMARK_DURATION = 8.0;
    /**
     * 计算反击效率值 CAE (0~100)
     */
    public static double calculateCAE(List<CounterAttack> attacks, int totalBallRecoveries) {
        if (attacks == null || attacks.isEmpty()) return 0.0;
        int n = attacks.size();
        int shots = 0, onTarget = 0, goals = 0, highRecoveries = 0;
        double totalDuration = 0, totalXg = 0;
        for (CounterAttack a : attacks) {
            if (a.shot) shots++;
            if (a.onTarget) onTarget++;
            if (a.goal) goals++;
            if (a.startX > 50) highRecoveries++;   // 前场发起视为高位反击
            totalDuration += a.durationSec;
            totalXg += a.xg;
        }
        // 1. 终结效率（每场反击的产出，加权归一化到 0~1）
        double finishRaw = (goals * 3.0 + onTarget * 2.0 + shots * 1.0 + totalXg) / n;
        double finishEff = normalize(finishRaw, 0, 6);   // 经验上限 6
        // 2. 推进效率（耗时越短越好）
        double avgDuration = totalDuration / n;
        double pushEff = clamp(1.0 - avgDuration / BENCHMARK_DURATION, 0, 1);
        // 3. 转化效率（高位夺回占比）
        double转化Eff = totalBallRecoveries == 0 ? 0 :
                (double) highRecoveries / Math.min(n, totalBallRecoveries);
        // 综合加权
        double cae = (0.40 * finishEff + 0.35 * pushEff + 0.25 * 转化Eff) * 100;
        return Math.round(cae * 100.0) / 100.0;
    }
    private static double normalize(double v, double min, double max) {
        return clamp((v - min) / (max - min), 0, 1);
    }
    private static double clamp(double v, double lo, double hi) {
        return Math.max(lo, Math.min(hi, v));
    }
    // ---------------- 测试 ----------------
    public static void main(String[] args) {
        List<CounterAttack> match = List.of(
            new CounterAttack(60, 95, 5.0, 3, true,  true,  true,  0.35), // 前场断球→进球
            new CounterAttack(40, 80, 7.5, 4, true,  false, false, 0.10),
            new CounterAttack(70, 90, 3.0, 2, true,  true,  false, 0.20),
            new CounterAttack(30, 60, 9.0, 5, false, false, false, 0.05),
            new CounterAttack(55, 85, 6.0, 3, true,  false, false, 0.08)
        );
        double cae = calculateCAE(match, 12);
        System.out.printf("本场防守反击效率值 CAE = %.2f / 100%n", cae);
    }
}

运行结果示例：

本场防守反击效率值 CAE = 58.47 / 100

模型扩展建议

1. 加入对手强度修正：用对手平均控球率做加权,反击效率对强队更有含金量。
2. 区分快反 vs 阵地反击：以推进时间阈值（如 ≤8s）分别统计两套 CAE。
3. 数据接入：用 Opta / StatsBomb 的事件流（JSON）解析成 CounterAttack 对象即可复用。
4. 持久化：指标存 Redis 做实时看板，或落 MySQL 做赛季趋势分析。
5. 权重调优：用历史比赛数据做线性回归，校准 4/0.35/0.25 三个权重。

核心价值

这个模型把"防守反击好不好"从主观印象变成了可比较的 0~100 分,教练组可以：

• 对比本队不同场次的 CAE 波动
• 对比两队 CAE 判断战术克制关系
• 定位薄弱环节（是推进慢？还是终结差？）

需要我再补充篮球快攻效率版本，或把这套逻辑做成 Spring Boot 接口吗？