争球可能是冰球比赛中最为关键的瞬间之一。赢得争球的球员能够将比赛势头转向己方，并直接影响比赛结果。
想象一下，在比分胶着的比赛第三节末段，两名冰球运动员在冰面上面对面站立，等待争球。所有人都在猜测谁会先触碰到冰球。但在此之前，人们一直缺乏一种全面的方法来评估谁更有可能赢得争球。
为了弥补这一空白，国家冰球联盟（NHL）与亚马逊云科技（AWS）共同开发了“争球概率”（Face-off Probability），利用人工智能向分析师、球迷和球队提供实时争球预测。这是一项重要的技术突破，因为这是 AWS 推出的首个在比赛进行前而非进行中即可呈现的概率统计数据。
在比赛暂停期间，“争球概率”会根据场上的球员、争球位置以及当前比赛局势，预测谁将赢得即将到来的争球。该预测在不到一秒的时间内生成，并在比赛暂停期间持续更新，直到比赛计时钟重新启动为止。
致力于解决实时争球预测挑战的团队必须从头开始构建这套方法论。然而，鉴于 AWS 在体育领域打造数据驱动解决方案的丰富经验，以及与 NHL 之间深厚的技术合作关系——后者此前已推出了射门和扑救分析（2021年）——AWS 具备独特优势来生成解决方案。
将 AWS 机器学习（ML）应用于 NHL 数据
从零开始构建一个全新系统，以主动评估争球对阵情况并预测胜者，带来了重大的技术挑战。
NHL 与 AWS 使用了球员、冰球及追踪（PPT）数据，以及来自超过十年历史 NHL 冰球信息与追踪系统（HITS）统计数据的数十万次争球记录。这些数据源极其多样且复杂，需要整合诸如个人历史主客场争球统计数据、直接对阵历史记录、球员特征（如身高、体重和惯用手）以及比赛背景（如争球位置、比赛比分和争球发生时间）等信息。
这种历史成功率、球员对阵特征与比赛背景的结合，融合了 HITS 和 PPT 数据，为争球动态提供了完整而独特的视角。
适应新的争球对阵
“争球概率”还具有灵活性，能够根据比赛局势的变化调整预测。例如，如果一名球员因违规被替换出争球阵容，模型会根据来自场馆和球员佩戴传感器的实时 PPT 流式传感器数据，针对新的对阵情况更新预测。
预测在不到一秒的时间内完成，并在参与争球的球员发生变化时触发。当主要中锋被撤下争球位置并由成功概率不同的球员替换时，预测还会显示球队赢得争球概率的变化，这凸显了特定球员在争球圈中的重要性。除了提供两名争球球员的概率外，该工具还提供其他可能的争球组合配对，帮助转播团队突出潜在的对位情况，从而丰富球迷的观赛体验。
了解更多关于 Face-off Probability、其他分析数据，以及 AWS 如何与 NHL 合作改变冰球行业的信息。