基于“全数据模式”的排球运动员专位最优化与球队实力评估研究

王国栋 吴鹏根 方翔康 靳小雨

摘 要：运用“Data Volley 4”排球专业统计软件对2019世界女排俱乐部锦标赛全部20场比赛进行了技术运用效果统计，对参赛球队的各项技术效果进行综合评分值的计算，运用Pearson相关性分析和Spearman相关性分析对计算所得数据与比赛成绩的相关性进行分析，并结合比赛现场观看和视频录像归类回放分析比赛技术效果，根据各专位运动员非技术因素特征分析，通过全数据解析发现专位共性，创建各专位运动员最优化模型，为中国女排选材、训练、比赛、技术诊断和冠军模型构建和实力评估提供参考。

关键词：女子排球;专位特征;技术效果;全数据

中图分类号：G842  文献标识码：A  文章编号：1009-9840（2021）06-0029-07

Volleyball player's position optimization and team strength evaluation based on full data mode

WANG Guodong1， WU Penggen2， FANG Xiangkang2， JIN Xiaoyu1

（1.Shanghai University of Sport， Shanghai 200438， China; 2. Training Center of Jiangsu Provincial Sports Bureau， Nanjing 210033， Jiangsu， China）

Abstract：Using "Data Volley 4" volleyball professional statistical software， this paper makes statistics on the technical application effect of all 20 matches in the 2019 World Women's Volleyball Club Championship， calculates the comprehensive score value of each technical effect of the participating teams， and analyzes the correlation between the calculated data and the competition results by Pearson correlation analysis and Spearman correlation analysis. Combined with the on-the-spot watching and video recording， the technical effect of the competition is analyzed. According to the analysis of the non-technical factors of the athletes in each position， the commonness of each position is found through full data analysis， and the optimization model of each position athlete is created， which provides reference for the selection， training， competition， technical diagnosis， champion model construction and strength evaluation of Chinese women's volleyball team.

Key words：women volleyball; special features; technical effect; full data

收稿日期：2021-08-10

作者简介：王国栋（1993- ），男，在读硕士研究生，研究方向排球教学训练理论与实践。

通讯作者：靳小雨（1968- ），男，教授，研究方向排球教学训练理论与实践、竞技体育科技攻关服务。

竞技排球运动是有明确位置分工（专位）的集体运动项目，每名队员都有不同的专位，包括主攻（Wing spiker）、副攻（Middle blocker）、二传（Setter）、接应二传（Opposite spiker）和自由防守队员（Libero）等5个角色。规则规定，比赛中队员站位分前后排，且都要进行位置轮转，队员在前排时的主要职责是进攻和拦网，在后排时则是防守和保护，一场比赛打完，主攻、接应扣球次数最多，副攻拦网次数最多，二传传球次数最多，自由人防守次数最多，并同其他位置运动员在相应技术应用上有非常显著性差异[1]。随着排球技战术水平和运动员竞技能力日益提高，全队整体攻防技战术追求全面，个人专位技战术突出特点，不同专位运动员在排球比赛场上的分工越来越细化，每支队伍都希望打造最优化的专位队员，从而组成最强阵容配备，那么，这些专位运动员具有哪些特征？

随着各种传感器和智能设备的普及，能对事物实现实时的监测和数据的采集、传输，获取到事物的数据不只是样本数据，而是全部数据，这种模式被称为“全数据模式”[2]。对于排球专位最优化问题，以往主要通过经验来判断各项影响因素之间的因果关系，但是因果关系通常建立在假设之上，如果系统的各个因素达到最优化，这个系统就是最优的。通常因为总体过于庞大，我们只能通过尽可能多抽样来以大样本估计总体，但仍存在着各种偏移，看似非常科学的、量化的数据，有时并不能真实地反映事物的本质，尤其对排球技战术运用效果分析等以比率为度量的研究过程中，更要考虑数据的统计学意义[3]。隨着信息技术的发展，信息收集效率越来越高，对研究进行全部数据的收集分析成为可能。基于此，我们在全数据模式的排球技术统计中，分析各专位优秀运动员之间的共同点，以找出专位共性，建立专位最优化模型，为高水平排球队选材提供依据。

1 研究对象与方法

1.1 研究对象

以参加2019世界女排俱乐部锦标赛8支队伍全部20场比赛110名（主攻30名，副攻29名，接应18名，二传17名，自由人16名）不同专位运动员技术运用效果和专位特征为全数据解析基础建立各专位最优化模型、探讨世界女排发展趋势作为研究对象。

1.2 研究方法

1.2.1 文献资料法

以“Data Volley”“技术统计”“全数据模式”“technical statistics”“athletic volleyball”等为关键词，在中国知网、EBSCO外文数据库按照特定的检索要求（见表1）进行国内外文献检索，检索时间段为20100101—20210915的排球比赛技术统计相关文献，

并对检索文献进行筛选后得到高相关文献92篇作为本研究的参考，检索结果见表2。查阅国际排联（FIVB）、欧洲排球协会（EVA）、中国排球协会官网（CVA），对相关球员技术统计信息收集整合，获取研究内容的理论启示与依据。

1.2.2 录像统计观察法

采用Sony FDR-AX60摄像机，对2019世界女排俱乐部锦标赛的比赛现场进行定点、定焦摄录并解析，合计20场（77局）。拍摄位置于场地边线后技术统计看台，机高为1.50 m，分辨率：3840×2160，帧率为50。运用Dartfish对进攻组织时间进行了时间统计。

1.2.3 Data Volley 4技术统计法

Data volley4是国际排联（FIVB）世界性比赛通用的最新版排球比赛技术统计分析软件，功能模块包括：球队与运动员的各项技术效果统计（技术效果标准见表3），具体战术运用，发球、进攻实施区域、线路等指标。通过实战情景下大数据量化分析球队整体和运动员个体的竞技表现，能够高效地完成排球临场和赛后的技、战术统计分析[4-5]。场区精准划分为1～9区，每区又细化为A、B、C、D4个点位，获得排球场区精确落点的位置坐标（见图1）。

1.2.4 数理统计法

运用Data Volley 4软件对各参赛球队20场77局比赛各项技术效果进行统计，获得代码合计2.3万余条，运用分段统计法对各专位运动员的各项素质进行区间划分。运用SPSS25将各项数据进行正态分布检验，呈正态分布的数据进行Pearson相关性分析，呈偏态分布的数据进行Spearman相关性分析，探索各专位运动员专位能力与各项身体指标和素质之间的相关性，采用双尾显著性检验，P<0.05相关性显著，为发现优秀运动员之间的共性、建立专位模型提供依据。

根据技术效果指标对各专位运动员的各项技术效果进行Vote值的计算，根据技术效果对其纳入指标进行Vote分赋值（见表3），计算每名运动员综合评分Vote值，该值等于各技术效果的百分率乘以对应的Vote分*100后相加求和。Vote值=技术效果占比*100*“# Vote分”+技术效果占比*100*“+ Vote分”+技术效果占比*100*“！ Vote分”+技术效果占比*100*“- Vote分”+技术效果占比*100*“=Vote分”[6]。运用SPSS25软件对Vote值和球队成绩进行

Pearson相关性分析，采用双尾显著性检验，检验2019世界女排俱乐部锦标赛各项技术效果与比赛成绩之间的相关性，P<0.05具有统计学意义。

2 结果与分析

2.1 主攻专位身体素质最优化区间

主攻是一支球队里的重炮手，也是主要得分手，在比赛中，主攻手通常需要在4号位或后排通过强攻突破对手拦网。防守方面，前排主攻需盯防对手4号位的小斜线进攻，而后排主攻主要肩负着底线防守的重任。攻防一体的专位特征要求主攻具备更为全面的身体素质，因为想要打出强有力的进攻，必须要兼备弹跳高度、爆发力和滞空能力，同时也需要较快的移动速度、反应速度以及灵活、柔韧、协调等素质以满足接发球和防守的需要。对于主攻手来说，在前排时完成好进攻是其主要职责，通过接发球和在后排时的防守等技术环节串联球队进攻，保障球队整体运转流畅也是同样重要的。因此，一名优秀主攻，既要具备出色的进攻能力，也同样需要在防守保障环节有出色的发挥。

基于全数据理论对运动员进行专位评价，通过统计学方法将运动员的各项素质与其专位能力进行相关性分析，可以看出不同专位运动员的各项素质与其专位能力之间的联系，从而获取专位最优化指标，为运动员专位技能评价和选材方面具有重要意义。在主攻方面，首先筛选本届世界女排俱乐部锦标赛中各队进攻次数20次以上的主攻队员，通过绘制散点图可以看出，随着身高、体重、年龄、扣球高度4种变量的变化，扣球成功率具有一定的线性变化趋势（见图2）。

对主攻的5项指标进行正态分布检验，经过k-s检验得出，5项指标P值均大于0.05，结合直方图说明数据符合正态分布（见表4、图3）。

通过各项素质与其扣球得分率进行相关性分析，经Pearson相关性分析得出P值均大于0.05（见表5），则主攻的扣球得分率与其身高、体重、年龄及扣球高度无显著相关性。

通过对这些主攻队员的数据建成的数据库进行分析，运用分段式统计方法，将运动员的各项素质进行区间划分，身高每5 cm为一个区间，将主攻队员划分为175～179 cm、180～184 cm、185～189 cm、190～194 cm、195 cm及以上五个区间，发现扣球成功率最高的为190～194 cm区间，扣球成功率为40%;将体重每5 kg为一个区间，划分为65～69 kg、70～74 kg、75～79 kg、80～84 kg、85 kg及以上五个区间，发现扣球成功率最高的为70～74 kg区间，成功率为41%;将年龄每5岁划分为一个区间，将主攻队员年龄划分为20～24岁、25～29岁、30～34岁、35岁及以上，发现进攻成功率最高的为25～29岁区间，成功率为40%;将扣球高度每10 cm为一个区间，划分为290～299 cm、300～309 cm、310～319 cm、320 cm及以上4個区间，扣球成功率最高为320cm及以上区间，扣球成功率为41%。可以发现这些数据集中于最优秀的主攻手身上，同时满足4个最佳区间的主攻球员，平均进攻成功率为43%，明显高于总体平均值38%。

2.2 接应专位身体素质最优化区间

接应在各支球队扮演的角色都不同，接应大致分为强力接应、保障接应、全面接应3类，不同类型的接应有着各自的技战术打法特点，也决定着队伍不同的技术风格[7]。随着排球运动的不断发展，排球场上各专位的位置职责也发生了很大的变化，接应场上专位职责就是变化最大的。在排球比赛中，接应的主要职责曾经是当二传完成第一次击球或远离第一次击球落点时代替二传组织进攻，但如今，拥有突出进攻能力的强力攻击型接应成为主流，接应的作用已经从辅助二传传球，转变为球队的最重要的进攻得分点，往往成为球队一锤定音的角色，右路高点强攻尤其是前排两点攻时的1号位后攻成为强力接应的得分利器，她们不参与接发球，也尽可能少地参加防守，除了前排拦网外，在比赛中的主要职责就是完成右路（前排2号位、后排1号位）进攻。

筛选进攻次数20次以上的接应队员，首先，通过绘制散点图可以看出，随着身高、体重、年龄、扣球高度4种变量的变化，扣球成功率具有一定的线性变化趋势。再对接应的五项指标进行正态分布检验，经过k-s检验得出，5项指标P值均大于0.05，结合直方图说明扣球成功率和扣球高度数据符合正态分布，年龄、身高、体重数据成偏态分布。通过各项素质与其扣球得分率进行相关性分析，扣球高度采用Pearson相关性分析，年龄、身高、体重采用Spearman相关性分析，经Pearson相关性分析得出扣球高度与扣球成功率P值均大于0.05（见表6），经过Spearman相关性分析得出年龄、身高、体重与扣球成功率相关性P值均大于0.05（见表7），则接应的扣球得分率与其身高、体重、年龄及扣球高度无显著相关性。

通过分段统计法对建立的接应队员数据库分析，接应队员最佳身体数据区间为身高190～194 cm、体重80～84 kg、年龄20～24岁、扣球高度320 cm及以上，进攻成功率分别为48%、47%、49%、50%。同时符合这4个区间的接应队员进攻成功率高达51%，明显高于总体平均值的44%。

2.3 副攻专位身体素质最优化区间

副攻队员身高和拦网高度方面的优势显而易见，副攻队员往往是一支球队中身高最高的队员，且其拦网高度通常位于队伍前列。但并不是拥有绝对的高度就能压制住对手的进攻，一名优秀的拦网手还需兼具快速的横向移动能力和连续起跳能力，以应对对手不同位置不同战术的进攻。副攻除了要在拦网方面有所作为之外，也同时承担了队伍的2、3号位快球进攻，这就要求副攻队员拥有较快的跑动速度和扣球出手的挥臂速度，在一传到位的情况下，副攻可以通过灵活的跑动打出战术球，利用身高的优势和队友的配合，打出快速多变的进攻，也可以吸引对手拦网，给其他攻手创造进攻机会，丰富球队的进攻手段。

筛选拦网次数20次以上的副攻队员，通过绘制散点图可以看出，随着身高、体重、年龄、拦网高度4种变量的变化，有效拦网率具有一定的线性变化趋势。再对副攻的5项指标进行正态分布检验，经过k-s检验得出，5项指标P值均大于0.05，结合直方图说明年龄、身高、拦网高度数据符合正态分布，有效拦网率、体重符合偏态分布。通过对各项素质与其有效拦网率进行相关性分析，经Spearman相关性分析得出P值均大于0.05（见表8），则副攻的有效拦网率与其身高、体重、年龄及拦网高度无显著相关性。

通过分段统计法对这些副攻队员的数据建成的数据库进行分析，得出副攻队员最佳专位区间为身高195～199 cm，体重70～74 kg，年龄20～24岁，扣球高度310 cm及以上，拦网成功率分别为62%、63%、62%、64%，在对同时满足以上有效拦网率最高区间的队员进行筛选时发现，同时满足以上4个条件的队员有效拦网率高达67%，明显高于平均值的58%。

2.4 二传专位身体素质最优化区间

二传手是进攻的组织者，在球队“立体化”进攻格局中起到核心作用，其专位竞技特征与整个球队的进攻特点以及比赛的胜败紧密相关[8]。随着排球比赛的日趋激烈，二传手在场上的地位也越来越重要，对二传队员的能力要求也越来越高。一名优秀的二传队员，需要运用自己的智慧和能力，控制场上的局势，组织起球队的进攻。在面对不同对手时，球队往往会采用不同的进攻战术，根据本队球员的特点以及对手的技术风格做出相应的调整和改变。快速多变的进攻打法除了考验球员之间的默契信任程度和攻手的进攻能力外，更要求二传队员有足够清晰的思路，能够在场上快速洞察稍纵即逝的机会，组织起有效的进攻，把全队每个球员的个人实力最大程度地发挥出来。

筛选传球次数20次以上的二传队员，通过绘制散点图可以看出，随着身高、体重、年龄、扣球高度4种变量的变化，传球好球率具有一定的线性变化趋势。对二传的5项指标进行正态分布检验，经过k-s检验得出，5项指标P值均大于0.05，结合直方图说明二传各项数据中，传球好球率呈正态分布，年龄、身高、体重、扣球高度呈偏态分布。通过各项素质与其传球好球率进行相关性分析，经Spearman相关性分析得出P值均大于0.05（见表9），则二传的传球好球率与其身高、体重、年龄及扣球高度无显著性相关关系。

通过分段統计法对建立的二传队员数据库分析，得出二传队员最佳专位区间为身高180～185 cm，体重70～74 kg，年龄30～34岁，扣球高度300～309 cm，传球好球率分别为26%、27%、27%、26%，同时满足以上4个区间的二传队员平均传球好球率为28%，高于总体平均值的24%。

2.5 自由人专位身体素质最优化区间

自由人作为主要接发球和防守队员，通常身高较为矮小、身体灵活、反应敏捷、移动速度快，且具有出色的柔韧、协调素质，可以在比赛中快速、准确地做出各种扑救动作，提高防守的成功率。在排球比赛中，一传到位率和防守到位率的高低是衡量一名优秀自由人的重要指标[9]。筛选接发球和防守20次以上的自由人队员，通过绘制散点图可以看出，随着身高、体重、年龄3种变量的变化，防守防起率和接发球到位率具有一定的线性变化趋势。对自由人的5项指标进行正态分布检验，经过k-s检验得出，5项指标P值均大于0.05，并结合直方图说明自由人各项数据中，防守防起率和接发球到位率呈偏态分布，年龄、身高、体重呈正态分布。通过各项素质分别与其防守防起率和接发球到位率进行相关性分析，经Spearman相关性分析得出P值均大于0.05（见表10、11），则自由人的防守防起率和接发球到位率与其身高、体重、年龄无显著性相关关系。

通过分段统计法对建立的自由人数据库分析，得出自由人最佳身体数据区间为身高170～175 cm，体重为60～64 kg，年龄为25～29岁，同时满足以上3个区间的自由人平均接发球到位率为53%，高于总体平均值的49%;平均防守防起率为61%，高于总体平均值的56%。

2.6 参赛队伍技术实力量化评定

运用Data Volley4软件统计各参赛球队发球、接发球、二传、进攻、拦网和防守的技术运用效果，数据指标可直接反映球队的实力，进攻技术效果包括：得分、好球、一般、失误、被拦死、被拦回，防守技术效果包括：到位、半到位、一般、无攻、失误。在排球统计中，通过统一的技术效果评定，能够进行不同球队、不同球员之间的对比[10]。使用Vote值进行技战术评价的意义在于：技术运用的得分率越高、失误率越低则Vote值越高，反之Vote值越低，通过Vote值对各球队进行技术评价，相比于直接观察技术效果更加直观、准确。

通过Vote值计算公式对各球队各项技术计算得出相应分值（见表12），运用SPSS软件对各项技术的分值与比赛成绩进行相关性分析（见表13），经Pearson相关性检验得出P值均小于0.01，说明发球、接发球、二传、进攻、拦网、防守技术效果与比赛成绩均呈非常显著性相关。由此可以看出，各项技术效果对于排球比赛成绩同等重要，世界高水平排球队呈现各项技术“均衡化”发展趋势。

根据计算所得参赛各队各项技术效果Vote值，运用离差法对发球、接发球、二传、进攻、拦网、防守6项指标建立五级评价标准，可对参赛队伍进行各项技术实力的量化评价。首先对6项指标进行正态分布检验（见表14），经过k-s检验得出，6项指标P值均大于0.05，说明数据符合正态分布，再运用离差法制定评价指标，具体评价指标如下：

（1）非常好：≥+1.28S;

（2）比较好：>+0.67S至Symbol`A@x+1.28S;

（3）一般：≤+0.67S至Symbol`A@x-0.67S;

（4）比较差：<-0.67S至Symbol`A@x-1.28S;

（5）非常差：≤-1.28S以下。

根据6项技术指标的数据计算，得出评价标准（见表15）。

3 结语

3.1 专位身体数据最优化区间为选材奠定科学依据

运用全数据理论构建专位身体数据最优化模型，最终得出，最佳主攻区间为：身高190～194 cm、体重70～74 kg，年龄25～29岁、扣球高度320 cm以上;最佳副攻区间为：身高195～199 cm，体重70～74 kg、年龄20～24岁，拦网高度310 cm以上;最佳接应区间为：身高190～194 cm、体重80～84 kg、年龄20～24岁，扣球高度320 cm以上;最佳二传区间为：身高180～185 cm，体重为70～74 kg，年龄为30～34岁，扣球高度为300～309 cm;最佳自由人区间为：身高170～175 cm，体重为60～64 kg，年龄为25～29岁。应通过专位最优化数据，进行有针对性的选材，构建理想化球队阵容，提高球队竞争力。

3.2 明确技术效果评价及球队实力综合评估量化标准

使用Data Volley对比赛进行技术统计得出各项技术指标的数据，并进行Vote值的计算，是评估球队综合实力的重要依据。根据五级评价指标得出，一支世界顶级强队，发球Vote值为：132.58分以上;接发球Vote值为：341.28分以上;二传Vote值为：356.15分以上;进攻Vote值为：285.46分以上;拦网Vote值为：203.50分以上;防守Vote值为：158.54分以上。

参考文献：

[1]张兴林.我国不同位置优秀排球运动员比赛负荷及专位素质特征研究[D].北京：北京体育大学，2006.

[2]张铭鑫，王新雷，练碧贞，等.“全数据”驱动下篮球教练员科学决策的案例分析——以2018-2019赛季CBA联赛广东男篮为例[J].成都体育学院学报，2020，46（6）：100-106.

[3]靳小雨，孙启成.排球科研工作中运用量化指标评价的方法研究[J].西安体育学院学报，2013，30（6）：698-702.

[4]陈贞祥，仰红慧.Data Volley软件在排球技、战术统计分析中的应用研究[J].中国体育科技，2014，50（3）：19-24.

[5]Silva， M.， Lacerda， D.， and Joao， P.V.Game-Related volleyball skills that influence victory[J]. Journal of Human Kinetics，2014（1）：173-179.

[6]陳贞祥，吕雅君，赵德峰，等.基于“全数据模式”技术统计的不同专位排球运动员竞技表现研究[J].山东体育学院学报，2021，37（2）：102-110.

[7]靳小雨.“攻防链”理论解读发球在竞技排球比赛中的作用[J].西安体育学院学报，2010，27（1）：101-103.

[8]魏琳洁.中国女排与世界强队二传专位竞技特征的比较分析[J].沈阳体育学院学报，2012，31（5）：107-109.

[9]黄耀东.世界优秀女排自由人竞技水平分析[J].体育文化导刊，2011（10）：47-49.

[10]陈贞祥，吕雅君，赵德峰，等.问题解析与技巧梳理：国际化视野下排球技术统计标准的建立[J].天津体育学院学报，2020，35（1）：118-124.