📊 2026 世界盃 · 數據方法論

• 官方比賽信號：FIFA 授權的賽事即時數據流（每秒 25 幀事件數據）

• 光學追蹤系統：每座球場部署 12 個高清攝影機，記錄球員及球的座標 (x,y)，取樣頻率 25Hz

• 人工複核：關鍵事件（進球、紅牌、點球）經至少兩名獨立分析師確認

• 數據合作夥伴：Opta / StatsBomb / 中超官方數據實驗室 (CSL Data Lab)

• 缺失值處理：運動軌跡採用卡爾曼濾波插補；事件缺失則回溯影片原始記錄

• 多源對齊：將光學數據與裁判信號同步，時間戳統一到毫秒級

• 異常值剔除：明顯偏離物理常數的跑動/速度記錄被自動過濾並複核

• 時區標準化：所有時間戳轉為 UTC，且網頁展示時按用戶端時區轉換

xG (預期進球) — 基於射門位置、角度、防守壓力等計算每次射門的進球概率，詳見 xG 模型說明。

PSxG (預期撲救後進球) — 考慮門將撲救能力後調整的 xG，用於評估門將表現。

射門轉化率 = 實際進球數 / 總射門次數（不含封堵）
射正轉化率 = 進球數 / 射正次數

控球率 — 基於球隊總傳球次數佔全場比例（不包括解圍、界外球）。

傳球成功率 = 成功傳球 / 總傳球嘗試（向前傳球權重更高）
推進式傳球 — 傳球後使球向對方球門方向移動超過 10 米。

PPDA (每次防守動作允許的傳球次數) = 防守方在對方半場的防守動作次數 / 進攻方在該區域的傳球次數。

搶斷成功率 = 成功搶斷 / 總搶斷嘗試
攔截 — 阻斷對方傳球的次數（非身體接觸）
解圍 — 將球踢出本方危險區域的次數
高位壓迫成功率 — 在對方半場完成搶斷或造成傳球失誤的比例

預期積分 (xPts) — 基於每場預期進球和預期失球模擬出的期望積分，用於衡量「運氣成分」。

ELO 評分 — 基於對手強度調整的動態實力評分，每場比賽後更新: R_new = R_old + K * (實際結果 - 預期結果)。

進攻三區觸球次數 — 在對方禁區及邊路 30 米區域的觸球頻率。

基於即時 ELO 評分、近 5 場狀態指數、傷病加權和主客場優勢，透過邏輯迴歸預測勝平負概率：

每天重新擬合參數，確保反映最新形勢。

每次小組賽/淘汰賽後，基於當前積分和剩餘賽程概率，模擬 10,000 次剩餘比賽。

• 小組排名規則嚴格遵循 FIFA 法定順序（積分→淨勝球→互相戰績→公平競賽分）。
• 淘汰賽單場結果按 AI 預測引擎的標準差分佈抽樣。
• 點球大戰基於歷史世界盃點球成功率（球員、門將模型）。

使用無監督學習 (K-means) 將球隊分為 4 個實力檔次，用於小組抽籤模擬和實力視覺化。

特徵向量包括：ELO、最近 10 場 xG 差值、關鍵傳球數、防守韌性指標。

隨著賽事推進，模型超參數（如加權學習率）採用貝氏優化，最小化預測誤差。

同時也對 xG 模型中的擊中門框、偏轉等「隨機事件」進行貝氏平滑，減少小樣本偏差。

• 所有原始數據均來自 FIFA 官方信號提供商，具有法律授權。
• 每項聚合指標均提供 90% 信賴區間，避免「確定性謬誤」。
• 歷史回測顯示，晉級概率模型針對近三屆世界盃的準確率達到 74% 的前四強預測覆蓋率。
• 開源校驗：核心指標計算規則已在 GitHub 公開，接受監督。

• 無法量化「更衣室氣氛」、「裁判傾向」、「突發傷病」等隱性變數。
• 小組賽末輪「默契球」可能性難以納入模型，存在黑盒風險。
• 球員瞬時爆發或狀態失常無法被提前捕捉（例如門將超神發揮）。
• 極端天氣（如暴雨）對 xG 的影響尚未完全建模，但在淘汰賽會被標記提示。