在温网第一周的比赛中，纳达尔第一轮戏剧性败于达尔西斯，费德勒第二轮止步于斯塔克豪斯，这无一不体现这项比赛的不可预测性。

在纳达尔比赛之前，可能只有极度乐观主义者(或者傻瓜)才会认为世界排名第5的选手会被世界排名135位的选手打败，虽然前者膝盖受伤尚未恢复。

但是，机器会怎么预测呢?如果将两位选手的数据输入到一个分析软件，它会产生什么结果?

技术巨头IBM在比赛之前使用SlamTracker对数据进行分析——SlamTracker是专门针对网球运动设计的富数据应用程序，结果显示，如果达尔西斯第一发球得分率达到27%，那么他有53%的机会战胜纳达尔。在实际比赛中，他的第一发球得分率达到了35%。

此外，应用程序还发现，当纳达尔的第二发球得分率达到57%时，他有90%的机会赢得比赛，但是在与达尔西斯的比赛中，他的第二发球得分率仅仅只有43%。所以，软件的预测结果还是有一定的参考意义。

IBM的运动分析工具

过去几年里，IBM已经率先在网球运动中应用分析技术，但是很长时间来，似乎它一直在这个领域孤军奋战，利用前沿技术帮助裁判作出决断，以及帮助电视观众更好地理解这项运动。

结果，网球在运用分析技术方面渐渐落后于其他运动，其中包括橄榄球、板球，甚至也落后于足球。

然而，由于昆士兰科技大学Xinyu Wei和Sridha Sridharan、迪斯尼匹兹堡研究中心Patrick Lucey及澳大利亚体育学院Stuart Morgan等从事的开创性研究，现在情况可能将要发生变化。

在2012年，通过利用澳网鹰眼采集的发球和比赛数据，这4位科学家发现了世界最优秀运行员记得比分的规律。

6月25日关于纳达尔/达尔西斯的社交会话的社交媒体可视化结果

他们的研究成果发表在论文《甜点：运用时空数据发现和预测网球比赛》上，该论文入选了今年三月的MIT斯隆商学院运动分析大会优秀论文奖。

为了分析数据，这个团队开发了一个软件，它能够为数据中心所有网球比赛建立一个背景模型，其中主要关注于锦标赛中前3位种子选手的比赛——纳达尔、费德勒和德约科维奇。

澳大利亚体育学院成绩研究系的分析员Stuart Morgan说：“然后，它使用这个模型预测比赛结果。例如，当运动员B靠近底线，而运动员A用反手低拍回球时，会出现什么结果。然后，我们的软件会利用每一个比分的数据，通过学习逐步优化后台模型，慢慢了解当前比赛的发展趋势。”

他说：“将这些技术组合在一起，就可以精准地预测每一个比分的结果。然后，从教练的角度上，我们可以推断出特定运动员的强项与弱点，并且希望能够告诉自己的运动员，对手在过去是如何被击败的。”

根据Morgan的介绍，数据库能够为研究团队提供“非常精细的观察结果”，帮助运动员赢得比赛。

网球运动员极度依赖于习惯打法

Morgan说：“运动员极度依赖于习惯打法，每一位运动员都会在比赛尝试一些技巧，特别是这些技巧帮助他们赢得比分时。”

他说：“我们研究了许多顶级运动员在决赛中拿分的方式。德约科维奇、费德勒、莫雷和纳达尔等顶级运动员并不是靠投机赢得自己在网坛的地位，他们有建立优势的系统方法，他们会尽力诱使对手自己不擅长的节奏。然后，他们会寻找最佳时机，用非常精准的回球赢得比赛。”

研究小组将这个战术方法称为运动员的“甜点”——给他们创造一击致胜的机会，或者让对手犯错。例如，费德勒经常会使用靠近边线的回球赢得比赛，而纳达尔通常向对手左侧击球取胜(右手选手的反手位置)，而德约科维奇则经常在右手选手的正手区域得分。

在今年较早时候在伦敦举行的运动分析大会上，草地网球协会运动科学经理Karl Cooke指出，这些学术机构的工作“有真实前景”，并且提出了网球领域的新方向。虽然这些研究实现了网球运动中前所未有的预测水平，但是Morgan这项研究工作的前期仍然有一些局限性。

　　6月25日关于纳达尔/达尔西斯的社交会话的社交媒体可视化结果

例如，这些研究还没有考虑运动员在不同场地的表现——纳达尔与擅长红土球场的同级选手(如德约科维奇)比赛的策略肯定与擅长草地球场发球截击型选手(如费德勒)比赛的策略不同。

为了解决这些问题，研究小组已经开展了其他研究，增加更好的分析，改进它对运动员实施比赛战术步骤的建模，以及击球角度对于网球落地线路的影响建模。他们将在下周德国举行的Dagstuhl研讨会上展示最新成果，这个会议邀请了一些最优秀的计算机科学家和最优秀的运动科学家参加。

虽然Morgan指出，研究的最终目标是改进澳大利亚运动员的成绩，但是他相信有一天整个运动界都会受益于网球分析技术的发展。他说：“在我看来，在现代网球运动发展阶段，通过提高体质或力量赢球已经不是主流。最新趋势是要让运动员变得更智能。”

这是一个很快会被攻克的前沿领域。