本文目录导读：
在PHP项目中分析两队后防默契度差异，通常不是靠单一指标，而是需要数据建模 + 统计计算，由于PHP不是专业的数据科学语言（Python/R更擅长），我建议你在PHP中做预处理和计算，在数据库或前端做可视化。
以下是针对“后防默契度”这一抽象概念，在PHP项目中落地的3种不同维度的算法方案：
基于事件时间线的“配合紧密度”分析（推荐）
这是最直观的量化方式。默契度高 = 防守球员之间在特定时间窗口内协同处理球的频率高且失误少。
数据模型（MySQL表设计建议）
你需要有事件流数据（如传球、抢断、解围、防守站位变化）。
-- 防守事件表
CREATE TABLE def_events (
id INT AUTO_INCREMENT PRIMARY KEY,
match_id INT,
team_id INT,
player_id INT,
event_type VARCHAR(20), -- 'tackle', 'interception', 'clearance', 'pass'
pos_x DECIMAL(5,2), -- 标准化0-100坐标
pos_y DECIMAL(5,2),
created_at TIMESTAMP -- 精确到秒
);
PHP 核心计算逻辑
计算防守三角区域（如中后卫+边后卫）在短时间内（如3秒内）是否有超过N次互动。
<?php
class DefensiveCohesionAnalyzer {
// 获取某场比赛两队的所有防守事件，按时间排序
public function analyzeCohesion($matchId, $teamAId, $teamBId): array {
$events = $this->fetchEvents($matchId);
$windowSeconds = 3; // 定义3秒内的协同为有效
$minInteractions = 2; // 至少2次互动（如A传球给B，B传球给C）
$teamScores = [
$teamAId => ['score' => 0, 'total_windows' => 0],
$teamBId => ['score' => 0, 'total_windows' => 0]
];
// 按队伍分组并排序
$groupedA = $this->filterByTeam($events, $teamAId);
$groupedB = $this->filterByTeam($events, $teamBId);
// 计算A队
$teamScores[$teamAId]['score'] = $this->calculateSlidingWindow($groupedA, $windowSeconds, $minInteractions);
$teamScores[$teamBId]['score'] = $this->calculateSlidingWindow($groupedB, $windowSeconds, $minInteractions);
// 计算差异系数（0-1之间，越大越默契）
$difference = $this->normalizeDifference($teamScores[$teamAId]['score'], $teamScores[$teamBId]['score']);
return [
'team_a' => $teamScores[$teamAId],
'team_b' => $teamScores[$teamBId],
'cohesion_difference' => $difference
];
}
private function calculateSlidingWindow($events, $windowSec, $minInt): float {
if (count($events) < 2) return 0;
$cohesionWindows = 0;
$totalWindows = 0;
for ($i = 0; $i < count($events); $i++) {
$current = $events[$i];
$interactions = 0;
// 向后看窗口
for ($j = $i+1; $j < count($events); $j++) {
$next = $events[$j];
if (($next['created_at'] - $current['created_at']) > $windowSec) break;
// 只计算不同球员之间的防守动作（传球/协防）
if ($next['player_id'] !== $current['player_id']) {
$interactions++;
}
}
// 计算空间紧密度（基于坐标距离，防御者站位越近，默契度越高）
$spatialProximity = $this->calculateSpatialProximity($current, $events, $i, $windowSec);
$totalWindows++;
if ($interactions >= $minInt && $spatialProximity > 0.6) {
$cohesionWindows++;
}
}
return $totalWindows > 0 ? $cohesionWindows / $totalWindows : 0;
}
private function calculateSpatialProximity($current, $allEvents, $index, $windowSec): float {
$neighbors = [];
foreach ($allEvents as $k => $ev) {
if ($k != $index && abs($ev['created_at'] - $current['created_at']) <= $windowSec) {
if ($ev['player_id'] != $current['player_id']) {
$neighbors[] = $ev;
}
}
}
// 计算平均欧几里得距离（标准化坐标0-100）
$distances = [];
foreach ($neighbors as $nb) {
$d = sqrt(pow($nb['pos_x'] - $current['pos_x'], 2) + pow($nb['pos_y'] - $current['pos_y'], 2));
$distances[] = $d;
}
if (empty($distances)) return 0;
$avgDistance = array_sum($distances) / count($distances);
// 最大距离约141（100,100到0,0），将其归一化为0-1
return max(0, 1 - ($avgDistance / 100));
}
private function normalizeDifference(float $scoreA, float $scoreB): float {
$max = max($scoreA, $scoreB);
if ($max == 0) return 0;
return abs($scoreA - $scoreB) / $max;
}
}
基于“防守失误率”的间接对比（适合数据不精细的场景）
如果你们只有基础统计（抢断数、失球数、解围数），可以通过组合权重来估算默契度，默契度低的球队，往往“危险区域犯规多”、“漏人导致的射门多”。
<?php
class DefensiveMistakeAnalyzer {
public function compare($teamAStats, $teamBStats): array {
// 输入结构: ['goals_conceded' => 2, 'tackles' => 15, 'fouls_in_box' => 4, 'clearances' => 20]
$weights = [
'goals_conceded' => 0.4, // 失球权重最高（结果导向）
'fouls_in_box' => 0.3, // 禁区内犯规（默契度低的人容易慌乱）
'tackles' => 0.2, // 抢断数（防守积极）
'clearances' => 0.1 // 解围（可能表示被动挨打）
];
$scoreA = $this->calculateRawScore($teamAStats, $weights);
$scoreB = $this->calculateRawScore($teamBStats, $weights);
// 默契度反比于“失误分”，得分越低，默契越高
$cohesionA = 100 / (1 + $scoreA); // 归一化到0-100
$cohesionB = 100 / (1 + $scoreB);
return [
'cohesion_a' => round($cohesionA, 2),
'cohesion_b' => round($cohesionB, 2),
'difference' => round(abs($cohesionA - $cohesionB), 2)
];
}
private function calculateRawScore($stats, $weights): float {
$score = 0;
foreach ($weights as $statName => $weight) {
if (isset($stats[$statName])) {
// 对于“抢断”，值越高越好，但我们需要的是“失误”，所以取倒数
if ($statName == 'tackles') {
$value = 100 / (1 + $stats[$statName]); // 抢断多，失误低
} else {
$value = $stats[$statName]; // 其他越高代表失误越多
}
$score += $value * $weight;
}
}
return $score;
}
}
基于图形/网络的“传球网络密度”（进阶）
后防默契度高的球队，后卫之间的传接球网络会形成一个闭环（如图中的三角形），你可以用PHP计算后防球员之间的传球频次矩阵，然后计算网络密度。
<?php
class DefensivePassNetwork {
// 获取后防球员之间的传球矩阵
public function networkDensity($teamId, $matchId, $playerIds): float {
// 假设从数据库查询这些球员之间的传球次数
$passMatrix = $this->fetchPassMatrix($matchId, $teamId, $playerIds);
$n = count($playerIds);
if ($n < 2) return 0;
$passes = 0;
$possibleLinks = ($n * ($n - 1)) / 2; // 无向图连接数
for ($i=0; $i<$n; $i++) {
for ($j=$i+1; $j<$n; $j++) {
$key = $playerIds[$i] . '-' . $playerIds[$j];
if (isset($passMatrix[$key]) && $passMatrix[$key] >= 2) {
$passes++;
}
}
}
// 密度 = 实际有效连接 / 最大可能连接
return $passes / $possibleLinks;
}
}
怎么评估“差异”？
你需要把两队的分数（0-100）进行比较：
- 差值 < 10：默契度相近,比赛胜负更多看战术运气。
- 差值 10-30：有显著差异,高默契队伍在高压逼抢下犯错率更低。
- 差值 > 30：碾压级差异,弱队后防可能在应对组合进攻时崩盘。
给PHP项目的建议
- 不要用PHP做复杂矩阵运算（性能差），如果数据量巨大，建议用Redis缓存计算结果。
- 前端展示：可以直接用Chart.js画出两队雷达图（抢断、拦截、解围、传球成功率）。
- 实时性：如果是要看直播中的实时默契度，建议把计算逻辑写成异步队列（如Redis队列）,每2分钟更新一次结果。
如果你想让我针对你目前的数据表结构写一个具体的SQL查询某两队的后防球员互动次数，可以贴出表结构给我,我来修改代码。
