复盘会上那句“他全场没碰几次球，进攻却是他撑起来的”
教练在复盘会上按下暂停，指着一名没有拿球的边锋说：“看他这一步。”录像里，中场持球人刚要抬头，这名边锋忽然斜着插向防线身后，一名中卫被带着往外侧退了两步，中路随即露出一块空地，队友一脚直塞穿了过去。可是翻开技术统计，这个回合里边锋一栏是空的：没有传球，没有射门，没有触球。在传统的事件数据里，他等于不存在。
无球跑动的价值难算，根子就在这里：他的贡献并不落在他自己身上，而是落在别人身上，落在队友多出来的空间、对手被拉开的站位上。度量的对象从“他做了什么”变成了“他让别人面对的局面变成了什么”。od体育想量化的，正是这类在事件账本里没有名字的动作，但要先说清楚一点：量化的目的是给教练一份可以复查的线索清单，而不是给每个跑动打一个终极分数。
一次跑动可以记三本账
近年的学术会议和预印本里，已经有研究尝试把无球跑动的质量拆成多个成分，而不是压成一个数。大致的拆法有三种视角，被广泛讨论的是：这次跑动有没有创造出潜在的传球机会，有没有为队友创造出前场空间，有没有给持球者提供支援。这三个问题回答的是不同的事情，量纲也不同，把它们拆开记账，比笼统地说“这个球员跑位好”要有用得多。
- 潜在传球。跑动之后，持球人多了一条可以传到这名球员脚下的线路，通道没有被对手截断，接球位置也不在死角。“潜在”二字很关键：球最后传没传并不重要，重要的是这条线路存在过，并且持续了多久。一次持续零点三秒就消失的线路，和一次持续两秒的线路，价值完全不同。
- 空间创造。跑动之后，队友所在区域的空间控制发生了什么变化。这里通常借助Pitch Control一类的空间控制模型：把球场划成网格，估计每个格点更可能被哪支球队先到达，再比较跑动前后队友周围的控制程度。一名前锋把中卫带出中路，中路的控制权向己方倾斜，这个增量就是他创造的空间。
- 支援持球者。球队被对手压迫时，无球队员回撤接应，给持球者一个安全的出口。这种跑动不制造进攻机会，价值在于降低持球者丢球的风险，让球队能从压迫中出来。它的价值在“没发生的坏事”里，最容易被忽略。
三本账不能直接相加。一次跑动可能在“空间”上得分很高，在“支援”上完全是零，硬加起来只会得到一个含混的中间数。更合理的做法是分开呈现，再让使用者根据球队的当前需要选看哪一栏：球队正被对手高位压迫，就多看支援；对手摆出低位密集防守，就多看空间和线路。
空间是怎么被“创造”出来的
空间控制模型的直觉并不复杂：它给每个格点算一个“哪支球队先到”的概率，把球员当前的位置、速度和最高跑动能力都放进去。追踪数据的采样频率大约是每秒十到二十五次，足够描出一次斜向跑动的轨迹。想弄清楚这套空间怎么算、阵型和跑位如何一起读，可以对照《足球AI已经不满足于画热力图：od体育开始分析阵型、跑位和球场空间到底是谁创造的》，那一篇从热力图的局限讲起，把空间控制的来龙去脉说得更完整。
回到无球跑动，这里有一个常见的坑：把“占据空间”当成“创造空间”。一名边锋站在一大块空地里，控制概率当然高，但那块空地本来就空着，不是他创造的。真正的“创造”应该体现为变化：他的移动，使得原本被对手占据的区域变得可用。所以合理的计算总是拿“跑动前”和“跑动后”做差，而不是只看跑动结束时的状态。这一步很容易被偷懒省掉，省掉之后，站位最靠外的球员总会被系统夸成空间大师。
诱饵跑动：功劳该记给谁
诱饵跑动（decoy run）是无球价值里最有意思也最难的一类。前锋A假装要接球，向近角一冲，防守者被吸过去；空出来的位置上，B接到球直接推射。这次进攻的价值增量显然与A有关，可是A没有碰球，B才是最终的触球者。把功劳全记给B，就抹掉了A；全记给A，又忽略了B自己的预判、启动时机，还有持球人选择传球的判断。
学界和业界常用的处理思路，是拿“有这次跑动”和“没有这次跑动”的两个局面做比较，把差值按各自的贡献分摊。但需要坦白：分摊的规则是人为约定的，不是自然事实。同样的进攻，换一种约定，A和B的份额就会变。这与无球防守表现的研究里遇到的困难相似，防守中出了空档，责任在谁很难分清；进攻里创造出机会，功劳在谁，也没有唯一答案。
所以od体育不会把诱饵跑动的价值写成一个确定的数字，而是保留三样东西：这次跑动前后队友区域的控制变化、被带走防守者的位移距离和方向、以及队友最终触球的位置。教练看这三项，比看一个合成的“价值分”更容易判断：这个诱饵是真的拉动了防线，还是防线本来就要这样移动。
反事实：没有这次跑动，会发生什么
所有关于“价值”的说法，背后都有一个反事实问题：如果他没有这么跑，会怎样？可是比赛只有一个版本，我们无法让时间倒回去。研究里的常用办法，是用模型来模拟：把这名球员放回“如果他没有做这次跑动”的位置，再重新计算空间控制和传球线路。
问题在于“没有这次跑动”本身就有好几种定义。可以假设他原地不动；可以假设他沿着起跑前的速度继续匀速走；也可以假设他按球队平均的跑法来走。基线选得不同，算出来的增量就不同：以原地不动为基线，任何前插都显得有价值；以匀速前进为基线，只有变向、变速的跑动才被认可。更麻烦的是，防守者的反应也是假设出来的：模型默认防守者会被诱饵吸引，现实中他可能盯的是别人。
因此反事实得出的，只能是“在某组假设下的增量”，不是“真实发生过的因果”。od体育在展示这类结果时，倾向于把基线和防守反应的假设写在结果旁边，并且尽量给一个范围，而不是一个点。当不同假设下结论方向一致，才说这次跑动大概率是有价值的；当结论随假设摇摆，就明确标注“取决于假设”。
模拟场景：右路的一次斜向牵引
下面是一个模拟场景，所有数字均为示例，不对应任何真实比赛。假设红队在中场组织进攻，中场持球人在中圈附近转身，面前是对方一条紧凑的四人防线。红队右边锋在持球人抬头之前约零点八秒开始启动，从边线向禁区弧顶斜插；对方左中卫距他约五米，开始横向跟随；红队中锋则站在中卫之间，稳定地牵制着另一名中卫。
系统对这次跑动给出的三栏分析是这样的（模拟示例）：潜在传球一栏，右边锋获得了一条持续约一点二秒的可行线路，但持球人最终没有选择这条线路；空间创造一栏，左中卫被牵引后，中路的可控区域向红队一侧扩大，扩大的部分主要落在中锋的身后；支援一栏几乎为零，因为红队并未处于被压迫状态。所以这次跑动被标为“主要价值在空间，其次在线路，而球最终没有走这条线路”。
这个场景里，系统很容易犯一个错：它看到左中卫确实跟着右边锋移动，就把中路空档的功劳记给了右边锋。可回放录像会发现，左中卫的移动其实主要是因为他要保持与相邻中卫的间距，右边锋的斜插只是恰好与之同向。真正把中卫牵住的是中锋的站位。这就是为什么模拟输出里会附一句“归因置信度：中等，建议人工复看”，并且把两名球员的功劳并排列出，而不是只挑一个。
跑得多，为什么不等于价值高
跑动距离和高强度冲刺次数，是最容易得到的数据，也最容易被当成无球贡献的代理指标。但一次冲刺可能跑向了一个已经被队友占用的区域，两个人挤在同一片空间里互相抵消；也可能在持球人还没有准备好出球的时候就跑出去了，等他抬头，线路早已消失。跑动的时机和持球人的“抬头窗口”是否吻合，往往比跑动的距离更重要。
更麻烦的是激励问题。如果球队用“高强度跑动距离”去考核球员，球员就会为了数据去跑，而不是为了空间去跑。一名球员在无关紧要的时刻冲刺二十米，账面漂亮，比赛里毫无意义；另一名球员在关键时刻只向侧面挪了两步，把一名防守者的视线挡住，账面上几乎看不见，却让一次传球成为可能。用于价值评估的系统，至少要让这两种情形在结果里被区分开，而不是并排打成一样的分数。
教练应该怎么读这类结果，哪里必须靠人
先说数据本身的局限。追踪数据里只有位置，没有球员的身体朝向和视线，无法知道持球人有没有看到那次跑动。如果坐标来自转播视频的反推，边路球员被镜头切走的时刻，跑动轨迹会有缺口。单场比赛里真正的诱饵跑动为数不多，样本很少时，任何“价值”都可能只是偶然，需要跨多场观察是否有稳定的模式。
比较有用的读法，是把这套结果当成“找片段的工具”，而不是“打分的工具”。举个例子：把所有“潜在传球价值高、却最终没有被使用”的跑动列出来，教练带着球员一起看。问题只有两个：跑动的人有没有意识到线路存在，传球的人为什么没有选择。答案可能是持球人视野被挡住，可能是他没有信任队友，也可能是那条线路在现实里比在数据里更窄。这类“被浪费的跑动”，往往比“被利用的跑动”更能暴露球队的问题。
无球跑动的价值，也和压迫、出球紧密相连：对手压得越凶，球队对“支援”型跑动的需求就越大，压迫方的每一次逼抢，恰好又在关闭这些出口。把攻守两端放在一起读，可以参考《高位逼抢到底有没有效果？od体育AI如何计算压迫强度和传球出口》，它讲的是同一块球场上防守一方如何计算出口，与本文的无球价值是一枚硬币的两面。
还有必须人工介入的情形。当某次跑动的价值在不同基线下结论相反，当追踪数据质量明显不足，当涉及具体球员的评价和起用决策，当需要判断“这次跑动是球队战术布置，还是球员的临场创造”，这些都应该由教练和分析师结合录像与现场信息来判断。模型给出的，是一份有依据的提示，不是对一名球员的判决。
