Автоматическое определение смен в хоккее: более точный способ сравнения нагрузок в хоккее

---

Патрик Лав, старший специалист по работе с клиентами (показатели и физическая форма) в компании Catapult Sports

Основные выводы:

• Функция автоматического определения смен позволяет сотрудникам более четко оценивать рабочую нагрузку. 

• Благодаря автоматическому определению активных смен это снижает нагрузку, связанную с ручной маркировкой, и создает более единообразную основу для сравнения требований тренировок и матчей. 

• Для тренеров, видеоспециалистов и специалистов по анализу результативности это служит общей отправной точкой, позволяющей понять, что именно делали игроки, насколько сложной была задача и в каком контексте она выполнялась.

---

Тренеры по хоккею с шайбой знают это по собственному опыту: две тренировки могут выглядеть одинаково на бумаге, но по ощущениям быть совершенно разными. Одна может состоять из длительных серий упражнений с паузами для отдыха. Другая — из повторяющихся коротких, интенсивных серий с минимальным временем на восстановление. Если обе тренировки оценить одним числом, важное различие останется незамеченным.

Показатель «Общая Player Load PL) дает тренерскому штабу представление о том, какой объем работы накопил игрок. Он не отражает, как именно была накоплена эта работа, и насколько интенсивными были активные отрезки игры. Это различие имеет значение, поскольку показатель PL в минуту (PL/мин) в хоккее с шайбой не всегда означал одно и то же.

Найтнгейл и др. (2026) подчеркивают этот момент в своей концепции выбора показателей внешней нагрузки в хоккее с шайбой. Они отмечают, что в опубликованных исследованиях по хоккею в качестве знаменателя при расчете показателя PL/min использовались как общая продолжительность матча, так и время на льду. Исследования, в которых использовалась общая продолжительность матча, в том числе работы Дугласа и др. (2022) и Нилда и др. (2021), дали показатели 2,1–2,3 PL/min; исследования, в которых использовалось время на льду, в том числе работы Биркьедала и др. (2022) и Переса и др. (2022), дали значения около 6,3 PL/min.

Различные версии Windows, различные рабочие нагрузки

Именно здесь возникают сложности при сравнении тренировок и матчей. В матчах тренеры по видеоанализу обычно маркируют выходы игроков на поле целиком. На тренировках же, даже если занятия снимаются на видео, редко маркируются все повторения для одного игрока, не говоря уже о полном составе команды. Маркировка выходов игроков в матчах — это уже немалый труд. А маркировка повторений на тренировках — задача практически невыполнимая.

Но если мы хотим сравнить нагрузки на тренировках и в матчах, то эти временные интервалы, характерные для каждого игрока, имеют значение. Без них знаменатель остаётся непостоянным. Игрок может накопить одинаковое количество PL, но плотность зависит от того, рассчитываем ли мы её за всю тренировку, за упражнение, за всю смену или только за активные моменты.

Переход с хронометража на уровне сессии на хронометраж с активным отсчетом позволяет исключить время, проведенное на скамейке запасных, и перемещения между свистками. Общий показатель PL снизился, поскольку часть этих перемещений ранее учитывалась. Показатель PL/мин обычно растет, так как знаменатель уменьшается быстрее, чем измеряемая нагрузка. Одно и то же упражнение, один и тот же игрок, один и тот же файл данных могут давать очень разные значения объема и плотности в зависимости от того, какой тип хронометража использует тренерский штаб. Именно поэтому выбор временного окна имеет значение, и именно окно «активного смены» является самым «чистым» из четырёх. Оно учитывает только те моменты, когда игрок действительно участвовал в игре. Показатель объёма отражает работу, проделанную игроком. Показатель плотности отражает интенсивность этой работы в момент её выполнения. Именно это временное окно позволяет сравнивать тренировки и матчи.

К сожалению, мы вернулись к исходной точке. Как на практике решить проблему ручной маркировки торговых представителей?

Автоматическое определение смены: более стабильное временное окно

Функция «Автоматическое определение смен в хоккее» от Catapult решает эту проблему, определяя активные смены непосредственно по данным с носимых устройств. Команды автоматически получают данные об активных сменах для каждого игрока. Это дает тренерскому штабу единый критерий оценки времени, в течение которого каждый игрок активно участвовал в тренировке. Кроме того, это привело к некоторым неожиданным результатам.

Согласно неопубликованному анализу Catapult Sports за 2026 год, одна тренировка в АХЛ по объему на уровне сессии соответствовала примерно 58 % объёма матча. При расчёте по активным сменам этот показатель снижался до 51 %. На уровне тренировочной сессии эта же тренировка казалась более интенсивной, чем матч — примерно 130 % от показателя PL/min в матче. Однако при рассмотрении обоих показателей через призму активных смен интенсивность этой тренировки снизилась примерно до 73 % от интенсивности матча в активных сменах.

Данные по активной смене могут выявить пробел, который зачастую скрывают сводки по всей тренировке. Большинство специалистов признают, что на тренировках сложно воспроизвести общий объем нагрузки, характерный для матча. Многие полагали, что интенсивность тренировок превышает интенсивность матча, поскольку тренировки короче, более структурированы и лучше контролируются.

Эти данные ставят под сомнение данное предположение. Если выделить именно те периоды, когда спортсмены действительно занимаются, то объем и интенсивность тренировок могут оказаться недостаточными.

Это имеет значение для периодизации, составления тренировочных упражнений и возвращения к соревнованиям. Командам необходимо знать, подвергались ли игроки во время тренировок нагрузкам, соответствующим по объему и интенсивности активным игровым сменам. Им также важно понимать, как именно набирался этот объем. Длительные блоки равномерной нагрузки отличаются от повторяющихся серий высокой интенсивности, которые отражают ритм игры.

Соединяя «Metric» с «Moment»: интеграция видео и носимых устройств

Больший объем данных не всегда означает большую ясность. Полезные отчеты должны соотносить показатели с поставленными вопросами, сокращать избыточность и помогать командам принимать более эффективные решения (Nightingale и др., 2026).

Функция «Автоматическое распознавание смен» поддерживает этот подход, предоставляя выбранным показателям более полный контекст. Когда данные об активных сменах импортируются в модуль Focus системы Catapult, команды могут перейти от показателя к моменту, в который он был сгенерирован. Для тренеров анализ смен после матча — не новость. Однако просмотр тренировочных повторений отдельных игроков раньше был практически невозможен. Теперь, когда активные смены, включая тренировочные повторения, можно идентифицировать автоматически, у тренеров появилась возможность анализировать тренировочную работу конкретных игроков, не обращаясь к видеоспециалистам с просьбой вручную маркировать каждое повторение.

Это меняет рабочий процесс для всего персонала. Видеоаналитик может быстрее находить нужные фрагменты с участием игроков. Специалисты по физической подготовке могут продемонстрировать, почему произошел всплеск нагрузки. Тренеры могут анализировать интенсивные отрезки тренировок в тактическом контексте. Все работают с одним и тем же источником: одни и те же показатели, один и тот же временной интервал и одно и то же видео — всё в одном месте.

Практические выводы

Функция автоматического определения смен позволяет сотрудникам более четко оценивать рабочую нагрузку. 

Благодаря автоматическому определению активных смен это снижает нагрузку, связанную с ручной маркировкой, и создает более единообразную основу для сравнения требований тренировок и матчей. 

Для тренеров, видеоспециалистов и специалистов по анализу результативности это служит общей отправной точкой, позволяющей понять, что именно делали игроки, насколько сложной была задача и в каком контексте она выполнялась.

Ссылки

1. Бюркьедал, П. Т., Лутебергет, Л. С., Бьорнсен, Т., Иварссон, А., и Спенсер, М. (2022). Проведение тренировочных матчей по хоккею с шайбой (скриммаж) на основе симуляционных игр приводит к более высокой интенсивности по параметрам внешней нагрузки по сравнению с официальными матчами. Frontiers in Sports and Active Living, 4, 822127. https://doi.org/10.3389/fspor.2022.822127
2. Catapult Sports. (2026). Сравнение нагрузки по принципу «активного переключения» и по периодам в элитном хоккее с шайбой [Неопубликованный внутренний анализ].
3. Дуглас, А. С., Ротонди, М. А., Бейкер, Дж., Джамник, В. К. и Макферсон, А. К. (2022). Сравнение показателей внешней нагрузки на льду у хоккеисток субэлитного и элитного уровней. Journal of Strength and Conditioning Research, 36(7), 1978–1983. https://doi.org/10.1519/JSC.0000000000003771
4. Нилд, К. Л., Петерсон, Б. Дж., Дитц, К. К., Каппаерт, Т. А. и Альвар, Б. А. (2021). Влияние предшествующей тренировочной нагрузки на результативность команды в мужском университетском хоккее с шайбой. Journal of Strength and Conditioning Research, 35(8), 2272–2278. https://doi.org/10.1519/JSC.0000000000004076
5. Найтinгейл, С., Хьюз, Дж., Де Сте Круа, М., и Пфайфер, К. (2026). Концептуальное руководство по выбору показателей внешней нагрузки в хоккее с шайбой. International Journal of Strength and Conditioning. https://doi.org/10.47206/ijsc.v6i1.526 
6. Перес, Дж., Брошери, Ф., Кутюрье, А. и Гильем, Г. (2022). Международные матчи вызывают стабильную механическую нагрузку в женском хоккее высокого уровня. Biology of Sport, 39(4), 857–864. https://doi.org/10.5114/biolsport.2022.109455