Modelowanie Duckworth–Lewis–Stern z logiką rozmytą i wskaźnikami kontekstowymi dla rewizji celu w krykiecie

Dlaczego deszcz i rosa mogą zmienić przebieg meczu w krykiecie

Kibice często narzekają, że przepisy dotyczące deszczu i późnowieczornej rosy mogą niesprawiedliwie przechylić szalę w meczu ograniczonym liczbowo. Gdy gra jest skracana, do ustalenia nowego celu dla zespołu goniącego używa się metody Duckworth–Lewis–Stern (DLS), która jednak bierze pod uwagę tylko pozostałe overy i utracone wickets. Artykuł stawia pytanie, które wielu widzów i zawodników czuje intuicyjnie: czy przy obliczaniu celu nie powinno się też uwzględniać siły drużyn, zachowania boiska i tego, czy murawa jest śliska od rosy? Autorzy proponują nowy, bardziej elastyczny sposób osiągnięcia właśnie tego celu.

Jak obecna reguła widzi mecz

Standardowa metoda DLS zakłada, że potencjał punktowy drużyny zależy od dwóch liczb: ile pozostało overów i ile wicketów upadło. Na tej podstawie buduje się gładką krzywą opisującą ułamek „zasobów battingu” wciąż dostępnych. Cele i wyniki par w meczach dotkniętych deszczem oblicza się następnie, porównując po prostu zasoby wykorzystane przez każdą stronę. To podejście sprawdziło się na tyle dobrze, że stało się światowym standardem, ale ma słaby punkt: traktuje dwie innings o tych samych overach i wicketach jak identyczne, nawet jeśli jedna strona ma światowej klasy pałkarzy na płaskim boisku, a druga mierzy się z toczącą się piłką pod światłami.

Wprowadzenie kontekstu do obrazu

Aby zlikwidować tę lukę, autorzy konstruują indeksy liczbowe, które w prosty, interpretowalny sposób wychwytują siłę drużyn i warunki meczowe. Indeks Jakości Battingu łączy średnie batterskie, strike rate’y i rankingi w jedną wartość między zero a jeden, gdzie 0,5 oznacza mniej więcej „średnio”. Indeks Groźby Bowlingowej robi to samo dla strony bowlingowej, używając economy rate, wicketów na piłkę, średnich i rankingów — silniejsze ataki otrzymują wyższe oceny. Uwzględniają też, ile zostało overów Powerplay, na ile boisko sprzyja battingowi lub bowlingowi oraz czy pogoda wskazuje na suche powietrze, mżawkę czy obfitą rosę. Stan boiska i pogoda są podsumowane za pomocą logiki rozmytej: zamiast sztywnego „dobry” lub „zły” opisuje się je nakładającymi się odcieniami takimi jak „twarde”, „wilgotne” czy „starta”, które następnie są scentralizowane do pojedynczego wyniku dla boiska lub pogody.

Elastyczna krzywa dostosowująca się do warunków

Opierając się na tych wejściach, autorzy projektują dwa powiązane narzędzia matematyczne. Po pierwsze przedstawiają uogólnioną krzywą logistyczno-eksponencjalną, która w warunkach przeciętnych wiernie naśladuje znaną krzywą zasobów DLS, ale odchyla się nieco w górę lub w dół, gdy batting jest silniejszy, bowling ostrzejszy, boisko się wypłaszcza lub pojawia się rosa. Po drugie osadzają tę ideę w pełnym systemie logiki rozmytej, który przyjmuje reguły językowe brzmiące jak codzienna rozmowa o krykiecie — na przykład „jeśli batting jest silny, boisko płaskie i jest rosa, to zasoby są bardzo wysokie” — i tłumaczy je na precyzyjne korekty liczbowe. W przykładowych scenariuszach model delikatnie podwyższa wyniki par w ustawieniach sprzyjających bowlerom i obniża je, gdy pogoń ułatwiają warunki, przy czym zawsze wraca do klasycznego kształtu DLS, gdy wszystko jest neutralne.

Czy rosa naprawdę pomaga pogoni?

Ponad samym modelowaniem, artykuł analizuje 100 meczów One-Day International rozegranych w Indiach, by przetestować rozpowszechnione przekonanie: że zimowa rosa ułatwia pogoń. Dzieląc mecze na miesiące zimowe i pozazimowe, autorzy stwierdzili, że drużyny bijące drugie wygrały 56,5 procent meczów w miesiącach zimowych, ale tylko 37,0 procent poza zimą. Szanse na wygraną podczas gonienia są nieco ponad dwukrotnie wyższe zimą, choć próba jest na tyle mała, że wynik nie osiąga ścisłej istotności statystycznej. Mimo to wzorzec ten dobrze pasuje do rozmytych wejść, które model ma wykorzystywać: śliskie piłki, szybsze outfieldy i łagodniejsze warunki dla pałkarzy w drugiej innings.

Co to oznacza dla sprawiedliwszych celów

Ogólnie model Fuzzy-DLS zachowuje się jak ulepszona, świadoma kontekstu wersja standardowej reguły dotyczącej deszczu. W zestawie 30 przykładów ilustracyjnych jego szacunki zasobów różnią się od oficjalnych wartości DLS średnio o około 1,5 punktu procentowego, a wyniki par zmieniają się o nieco ponad dwa runy — niewielkie, płynne przesunięcia zamiast drastycznych przemian. Te przesunięcia opierają się jednak na informacjach, o których już mówią zawodnicy, komentatorzy i kibice: sile składów, stanie boiska i obecności rosy lub deszczu. Dla czytelnika niebiegłego w temacie kluczowy wniosek jest taki, że możliwe jest zachowanie znanego szkieletu DLS przy jednoczesnym zwiększeniu czułości na realne odczucie meczu, co może prowadzić do rewizji celów, które będą nie tylko matematycznie poprawne, lecz także intuicyjnie sprawiedliwe.

Cytowanie: Samanta, S., Allahviranloo, T., Mrsic, L. et al. Duckworth–Lewis–Stern modeling with fuzzy logic and contextual indices for target revision in cricket. Sci Rep 16, 10630 (2026). https://doi.org/10.1038/s41598-026-44750-8

Słowa kluczowe: analityka krykieta, mecze dotknięte deszczem, rewizja celu, logika rozmyta, Duckworth-Lewis-Stern