[論文レビュー] Space-Time Analysis of Movements in Basketball using Sensor Data

Rodolfo Metulini, Marica Manisera+1 more|arXiv (Cornell University)|Jul 4, 2017

Sports Analytics and Performance参考文献 7被引用数 9

ひとこと要約

本稿では、GPSセンサデータを用いた空間時間クラスタリング手法を提案し、選手の位置と配置に基づいてバスケットボール試合を明確なフェーズに分割する。空間時間的軌跡にk-meansクラスタリングを適用することで、8つの試合フェーズを同定し、それらを攻撃的または守備的として特徴づけ、遷移パターンを明らかにした。その結果、試合時間の35.33％が高密度の攻撃的フォーメーション（C6）に対応していることが示され、遷移確率から攻撃的クラスタ間での強い方向性の変化が確認された。

ABSTRACT

Global Positioning Systems (GPS) are nowadays intensively used in Sport Science as they permit to capture the space-time trajectories of players, with the aim to infer useful information to coaches in addition to traditional statistics. In our application to basketball, we used Cluster Analysis in order to split the match in a number of separate time-periods, each identifying homogeneous spatial relations among players in the court. Results allowed us to identify differences in spacing among players, distinguish defensive or offensive actions, analyze transition probabilities from a certain group to another one.

研究の動機と目的

• GPSセンサからの空間時間的選手軌跡を用いて、バスケットボールの明確な試合フェーズを同定すること。
• 空間的構造、選手間の距離、戦術的役割（攻撃的または守備的）によって各フェーズを特徴づけること。
• 試合フェーズ間の遷移確率を分析し、戦術的ダイナミクスを理解すること。
• データマイニングを用いてチームスポーツにおけるビッグデータからコーチが実行可能なインサイトを抽出できるようにすること。

提案手法

• 約37 Hzで取得された133,662件のGPSトラッキング選手位置にk-meansクラスタリング分析を適用した。
• 軌跡の正確性を確保するため、カルマンフィルタを用いて欠損したx-y座標を補完した。
• k=8のクラスタを、分散内比（BD/TD）比と段階的安定性に基づいて選定した。
• 2次元の多次元尺度構成法（MDS）を用いて、選手間距離と空間的配置を可視化した。
• 平均選手位置と空間的分布に基づき、クラスタを攻撃的または守備的として分類した。
• 連続する時間点間のフェーズ変化の相対頻度を計算するために遷移行列を構築した。

実験結果

リサーチクエスチョン

• RQ1 空間的構造に基づいて、GPSで得られた選手軌跡を意味のある試合フェーズに分割する方法は何か？
• RQ2 バスケットボールにおいて、どの空間的パターンが攻撃的行動と守備的行動に対応するか？
• RQ3 試合フェーズ間で最も頻繁に観察される遷移は何か？ そして、それらは戦術的流れに何を明らかにするか？
• RQ4 選手間の距離と配置の観点から、同定されたクラスタはどれほど安定的で解釈可能か？

主な発見

• 最適なクラスタ数はk=8であり、BD/TD比が50％で、k=8以降に顕著な増分の改善が見られなかったことから選定された。
• C6クラスタは試合時間の35.33％を占め、全選手間距離が平均未満の高密度の守備的フォーメーションを表している。
• C1、C2、C3、C4は主に攻撃的であり、それぞれ85.88％、85.91％、73.93％、84.62％の時間が攻撃的と分類された。
• C6（守備的）クラスタはC8に最も頻繁に遷移していた（遷移の56.25％）、これは別の戦術的フォーメーションに移行していることを示している。
• C1は31.54％の確率でC3に遷移しており、これは一般的な攻撃的遷移パターンを示している。
• 多次元尺度構成法により、明確な空間的差異が明らかになった：C1とC5は均等な間隔を示したが、C2とC8は局所的な選手グループの形成を示した。