[논문 리뷰] Analyzing In-Game Movements of Soccer Players at Scale

László Gyarmati, Mohamed Hefeeda|arXiv (Cornell University)|2016. 03. 11.

Sports Performance and Training참고 문헌 13인용 수 3

한 줄 요약

이 논문은 공개된 이벤트 기반 경기 데이터만을 사용하여 축구 선수들의 경기 중 이동 프로파일을 대규모로 추출하고 분석하는 새로운 방법을 제안한다. 이는 고비용의 트래킹 시스템이 필요로 하지 않으며, 선수의 고유성, 일관성, 유사성에 대한 대규모 정량적 분석을 가능하게 한다. 이는 선수 스카우팅 및 대체 후보 식별에 실질적인 통찰을 제공하며, 주요 발견으로 메시의 이동 패턴은 매우 고유하고 일관성이 높은 반면, 로날두의 이동 패턴은 평균 수준임을 보여준다.

ABSTRACT

It is challenging to get access to datasets related to the physical performance of soccer players. The teams consider such information highly confidential, especially if it covers in-game performance.Hence, most of the analysis and evaluation of the players' performance do not contain much information on the physical aspect of the game, creating a blindspot in performance analysis. We propose a novel method to solve this issue by deriving movement characteristics of soccer players. We use event-based datasets from data provider companies covering 50+ soccer leagues allowing us to analyze the movement profiles of potentially tens of thousands of players without any major investment. Our methodology does not require expensive, dedicated player tracking system deployed in the stadium. We also compute the similarity of the players based on their movement characteristics and as such identify potential candidates who may be able to replace a given player. Finally, we quantify the uniqueness and consistency of players in terms of their in-game movements. Our study is the first of its kind that focuses on the movements of soccer players at scale, while it derives novel, actionable insights for the soccer industry from event-based datasets.

연구 동기 및 목표

• 팀들이 이러한 정보를 매우 기밀로 취급함으로써 축구에서 신체 성능 데이터의 부족을 해결하기 위해.
• 전용 트래킹 시스템에 의존하지 않고도 이벤트 기반 경기 데이터만을 사용하여 축구 선수의 이동 특성을 유의미하게 유도할 수 있는 확장 가능한 방법론을 개발하기 위해.
• 여러 리그와 시즌에 걸쳐 선수의 경기 중 이동 패턴에 대한 고유성과 일관성을 정량화하기 위해.
• 이동 패턴의 유사성에 기반하여 특정 선수의 잠재적 대체 후보를 식별함으로써 스카우팅 및 팀 전략 수립을 지원하기 위해.
• 공개된 데이터만을 사용하여 대규모로 실질적인 통찰을 제공함으로써 선수의 역할과 팀 전략에 대한 이해를 높이기 위해.

제안 방법

• 이 방법은 패스, 슛, 태클과 같은 볼과 관련된 행동을 기록하는 이벤트 기반 데이터셋에서 이동 패턴을 추출한다.
• 공간적 및 시간적 경기 이벤트를 바탕으로 이벤트 시퀀스(예: 패스, 런)를 방향성 이동 벡터로 모델링하여 선수의 이동 궤적을 재구성한다.
• 벡터 기반의 거리 측정 기법을 사용하여 선수 간의 이동 유사성을 계산함으로써 유사한 경기 중 이동 패턴을 가진 선수를 식별할 수 있다.
• 일관성은 동적 시간 왜곡 또는 유사한 정렬 기법을 사용하여 경기 간에 선수의 이동 프로파일을 비교하여 행동의 안정성을 평가함으로써 측정된다.
• 고유성은 데이터셋 내에서 가장 유사한 선수들의 이동 프로파일과의 평균 거리로 측정되며, 이는 선수의 이동 패턴이 얼마나 독특한지를 정량화한다.
• 이 접근법은 방송된 경기 데이터를 활용하며, 경기장에 장비를 설치하거나 팀의 동의가 필요로 하지 않아 50개 이상의 리그에 걸쳐 광범위하게 확장 가능한 구조를 지닌다.

실험 결과

연구 질문

• RQ1 전용 트래킹 시스템 없이도 이벤트 기반 데이터에서 축구 선수의 경기 중 이동 프로파일을 정확하게 재구성할 수 있는가?
• RQ2 다양한 경기와 시즌에 걸쳐 개인 선수의 이동 패턴은 얼마나 일관성 있고 고유한가?
• RQ3 선수 간의 이동 유사성은 어느 정도까지 특정 선수의 잠재적 대체 후보를 식별하는 데 활용될 수 있는가?
• RQ4 수비수, 미드필더, 공격수와 같은 다양한 포지션 간에 이동 일관성과 고유성에 어떤 차이가 있는가?
• RQ5 메시와 로날두와 같은 정상급 선수들은 이동 고유성과 일관성 측면에서 어떻게 비교되는가?

주요 결과

• 자비의 이동 패턴은 시즌 내내 매우 일관성이 있었으며, 교체 출전 시에도 미미한 변동 외에는 변화가 없었으며, 이는 그의 역할 안정성을 확인한다.
• 메시는 이동 고유성(0.86)이 가장 높았고, 일관성(0.30)은 중간 수준이었으며, 이는 독특하지만 안정적인 플레이 스타일을 의미한다.
• 크리스티아노 로날두의 이동 프로파일은 고유성(0.55)과 일관성(0.51) 모두 평균 수준이었으며, 이는 메시의 독특함과 대비된다.
• 수비수들은 일반적으로 높은 일관성과 낮은 고유성을 보였고, 미드필더와 공격수들은 둘 다 변동성이 더 큰 경향을 보였다.
• 아드리아누(바르셀로나 수비수)는 매우 높은 이동 고유성(0.88)을 보였지만 일관성은 낮음(0.75)이었으며, 이는 불안정한 행동을 의미한다.
• 이니에스타는 높은 일관성(0.40)과 중간 수준의 고유성(0.78)을 보였으며, 이는 신뢰할 수 있고도 독특한 플레이 스타일을 의미한다.