[논문 리뷰] Sensor Analytics in Basketball

Rodolfo Metulini, Marica Manisera외 1명|arXiv (Cornell University)|2017. 07. 04.

Sports Analytics and Performance인용 수 3

한 줄 요약

이 논문은 GPS로 추적된 선수 궤적을 활용하여 농구에서 센서 분석을 적용하며, 볼록 다각형과 k-means 군집화를 사용해 팀 성과와 관련된 이동 패턴을 식별한다. 연구 결과 공격 플레이는 수비 플레이나 비교해 선수 간 거리가 더 크게 유지되며, 이는 슈팅 기회를 증가시키기 위한 전략적 분산 전술을 의미한다.

ABSTRACT

A new approach in team sports analysis consists in studying positioning and movements of players during the game in relation to team performance. State of the art tracking systems produce spatio-temporal traces of players that have facilitated a variety of research aimed to extract insights from trajectories. Several methods borrowed from machine learning, network and complex systems, geographic information system, computer vision and statistics have been proposed. After having reviewed the state of the art in those niches of literature aiming to extract useful information to analysts and experts in terms of relation between players' trajectories and team performance, this paper presents preliminary results from analysing trajectories data and sheds light on potential future research in this field of study. In particular, using convex hulls, we find interesting regularities in players' movement patterns.

연구 동기 및 목표

• 농구에서 센서로 유도된 궤적을 활용해 선수 이동 패턴의 규칙성을 식별하기 위해.
• 공간적 위치와 이동 역학을 팀 성과 결과와 연결하기 위해.
• 코치와 분석가가 전술적 행동을 해석하는 데 도움이 되는 시각적 및 분석 도구를 개발하기 위해.
• 공격 및 수비 단계에서 볼록 다각형을 통해 측정한 선수 간 간격의 차이를 탐색하기 위해.
• 다변량 궤적 데이터를 활용한 팀 스포츠의 향후 데이터 기반 분석 기반을 마련하기 위해.

제안 방법

• 실제 농구 경기에서 GPS로 추적된 선수의 시공간 궤적을 사용한다.
• 선수 간 거리 기반으로 시간 인스턴트를 군집화하기 위해 k-means 군집화를 적용하며, k=8은 간섭-총 분산 비율을 통해 선정된다.
• 평균 선수 간 거리를 유지하면서 2차원 공간에서 선수 위치를 시각화하기 위해 다차원 척도법(MDS)을 사용한다.
• 선수 간 간격과 팀의 위치 배치 측면에서 동질적인 순간으로 게임 단계를 정의한다.
• courtside에서의 선수 분포의 기하학적 측정으로 볼록 다각형 면적을 정의한다.
• 볼록 다각형 면적의 시계열 분석을 통해 팀 간 공격 및 수비 전략을 비교한다.

실험 결과

연구 질문

• RQ1 농구에서 공격 및 수비 단계 동안 선수 위치 패턴은 어떻게 다를까?
• RQ2 볼록 다각형 면적으로 측정한 선수 간 간격은 팀 성과와 어느 정도 상관이 있는가?
• RQ3 궤적 데이터의 군집화가 별개의 전술적 구성이나 이동 패턴을 드러낼 수 있는가?
• RQ4 수비 팀은 경기 중 공격 팀의 볼록 다각형 면적을 실제로 줄일 수 있는가?
• RQ5 센서 데이터에서 추출할 수 있는 이동 패턴의 규칙성은 코칭 결정을 뒷받침하는 데 어떻게 활용될 수 있는가?

주요 결과

• 클러스터 1(C1), 클러스터 2(C2), 클러스터 3(C3), 클러스터 4(C4)는 주로 공격 플레이를 나타내며, 각각 85.88%, 85.91%, 73.93%, 84.62%의 시간 인스턴트가 공격로 분류된다.
• 클러스터 6(C6)는 수비 행동과 강하게 연관되어 있으며, 그 시간 인스턴트의 85.07%가 수비로 분류된다.
• 공격 단계에서는 수비 단계보다 유의미하게 더 큰 볼록 다각형 면적을 보이며, 코트에서의 선수 간 분산이 더 크다는 것을 의미한다.
• 공격 플레인 동안 평균 볼록 다각형 면적이 더 크며, 이는 슈팅 기회를 창출하기 위한 전략적 공간 확보를 의미한다.
• 다차원 척도법(MDS) 시각화 결과, 클러스터 간 선수 위치 구조에 상당한 차이가 있음을 확인한다.
• 이 연구는 공격 팀이 수비 팀보다 항상 더 큰 공간 분포를 유지하는 일관된 패턴을 규명하였으며, 수비 팀은 이러한 간격을 줄이기 위한 목표를 가진다.