[논문 리뷰] A network theory analysis of football strategies

Javier López Peña, Hugo Touchette|arXiv (Cornell University)|2012. 06. 28.

Complex Network Analysis Techniques참고 문헌 13인용 수 133

한 줄 요약

이 논문은 2010 월드컵의 패assing 데이터를 바탕으로 팀을 가중치가 부여된 방향성 그래프로 모델링하여 축구 전술을 네트워크 이론으로 분석한다. 선수는 노드로, 패assing은 간선으로 표현되며, 밀도, 중심성 측정법(근접성, 중간성, PageRank 등)을 활용해 선수의 影響력과 팀의 연결성 수준을 정량적으로 평가한다. 이를 통해 전술적 패턴, 핵심 선수, 팀 플레이의 구조적 약점 등을 규명한다.

ABSTRACT

We showcase in this paper the use of some tools from network theory to describe the strategy of football teams. Using passing data made available by FIFA during the 2010 World Cup, we construct for each team a weighted and directed network in which nodes correspond to players and arrows to passes. The resulting network or graph provides a direct visual inspection of a team's strategy, from which we can identify play pattern, determine hot-spots on the play and localize potential weaknesses. Using different centrality measures, we can also determine the relative importance of each player in the game, the `popularity' of a player, and the effect of removing players from the game.

연구 동기 및 목표

• 패assing 데이터를 활용한 정량적이고 네트워크 기반의 축구 팀 전술 분석 프레임워크를 개발한다.
• 그래프 이론적 도구를 통해 팀 플레이의 전술적 패턴, 선수 역할, 구조적 취약점을 규명한다.
• 전통적인 통계(예: 골, 어시스트)를 넘어서 네트워크 불변량을 통해 플레이의 동적 흐름을 포착한다.
• 코aches와 분석가들이 팀의 유대감, 선수의 중요도, 잠재적 약점을 평가할 수 있도록 시각적·계산적 도구를 제공한다.
• 네트워크 분석이 단 11명의 선수와 제한된 데이터로도 팀의 '플레이 스타일 특징'을 드러낼 수 있음을 입증한다.

제안 방법

• 각 선수를 노드로, 성공한 패assing을 방향성 간선으로 간주하고, 간선의 가중치를 패assing 횟수로 설정한 가중치가 부여된 방향성 네트워크를 구성한다.
• 팀의 전술적 포메이션에 따라 노드의 위치를 고정하여 공간적 패assing 패턴을 시각적으로 해석할 수 있도록 한다.
• 패assing 빈도의 역수를 기반으로 비대칭적인 거리 측정법을 정의한다: $ d_{ij} = 1/A_{ij} $ (i \neq j 일 때), $ d_{ij} = 0 $ (i = j 일 때).
• 간선 연결성과 클러스터링 계수와 같은 글로벌 네트워크 불변량을 계산하여 팀 전체의 회복력과 연결성 수준을 평가한다.
• 국소 중심성 측정법을 적용: 근접성($ C_i $), 중간성($ C_B(i) $), 고유벡터 중심성($ x_i $), 가중치가 부여된 PageRank($ c_i^w $)를 통해 선수의 중요도를 순위 매긴다.
• 패assing 빈도에 영향을 받지 않는 비가중치 인접행렬 $ \mathcal{E} $ 를 사용하여 네트워크 구조를 분석하고, 연결성 분석에 기여한다.

실험 결과

연구 질문

• RQ1 네트워크 이론을 활용해 축구 팀 전술을 어떻게 시각적·정량적으로 표현할 수 있는가?
• RQ2 어떤 선수들이 팀의 패assing 네트워크에서 가장 중심적인가? 이는 그들의 전술적 역할과 어떻게 연관되는가?
• RQ3 중심성 측정법이 실제 팀 성과와 선수의 영향력과 얼마나 관련이 있는가?
• RQ4 네트워크 불변량을 통해 구조적 약점이나 특정 선수에 대한 과도한 의존도를 어떻게 드러낼 수 있는가?
• RQ5 네트워크 분석을 통해 사용되지 않는 선수나 효율이 떨어지는 동료 간 패assing 패턴을 탐지할 수 있는가?

주요 결과

• 스페인의 패assing 네트워크는 높은 연결성과 균형 잡힌 중심성을 보였으며, Xavi와 Cesc Fàbregas가 근접성과 PageRank에서 최상위를 기록해 팀 플로우 유지에 핵심적인 역할을 했다.
• Xavi는 근접성 중심성 18.28, 중간성 1.19, PageRank 점수 46.47를 기록해 '티키타카' 스타일에서 결정적인 역할을 했다.
• 독일의 네트워크는 높은 연결성을 보였지만 더 중앙집중적이었으며, 라움과 슈바인슈타이거가 높은 중간성(11.83 및 13.17)과 PageRank(24.56 및 27.35)를 기록해 두 명의 핵심 선수에 대한 의존도가 높음을 시사했다.
• 우루과이의 네트워크는 중심성 분포가 넓었으며, 포르란과 페레스가 높은 중간성(10.29 및 10.63)과 PageRank(15.02 및 19.12)를 기록해 더 분산된 패assing 구조를 나타냈다.
• 네덜란드의 네트워크는 반 페르시와 슈나이더가 핵심 연결자로 작동했으며, 슈나이더는 PageRank 점수 33.77를 기록해 패assing 수가 적어도 강력한 영향력을 행사했음을 보여주었다.
• 표 2와 표 3의 선수 점수는 높은 PageRank와 근접성 중심성이 중간 수준의 패assing 횟수에도 불구하고 높은 전술적 중요도를 반영함을 보여주었으며, 이는 본 방법론이 전술적 역할에 민감하게 반응함을 검증한다.