[論文レビュー] Analyzing In-Game Movements of Soccer Players at Scale

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

Sports Performance and Training参考文献 13被引用数 3

ひとこと要約

本論文は、追加の追跡システムを必要とせず、公開済みのイベントベースの試合データのみを用いて、サッカー選手の試合内での動きのパターンをスケーラブルに抽出・分析する新規手法を提案する。これにより、選手の独自性、一貫性、類似性を大規模に定量的に評価可能となり、スカウティングや代替選手の特定に役立つインサイトを提供する。主な発見として、メッシの動きは両方の特徴（独自性と一貫性）において顕著に高く、ルナウドの動きは平均的であることが判明した。

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.

研究の動機と目的

• チームがその情報を機密とするため、サッカーにおける身体的パフォーマンスデータの不足に対処すること。
• 専用の追跡システムに依存せず、イベントベースの試合データのみを用いて、サッカー選手の動きの特徴をスケーラブルに導出する手法を開発すること。
• 複数のリーグおよびシーズンにわたる選手の試合内動きの独自性と一貫性を定量的に評価すること。
• 動きの類似性に基づいて、特定の選手の代替候補を同定することにより、スカウティングおよび戦術計画支援を行うこと。
• 公開済みのデータを用いて、大規模かつ実用的な選手の役割と戦術戦略に関するインサイトを提供すること。

提案手法

• 本手法は、パス、シュート、タックルなどのボール関連の行動を記録するイベントベースのデータセットから、動きのパターンを抽出する。
• 空間的・時間的試合イベントに基づき、イベントの系列（例：パス、走行）を方向性を持つ移動ベクトルとしてモデル化することで、選手の動きの軌跡を再構築する。
• ベクトルベースの距離測定法を用いて選手間の動きの類似性を計算し、類似した試合内動きのパターンを示す選手を同定する。
• 動的時間ワープ（DTW）や類似する整列技術を用いて、試合ごとの選手の動きのプロファイルを比較することで、行動の安定性を測定し、一貫性を評価する。
• 独自性は、選手の動きのプロファイルをデータセット内で最も類似した選手たちのプロファイルとの平均距離として定量化する。
• 本手法は放送データを活用しており、スタジアムへの設置やチームの承認を必要としないため、50以上のリーグにわたる広範なスケーラビリティを実現する。

実験結果

リサーチクエスチョン

• RQ1 専用の追跡システムを用いずに、イベントベースのデータからサッカー選手の試合内動きのプロファイルを正確に再構築できるか？
• RQ2 複数の試合およびシーズンにわたって、個々の選手の動きのパターンはどの程度一貫性と独自性を示すか？
• RQ3 選手間の動きの類似性は、特定の選手の代替候補を同定するためにどの程度活用できるか？
• RQ4 守備選手、ミッドフィルダー、攻撃選手などの異なるポジション間で、動きの一致性と独自性にどのような差があるか？
• RQ5 メッシやルナウドのようなエリート選手は、動きの独自性と一貫性においてどのように比較されるか？

主な発見

• シャビの動きのパターンは、シーズンを通じて非常に一貫しており、控え選手として出場した試合でもわずかなずれにとどまっていた。これは彼の役割の安定性を裏付けている。
• メッシは、最高の動きの独自性（0.86）を示し、中程度の一貫性（0.30）を示しており、特徴的ではあるが安定したプレー様式であることが示された。
• クリスティアーノ・ロナウドの動きのプロファイルは、独自性（0.55）と一貫性（0.51）の両方で平均的であり、メッシとは対照的であった。
• 守備選手は一般的に高い一貫性と低い独自性を示したが、ミッドフィルダーと攻撃選手は両方の特徴においてより変動が見られた。
• アドリアーノ（バルセロナの守備選手）は、非常に高い動きの独自性（0.88）を示したが、一貫性は低い（0.75）ため、不規則な行動を示していた。
• イニエスタは高い一貫性（0.40）と中程度の独自性（0.78）を示し、信頼性は高いが特徴的であるプレー様式であった。