私たちの ポゼッションとシーケンスのフレームワークのような既存のモデルでは、シーケンスごとのパスやダイレクトスピードのような記述的な指標を用いて、プレーのパッセージをセグメント化して分析することができます。しかし、これではチームのスタイルや選手の関与のハイレベルな概要しか得られず、より深い分析のために似たようなシークエンスをグループ化するには複雑すぎることが多い。
ムーブメントチェーンは、まったく新しいディテールの層を与えてくれる。
ムーブメントチェーンは、プレーヤーの最初のタッチの位置を表示することで、プレーが途切れることなく連続する4つのプレーヤーの関与のパターンを表現する。ムーブメントチェーンにおける各プレーヤーの最初のタッチはノードと呼ばれる．
リーズ・ユナイテッドのFWエデルデル・コスタがシーズン序盤の対フルアム戦で決めた2点目のビルドアップを見れば、この連鎖がどのように機能するかがわかるだろう。
今季初の勝ち点3を決めたゴールpic.twitter.com/SbnME9yVUp
- リーズ・ユナイテッド (@LUFC) 2020年9月19日
イラン・メスリエがジャック・ハリソンにロフトボールを送ると、ハリソンはバンフォードにヘッドで合わせる。バンフォードはボールを持ち運び、コスタにつないでゴールを決める。各ノードは、4人のプレーヤーのファーストタッチの位置を示している。
プレーの各ノードは、複数のムーブメントチェーンに分類することができる。例えば、ロビン・コッホからイラン・メスリエへのパスで始まる連鎖があり、パトリック・バンフォードに4回絡んだ後に終わる。ここでは3つのノードがユニークなムーブメントチェーンに重なっている。
ムーブメントチェーンは、特定のプレーパターンにおける選手の役割に文脈を与え、チームレベルでのスタイルの全体像を示すために構築された。ピエール＝エメリク・オーバメヤンが危険な連鎖に関与するのは左ウイングか、それとももっと中央か？リバプールの最も危険な連鎖はどのようなものか？
現在、2種類のチェーンがある：
- ノンクロス/パッシングチェーン：このチェーンは最も一般的なムーブメントチェーンで、プレーヤーがノード間でボールをパスします。このブログでは、このチェーンに焦点を当てます。
- クロスの連鎖：これらの連鎖には、4人のプレーヤーのうち3人目のプレーヤーが4人目のプレーヤ ーにクロスをすることで、完了したクロスが含まれる。この場合、3人目のプレーヤーのファーストタッチとクロスの位置の両方を記録する。
クラスタリング・チェーン
これらの個々のムーブメントチェーンから最大の価値を引き出すためには、空間的な類似性に基づいてグループに分類する必要がある。まず、以下に示すゾーンによって決定される、始点と終点の位置に基づいて、チェーンを分割する：
このようにするのは、モデルにドメインの専門知識を注入するためである。チェーンをそのままクラスター化することもできるが、高度なエリア（ペナルティ・ボックスなど）でチェーンがゴールしないため、ゴールから離れた他のクラスターに引きずり込まれることになる。
そのため、ピッチをゾーンに分割することで、ピッチ上で起こることを正確に反映したクラスターを生成することができる。
これで連鎖に関する基本的な情報が得られたが、次にこれらのグループ内の移動パターンを区別する必要がある。例えば、下の2つのムーブメントチェーンは、どちらも同じゾーンで始まり、同じゾーンで終わるが、その軌跡はまったく異なる。
そのために、これらのゾーングループ内の各チェーンに、空間的に最も類似したチェーンをまとめるクラスター（またはパターン）ラベルを追加する。これらのクラスター・ラベルは、特定の始点／終点ゾーン間の移動の形状を表すもので、K平均クラスタリング・アルゴリズムを用いて作成される。
下の図は、今シーズンのプレミアリーグで、リーズ・ユナイテッドの例と同じゾーンで始まり、同じゾーンで終わった、同じクラスター・ラベルに属するすべての連鎖を表示しています。各ノードのグローバルなセントロイドによって視覚的に表されるこれらのクラスターを使用して、チームが採用するプレーの最も頻繁で最も効果的なパターンを評価することができます。
モチーフ
それぞれの関与の場所とその軌跡は基本的なものであるが、モチーフによって選手の関与に関する情報を抽出することもできる。モチーフは、選手の関与の順序を示す文字を連鎖の各ポイントに割り当てるもので、これを組み合わせることで、動きの連鎖全体を表す「単語」を作成する。
モチーフの例としては "ABCA "がある。これは、連鎖の最初の3人がすべてユニークなプレーヤー（プレーヤーA、プレーヤーB、プレーヤーC）であったが、連鎖の最初のプレーヤー（プレーヤーA）が最後のプレーヤーでもあったことを意味する。リーズ・ユナイテッドの例では、4人のユニークなプレーヤーが関与しているので、モチーフは "ABCD "となる。
このような背景から、これらの連鎖におけるコンビネーションの種類や、これらのスタイルの特徴が選手やクラブによってどのように異なるかを見ることができる。例えば、どのチームがこのエリア周辺でワンツーをしているのか？ケインはシュートエンドの連鎖のビルドアップに関与し、その連鎖のエンドにも入っているのか？などなど。
制限事項
ムーブメントチェーンが何を測定できるかを理解することは重要だが、他のモデルと同様、その制限を理解することがカギとなる：
- チェインでは、プレーヤーがボールを受けてパスするまでの間に何が起こるかはわからない。ある選手が次の選手にパスする前にボールを運ぶかもしれないし（例：パトリック・バンフォード）、ファーストパスをするかもしれない。
- チェーンには、チェーン内で行われなかったゲーム内の情報は含まれません。例えば、3つのパスがないショットはチェーンに含まれない。
- クラスタリングとモチーフを用いたより高度な解析のために、データの複雑さを軽減するため、鎖長は4つの関与に制限されている。
エッジ分析の例
ここで示したムーブメントチェーンの特徴（クラスターやモチーフなど）に加えて、各ノードに他のAI モデル（ポゼッションバリュー、期待されるパス、プレッシャーなど）を適用することで、これらのプレーパターンが使われているコンテクストの理解を深めることができる。
例えば、私たちのエッジ分析プラットフォームでは、チームが使用する最も危険なパターン（ポゼッション値による）を見つけ、これをビデオインスタンスにリンクして、ユーザーが最も興味を持つプレーを研究することで、ムーブメントチェーンの力を実証しています。私たちはこの分析をクラスター・レベルで行い、下の黄色い線は、検索条件を満たす個々のチェーンを含むクラスターを表します：
ムーブメントチェーンのさまざまな応用は、選手やチームのスタイルをより高度に理解し、リクルートや対戦相手の分析といった分野に応用するために、単独で、あるいはより広範なモデルの中で使用できることを意味する。
