소유권 및 시퀀스 프레임워크와 같은 기존 모델을 사용하면 시퀀스당 패스 수, 직접 속도와 같은 설명적 지표를 사용하여 플레이 패스를 세분화하고 분석할 수 있습니다. 그러나 이는 팀의 스타일이나 선수의 참여도에 대한 개략적인 개요만 제공할 뿐이며, 더 심층적인 분석을 위해 유사한 시퀀스를 함께 그룹화하기에는 너무 복잡합니다.
무브먼트 체인은 완전히 새로운 차원의 디테일을 제공합니다.
이동 체인은 관련된 플레이어의 첫 터치 위치를 표시하여 중단 없는 플레이 흐름에서 네 명의 플레이어가 연속적으로 참여하는 패턴을 설명하며, 한 플레이어가 체인 내에서 두 번 이상 참여할 수 있습니다. 이동 체인에 참여하는 각 플레이어의 첫 번째 터치를 노드라고 합니다.
시즌 초반 리즈 유나이티드의 공격수 헬더 코스타가 풀럼을 상대로 두 번째 골을 넣는 빌드업 장면에서 이러한 연쇄 작용이 어떻게 이루어지는지 확인할 수 있습니다.
시즌 첫 승점 3점을 따낸 골 pic.twitter.com/SbnME9yVUp
- 리즈 유나이티드 (@LUFC) 2020년 9월 19일
일란 메슬리에는 잭 해리슨에게 로프트 볼을 연결하고, 해리슨은 이를 뱀포드에게 헤딩으로 연결합니다. 그러면 뱀포드가 공을 운반한 후 코스타에게 패스하여 득점합니다. 각 노드는 네 선수의 첫 번째 터치 위치를 나타냅니다.
플레이 패스의 각 노드는 둘 이상의 움직임 체인으로 분류할 수 있습니다. 예를 들어 로빈 코흐가 일란 메슬리에게 패스하는 것으로 시작하여 패트릭 밤포드가 네 번 관여한 후에 끝나는 체인이 있습니다. 여기서 세 개의 노드는 고유한 움직임 체인 간에 겹칩니다.
무브먼트 체인은 특정 플레이 패턴에서 선수의 역할에 맥락을 부여하고 팀 차원에서 스타일을 전체적으로 파악하기 위해 만들어졌습니다. 피에르 에메릭 오바메양은 왼쪽 날개나 중앙에서 위험한 체인에 연루되어 있을까요? 리버풀의 가장 위험한 체인은 어떤 모습일까요?
현재 두 가지 유형의 체인이 있습니다:
- 비 크로스/패스 체인: 이 체인은 가장 일반적인 이동 체인으로, 플레이어가 노드 간에 공을 패스하는 방식입니다. 이 블로그에서는 이에 대해 집중적으로 다룰 것입니다.
- 크로스 체인: 이 체인에는 시퀀스에 참여한 네 명의 플레이어 중 세 번째 플레이어가 완성한 크로스가 포함되며, 세 번째 플레이어가 체인에서 네 번째 플레이어에게 크로스를 건네는 경우입니다. 이 경우 세 번째 플레이어의 첫 번째 터치와 크로스 위치를 모두 기록합니다.
클러스터링 체인
이러한 개별 이동 체인에서 최대한의 가치를 추출하기 위해서는 공간적 유사성을 기준으로 그룹으로 분류해야 합니다. 먼저, 아래 표시된 영역에 따라 시작 위치와 끝 위치를 기준으로 체인을 세분화합니다:
이렇게 하는 이유는 모델에 도메인 전문 지식을 주입하기 위해서입니다. 체인을 그대로 클러스터링할 수도 있지만, 고급 영역(예: 페널티 박스)에서 체인이 마무리되지 않으면 골대에서 더 멀리 떨어진 다른 클러스터로 끌려가게 됩니다.
따라서 경기장을 구역으로 세분화하여 경기장에서 일어나는 일을 정확하게 반영하는 클러스터를 생성할 수 있습니다.
이렇게 하면 체인에 대한 기본 수준의 정보를 얻을 수 있지만, 이러한 그룹 내의 이동 패턴을 구분해야 합니다. 예를 들어 아래의 두 이동 체인은 모두 같은 영역에서 시작하고 끝나는데 궤적이 매우 다릅니다.
이를 위해 공간적으로 가장 유사한 체인을 한데 묶는 클러스터(또는 패턴) 라벨을 구역 그룹 내의 각 체인에 추가합니다. 이러한 클러스터 레이블은 특정 시작/끝 영역 사이의 이동 형태를 설명하며, 분석에 따라 미리 선택된 그룹 수로 K-평균 클러스터링 알고리즘을 사용하여 생성됩니다.
아래 그래픽은 이번 시즌 프리미어 리그에서 리즈 유나이티드의 예시와 같은 구역에서 시작하고 같은 클러스터 레이블에 속하는 모든 경기를 표시합니다. 각 노드의 글로벌 중심점으로 시각적으로 표시되는 이러한 클러스터를 사용하여 팀이 가장 빈번하고 가장 효과적인 플레이 패턴을 평가할 수 있습니다.
모티프
각 참여의 위치와 궤적은 기본이지만, 모티프를 통해 플레이어의 참여에 대한 정보를 추출할 수도 있습니다. 모티프는 플레이어의 참여 순서를 나타내는 문자를 체인의 각 지점에 할당하고 이를 조합하여 전체 움직임 체인에 대한 '단어'를 생성합니다.
모티브의 예로 "ABCA"를 들 수 있습니다. 이는 연쇄의 처음 세 플레이어가 모두 고유한 플레이어(플레이어 A, 플레이어 B, 플레이어 C)이지만 연쇄의 첫 번째 플레이어(플레이어 A)가 마지막 플레이어이기도 함을 의미합니다. 리즈 유나이티드 예시에서는 4명의 고유 플레이어가 참여했으므로 모티프가 "ABCD"로 표시됩니다.
이러한 맥락을 통해 이러한 체인에서 조합의 유형과 선수와 클럽 간에 이러한 문체적 특징이 어떻게 다른지 확인할 수 있습니다. 예를 들어, 어느 팀이 지역 안팎에서 원투 플레이를 하는가? 케인이 빌드업에서 슈팅으로 이어지는 연쇄 공격에 관여하고 있나요? 등등.
제한 사항
다른 모델과 마찬가지로 무브먼트 체인이 무엇을 측정할 수 있는지 이해하는 것도 중요하지만, 그 제한 사항을 이해하는 것이 중요합니다:
- 체인은 공을 받은 선수와 패스하는 선수 사이에 어떤 일이 일어나는지 알려주지 않습니다. 한 플레이어가 다음 플레이어에게 패스하기 전에 공을 운반할 수도 있고(예: 이 예의 패트릭 뱀포드), 처음 패스를 할 수도 있습니다.
- 체인에는 체인에서 발생하지 않은 게임 내 정보는 포함되지 않습니다. 예를 들어, 세 번의 패스가 선행되지 않은 샷은 체인에 포함되지 않습니다.
- 클러스터링 및 모티프를 사용한 고급 분석을 위해 데이터의 복잡성을 줄이기 위해 체인 길이는 4개의 연관으로 제한됩니다.
엣지 분석 예시
여기에 표시된 움직임 체인의 특징(예: 클러스터 및 모티브) 외에도 다른 AI 모델(예: 소유 가치, 예상 패스 및 압력)을 각 노드에 적용하여 이러한 플레이 패턴이 사용되는 컨텍스트에 대한 이해를 높일 수 있습니다.
예를 들어, 에지 분석 플랫폼에서는 팀이 사용하는 가장 위험한 패턴( 점유 가치에 따라)을 찾아내고 이를 비디오 인스턴스와 연결하여 사용자가 가장 관심을 갖는 플레이를 연구함으로써 이동 체인의 힘을 입증합니다. 이 분석은 클러스터 수준에서 수행되며, 아래의 각 노란색 선은 검색 요건을 충족하는 개별 체인이 포함된 클러스터를 나타냅니다:
무브먼트 체인의 다양한 응용은 개별적으로 또는 더 넓은 모델 내에서 사용하여 선수와 팀 스타일을 더 정교하게 이해하고 선수 영입 및 상대 분석과 같은 영역에 적용할 수 있음을 의미합니다.
