축구의 수비 품질 측정
좋은 수비의 기술은 어떤 일이 일어나기 전에 미리 예방하는 것입니다. 버질 반 다이크는 볼 운반자가 덜 위험한 곳으로 패스하도록 유도하여 오픈된 공격수에게 슛을 시도하는 것을 막을 수 있는 능력을 갖춘 세계 축구 최고의 수비수 중 한 명으로 꼽힙니다. 하지만, 이것이 훌륭한 수비라는 것은 알지만, 오늘날의 통계에서는 반 다이크가 인정받지 못할 것입니다. 수비수의 기여도는 단순히 태클 또는 가로채기 횟수로 측정됩니다. 하지만 공격이 이루어지기 전에 예방한 동작을 측정할 수 있다면 어떨까요?
수비와 수비수의 목표는 공격 플레이를 예측 가능하게 만드는 것입니다. 예를 들어 위르겐 클롭의 리버풀은 위험한 지역에서 사용할 수 있는 패스 옵션의 수를 제한하여 피치의 특정 영역에서 공을 내주도록 상대를 압박합니다. 좋은 수비의 기술이 플레이를 예측 가능하게 만드는 것이라면 측정할 수 있어야 합니다. 충분한 데이터가 주어지면 선수가 어디로 공을 패스할지, 그 패스가 완성될 가능성은 얼마나 되는지, 그리고 이 패스가 득점 기회로 이어질지 예측할 수 있어야 합니다. 따라서 수비수가 공격자의 마음을 바꾸게 하거나 공격자가 옵션조차 갖지 못하도록 방해하는지 여부를 측정할 수 있어야 합니다.
그림 1은 2018/19 UEFA 챔피언스리그 리버풀과 바이에른 뮌헨의 경기에서 마네(빨간색 10)의 득점으로 이어지는 상황을 보여줍니다. 이 모델에서는 처음에는 밀너(빨간색 7)가 반 다이크(빨간색 4)의 주요 타깃이 되는 것으로 식별됩니다. 그러나 그나브리(파란색 22)가 밀너를 막고, 레반도프스키(파란색 9)가 반 다이크를 막고, 마네가 수비 뒤에서 적극적으로 달려들기 때문에 마네는 가장 가능성이 높은 리시버이자 득점 위협이 높은 선수가 됩니다. 이는 선수의 의사 결정이 어떻게 영향을 받는지, 공격수와 수비수의 오프볼 행동에 따라 상황이 어떻게 낮은 위협에서 높은 위협으로 변할 수 있는지 모델링하는 능력을 보여줍니다.
이 논문에서는 매우 비정형적이고 가변적인 추적 데이터를 처리하여 실시간으로 예측할 수 있는 새로운 그래프 컨볼루션 신경망(GNN)을 소개합니다. 이를 통해 방어 행동과 그 효과를 정확하게 모델링할 수 있습니다.
방어 행동과 공격 행동에 미치는 영향, 즉 행동이 발생하기 전에 예방할 수 있습니다.
