Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Sports Analyst Meetup #13 (2022/11/26)

Keisuke Fujii
November 26, 2022

Sports Analyst Meetup #13 (2022/11/26)

サッカーの軌道予測を用いたオフボール選手の評価(MLSA’22)

Keisuke Fujii

November 26, 2022
Tweet

More Decks by Keisuke Fujii

Other Decks in Technology

Transcript

  1. Sports Analyst Meetup #13
    サッカーの軌道予測を用いた
    オフボール選手の評価(MLSA’22)
    藤井 慶輔 (@keisuke_fj)
    1
    論文(詳細): https://arxiv.org/abs/2206.01899
    MLSA’22: https://dtai.cs.kuleuven.be/events/MLSA22/index.php
    寺西真聖さん、筒井和詩さん、武田一哉先生(全て名大)との共同研究です
    2022/11/26

    View full-size slide

  2. MLSA (Machine Learning and Data Mining for Sports
    Analytics)とは
    機械学習(ML)とデータマイニング(DM)の主要な国際会議(ECML-PKDD)で
    開催される、Sports AnalyticsのML-DM workshop (今回で9回目)
    2
    https://dtai.cs.kuleuven.be/events/MLSA22/links.php

    View full-size slide

  3. MLSA’22のスケジュール
    3
    サッカー
    サッカー
    サッカー
    テニス
    サイクリング
    テニス
    サイクリング
    バスケ
    サッカー
    サッカー
    テニス
    オンラインで25:00

    View full-size slide

  4. サッカーの攻撃選手の評価
    ボール周りの公開データのみ使用した評価(例:[Decroos+19])
     評価できる選手に限界、同時に複数選手の評価ができない
    全選手の位置(非公開)を使用した評価
    • ボールを受け取る選手の評価(例:[Spearman18])
    • 得点に関係なくスペースを作る動きの評価(例:[Fernandez+18])
     ボールを受け取らず得点機会を生み出す選手の評価が困難
    本研究の概要
    オフボール選手が、機械学習を
    用いて予測された動きと比べて、
    どのように動いたことが得点機会
    の創出に寄与するかを評価
    4
    予測(薄色)より、A1がD1を引き付け
    A2のスペースを作った!

    View full-size slide

  5. 提案: Creating Off-Ball Scoring Opportunity (C-OBSO)
    目的: ボール非保持選手 𝑖が得点機会をどれだけ創ったか(評価値) 𝑽𝒊
    の算出
    方法: シュート等をした選手 𝑘の評価 𝑽𝒌
    を、選手 𝑖を軌道予測した時𝑽𝒌
    ′ と比較
    実際の選手𝑘の評価 𝑽𝒌
    − 選手i の予測に基づく選手𝑘の評価 𝑽𝒌

    𝑉𝑖
    = −
    選手 𝑖 選手 𝑖
    (予測)
    選手 𝑘 選手 𝑘
    守備は
    2人を
    予測
    5

    View full-size slide

  6. 参考:ボール非保持の評価 𝑽𝒌 (OBSO [Spearman18])
    コート上の地点 𝑟に価値(下記3要素)を割り当てる
    • 占有率(Control):𝐶𝑟
    • 遷移率(Transition):𝑇𝑟
    • 得点率(Score):𝑆𝑟
    ある試合状態𝐷における得点確率を 𝑽𝒌
    とし、以下のように表す
    𝑽𝒌
    = 𝑃 𝐺 𝐷 = Σ𝑟∈ℝ×ℝ
    𝑃(𝐶𝑟
    ∩ 𝑇𝑟
    ∩ 𝑆𝑟
    |𝐷)
    →ボールが来たらどれだけ点を入れられるか(ポジショニング)を評価
    占有率 𝐶 遷移率 𝑇 得点率 𝑆
    ボール非保持の評価
    OBSO
    6

    View full-size slide

  7. C-OBSO の算出例
    A1(評価対象)が予測よりD1選手を引き付けてA2に貢献
    A2のスペースをA1が作った!
    𝟎. 𝟎𝟎𝟕𝟗
    C−OBSO: 𝑉A1
    = 𝑉A2
    − 𝑉A2

    0.0409 0.0330
    (実際) (予測)
    7
    予測(薄色)より、
    A1がD1を引き付けた

    View full-size slide

  8. データセット
    J1 2019 横浜FM 全対戦試合: 34試合(データスタジアム社(*1))
    • イベントデータ(パス・シュート等の行動ラベルとボール座標)
    • トラッキングデータ(選手全員とボールの座標)
    選手軌道予測(グラフ変分RNN[Yeh+19]を利用) と評価
    • 2秒の系列を使ってその後の4秒を軌道予測(攻撃1選手、守備2選手)
    • 予測: 対戦相手の攻撃系列(*2) 94208系列で学習、10477系列で検証
    • 評価: 横浜FMのシュート系列(*3) 412系列で推論、C-OBSO算出
    *1 情報システム研究機構統計数理研究所 医療健康データ科学研究センター、データスタジアム株式会社
    *2 攻撃系列:同一チームの連続した攻撃
    *3 シュート系列:シュートに至るまでの同一チームの連続した攻撃(連続していない攻撃は除外)
    8

    View full-size slide

  9. 結果例: J1 2019 横浜FMのC-OBSOと年俸*との関係
    • C-OBSOと年俸は正の相関(𝜌 = 0.45, 𝑝 < 0.05)だがOBSOは相関なし
    • C-OBSO-年俸の外れ値は、(最)優秀選手賞を受賞
    C-OBSOは選手の総合評価(年俸,個人賞)を説明できる可能性あり
    9
    *1 Soccer-Money.net https://soccer-money.net (アクセス日2021/1/9)
    優秀選手賞
    最優秀選手賞

    View full-size slide

  10. 実験結果:得点上位選手の有識者による採点*とC-OBSO
    • 採点は上位3選手全員に得点と有意な相関あり(𝑝 < 0.05)
    • 仲川選手のみC-OBSOと正の相関(𝜌 = 0.75, 𝑝 < 0.05)、他の選手はなし
    • 仲川選手は味方への貢献も高かったため、平均採点1位&MVPに繋がった
    と推察される
    10
    0
    0.005
    0.01
    0.015
    0.02
    0.025
    4 5 6 7 8
    C-OBSO
    rating
    Nakagawa
    * サッカーダイジェストweb J1採点・寸評
    https://www.soccerdigestweb.com/tag_list/tag_search=1&tag_id=120(参照2022/1/9)
    0
    0.005
    0.01
    0.015
    0.02
    0.025
    4 5 6 7 8
    C-OBSO
    rating
    Marcos

    View full-size slide

  11. まとめ
    • 得点機会を創出するオフボールの選手の評価指標C-OBSOを提案
    • 正確な選手軌道予測に基づき、実際の評価値との差分で評価
    • C-OBSOは、味方の得点機会を創出する指標としての有効性を示唆
    今後の展望:
    • チームの特性に合わせた評価
    • シュート以外の場面も含めた評価
    • 軌道予測を用いずに、行動価値を直接計算
    謝辞
    • データ提供:情報・システム研究機構統計数理研究所 医療健康データ
    科学研究センター、データスタジアム 株式会社
    • 議論:Scott Atom氏、大西 正輝氏
    • 科研費:20H04075, 20H04087, JST Presto JPMJPR20CA
    Full paper: https://arxiv.org/abs/2206.01899
    11

    View full-size slide