Share
Embed
Bリーグのショットデータを活用した得点期待値モデルの構築 / Construction of expected points model using shot data of B.LEAGUE
電子情報通信学会システム数理と応用研究会(2026年3月19日)で発表したスライドです.https://ken.ieice.org/ken/paper/20260319XctQ/
B.LEAGUEが公開しているショットデータ(位置と成否)から得点期待値モデルを構築し,それがチームの特徴の分析のための量となることを示しました.
konakalab
March 19, 2026
Transcript
29 slides
-
発表の構成 研究背景 スポーツ市場の拡大とデータ計測 時空間データ計測 バスケットボールのゴール期待値 提案手法 Bリーグ(FIBAルール≠NBA)のデータを活用 得点期待値(eXpected Points, xP)の自然な変数を利用した回帰モデルの構築
成果と応用 各チームのシュートの量と質の分析 MSS (2026/3/19) 研究会 -
発表の構成 研究背景 スポーツ市場の拡大とデータ計測 時空間データ計測 バスケットボールのゴール期待値 提案手法 Bリーグ(FIBAルール≠NBA)のデータを活用 得点期待値(eXpected Points, xP)の自然な
変数を利用した回帰モデル(右図.これが 主結果です) 成果と応用 各チームのシュートの量と質の分析 MSS (2026/3/19) 研究会 -
発表の構成 研究背景 スポーツ市場の拡大とデータ計測 時空間データ計測 バスケットボールのゴール期待値 提案手法 Bリーグ(FIBAルール≠NBA)のデータを活用 得点期待値(eXpected Points, xP)の自然な変数を利用した回帰モデル(右図.これ
が主結果です) 成果と応用 各チームのシュートの量と質の分析 MSS (2026/3/19) 研究会 -
エンターテインメントとして 拡大するスポーツ プロ野球,Jリーグ,Bリーグ 総観客数:年間4000万人規模 いずれも最新シーズン=観客数最 大.さらに拡大の見込み 新スタジアム・アリーナ建設 IGアリーナ(名古屋):15000席.2025年開業 2000 2005
2010 2015 2020 2025 2030 年 0 500 1000 1500 2000 2500 3000 観客数[万人] 国内プロスポーツ観客動員推移 プロ野球 Jリーグ Bリーグ MSS (2026/3/19) 研究会 -
バスケットボールの(古典的)スタッツ ボックススコア(boxscore) 由来:野球の結果をBox状に配したも の バスケットボール シュート,リバウンドなどの集計およ び比率 古典的スタッツ(Classical stats)↔アド バンスドスタッツ(Advanced
stats) 単純な集計↔統計処理 https://www.bleague.jp/game_detail/?ScheduleKey=505237&tab=4 MSS (2026/3/19) 研究会 -
ショットチャート シュート位置と成否の記録 2022-23シーズンから公開 時空間データ(spatio-temporal data) Hawk-eye, statcast (テニス,野球,サッ カー,…) ゴール期待値(eXpected
Goals, xG) 有名な事例:サッカー 試合展開の定量的評価の精緻化 アドバンスドスタッツの一種 MSS (2026/3/19) 研究会 https://www.bleague.jp/game_detail/?ScheduleKey=505237&tab=2 -
ショットチャート シュート位置と成否の記録 2022-23シーズンから公開 時空間データ(spatio-temporal data) Hawk-eye, statcast (テニス,野球,サッ カー,…) ゴール期待値(eXpected
Goals, xG) 有名な事例:サッカー 試合展開の定量的評価の精緻化 アドバンスドスタッツの一種 MSS (2026/3/19) 研究会 https://www.jleague.jp/match/j1/2026/030709/live/#livetxt -
ショットチャート シュート位置と成否の記録 2022-23シーズンから公開 時空間データ(spatio-temporal data) Hawk-eye, statcast (テニス,野球,サッ カー,…) ゴール期待値(eXpected
Goals, xG) 有名な事例:サッカー 試合展開の定量的評価の精緻化 アドバンスドスタッツの一種 公開データを利用した構築(著者.右図) https://www-ie.meijo-u.ac.jp/~konaka/sxg.html MSS (2026/3/19) 研究会 -
これらをふまえて:提案手法 提案手法 Bリーグのショットデータを活用した 得点期待値(eXpected Points, xP)モデ ルの構築 FIBAルール≠NBAルール 直感的な変数(距離,角度)を採用 位置のみを変数とする
先行研究 分類木[10,11] [指摘]成功率は位置に対して連続では? ファウルの影響を含める[13] [指摘]変数を増やすと影響がわかりにく くなるのでは?まずは小さくつくろう. MSS (2026/3/19) 研究会 -
発表の構成 研究背景 スポーツ市場の拡大とデータ計測 時空間データ計測 バスケットボールのゴール期待値 提案手法 Bリーグ(FIBAルール≠NBA)のデータを 活用 自然な変数を利用した回帰モデル(右 図)
成果と応用 各チームのシュートの量と質の分析 MSS (2026/3/19) 研究会 -
データと変数 利用データ Bリーグ2024-25, 1174試合 Category Attempts Made FG% All FGs
152,868 67,842 44.4% 2FG - All 91,393 47,484 52.0% 2FG - Paint 74,698 41,580 55.7% 3FG 61,475 20,358 33.1% 変数の定義 MSS (2026/3/19) 研究会 -
モデル構築 構築した𝑝𝑝2 𝑟𝑟, 𝜃𝜃 (𝑝𝑝3 (𝑟𝑟, 𝜃𝜃)も作る) 𝑝𝑝𝐹𝐹𝐹𝐹 𝑟𝑟, 𝜃𝜃
= max{𝑝𝑝2 (𝑟𝑟, 𝜃𝜃), 𝑝𝑝3 (𝑟𝑟, 𝜃𝜃)} 𝑥𝑥𝑥𝑥 𝑟𝑟, 𝜃𝜃 = max{2𝑝𝑝2 𝑟𝑟, 𝜃𝜃 , 3𝑝𝑝3 (𝑟𝑟, 𝜃𝜃)} 結果:右図 MSS (2026/3/19) 研究会 -
発表の構成 研究背景 スポーツ市場の拡大とデータ計測 時空間データ計測 バスケットボールのゴール期待値 提案手法 Bリーグ(FIBAルール≠NBA)のデータを 活用 自然な変数を利用した回帰モデル(右 図)
成果と応用 各チームのシュートの量と質の分析 MSS (2026/3/19) 研究会 -
活用:フィールドゴール位置評価 Bリーグ2025-26シーズン 30試合終了時点 名古屋ダイヤモンドドルフィンズ(名古屋D) 23勝7敗.4位/26チーム 2FG評価 横軸:モデルによる成功確率 攻撃:低確率を多用,量を多く (シュート数)-(被シュート数)>100
守備:ゴール付近の守り,質・量ともに良い MSS (2026/3/19) 研究会 -
活用:フィールドゴール位置評価 Bリーグ2025-26シーズン 30試合終了時点 名古屋ダイヤモンドドルフィンズ(名古屋D) 23勝7敗.4位/26チーム 2FG評価 横軸:モデルによる成功確率 攻撃:低確率を多用,量を多く (シュート数)-(被シュート数)>100
守備:ゴール付近の守り,質・量ともに良い MSS (2026/3/19) 研究会 -
期待値モデルに基づくチーム評価 フィールドゴール得失点の確率密度関数 (破線)と実得失点(縦実線)(右図) 密度の山の差:シュート量と位置の質から 生まれる差 攻守のシュート本数で差を生んでいる 確率と結果の差:状況および実施の質 守備の質が非常に良い.攻撃の質はやや悪い (が,偶然の範囲内?) 得失点差を生む特徴を解釈できるデータ
攻撃スタッツがリーグ下位の名古屋Dの好調 を解釈できる MSS (2026/3/19) 研究会 -
期待値モデルに基づくチーム評価 フィールドゴール得失点の確率密度関数 (破線)と実得失点(縦実線)(右図) 密度の山の差:シュート量と位置の質から 生まれる差 攻守のシュート本数で差を生んでいる 確率と結果の差:状況および実施の質 守備の質が非常に良い.攻撃の質はやや悪い (が,偶然の範囲内?) 得失点差を生む特徴を解釈できるデータ
攻撃スタッツがリーグ下位の名古屋Dの好調 を解釈できる MSS (2026/3/19) 研究会 -
フィールドゴール評価 位置に基づく評価(横軸),実得失点差(縦 軸) 量・位置の質(横軸)/状況・実施者の質 (縦・赤線との差) 量・位置/状況・実施すべて良い:長崎,名古 屋 量・位置は悪くないが状況・実施の質が少 し良くない:琉球,三猿,広島 量・位置が同程度→状況と実施の質で違
い:多くのチーム 攻守の質を定量化 分析の分解能を上げる指標 MSS (2026/3/19) 研究会 -
参考文献 (文献番号は予稿と一致させています) [10] Paola Zuccolotto, Marco Sandri, and Marica Manisera.
Spatial performance indicators and graphs in basketball. Social Indicators Research, Vol. 156, No. 2, pp. 725–738, Aug 2021. [11] Paola Zuccolotto, Marco Sandri, and Marica Manisera. Spatial performance analysis in basketball with cart, random forest and extremely randomized trees. Annals of Operations Research, Vol. 325, No. 1, pp. 495–519, Jun 2023. [13] Justin Ehrlich and Shane Sanders. Estimating NBA team shot selection efficiency from aggregations of true, continuous shot charts: A generalized additive model approach. SSRN Electronic Journal, 01 2024. MSS (2026/3/19) 研究会