文献

J-GLOBAL ID：201802217394369581   整理番号：18A0358413

トラッキングデータを用いたサッカーの試合における戦況変化の抽出

著者 (3件)： 神谷啓太 (東大 大学院工学系研究科) ,  中西航 (東京工大) ,  泉裕一朗 (東大 大学院工学系研究科)
資料名： 統計数理  (Proceedings of the Institute of Statistical Mathematics)
巻： 65  号： 2  ページ： 287-298  発行年： 2017年12月 
JST資料番号： F0407A  ISSN： 0912-6112  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： サッカーの試合において「戦況」とは両チームの攻守のやり取りの中で徐々に変化していくものである。戦況変化を自動的に抽出できれば試合を有利に進めるための戦略が立てられるだけでなく,観戦者に対する情報提供などの面で有用である。本研究では,戦況変化を選手やボール位置の時系列的な振る舞いの変化と考え,統計的変化検知手法であるChangeFinderを使用することでサッカーの試合における戦況変化の抽出を試みる。ChangeFinderとは2段階のVARモデルのオンライン学習を行うことで非定常かつ多ノイズな時系列データへの変化検知が可能な手法である。トラッキングデータ等からボール位置,前線位置,コンパクトネス,守備脆弱度,攻撃率の5種類の指標の入力変数を作成した。実験の結果,検出された変化点に対応するように,その直前でVARモデルパラメータの時系列的振る舞いに大きな変動が存在することが確認された。そのパラメータ変動から想定される戦況変化の内容は実際のプレー内容と概ね合致していたとともに,想定される戦況変化が検出できたことが確認された。(著者抄録)

シソーラス用語： *サッカー ,  ゲーム ,  状態 ,  *点 ,  変化 ,  時系列 ,  *時系列分析 ,  *統計的方法 ,  学習 ,  *自己回帰モデル ,  パラメータ ,  確率密度関数 ,  抽出 ,  推定量 ,  データ抽出 ,  *変化点検出 ,  *スポーツ
準シソーラス用語： 戦況 ,  *変化点検知 ,  *CangeFinder ,  オンライン学習 ,  VARモデル ,  モデルパラメータ

分類 (1件)： 数値計算  (JE02000J)

引用文献 (12件)：

• Football LAB(2017). Football LAB(フットボールラボ)とは, http://www.football-lab.jp/pages/about/, 2017年2月28日閲覧.
• Gudmundsson, J. and Wolle, T. (2014). Football analysis using spatio-temporal tools, Computers, Environment and Urban Systems, 47, 16-27.
• Kijima, A., Yokoyama, K., Shima, H. and Yamamoto, Y. (2014). Emergence of self-similarity in football dynamics, The European Physical Journal B, 87(2), 1-6.
• 北川源四郎(2005).『時系列解析入門』,岩波書店,東京.
• 松田浩,鈴木康浩(2015).『サッカー守備戦術の教科書 超ゾーンディフェンス論』,カンゼン,東京.

タイトルに関連する用語 (3件)： トラッキング ,  サッカー ,  試合