AIを用いたサッカーの戦術指標開発とゲームパフォーマンス分析の自動化に関する研究

研究課題

研究課題/領域番号	22K11592
研究種目	基盤研究(C)
配分区分	基金
応募区分	一般
審査区分	小区分59020:スポーツ科学関連
研究機関	びわこ成蹊スポーツ大学
研究代表者	山田庸びわこ成蹊スポーツ大学, スポーツ学部, 教授 (70711753)
研究期間 (年度)	2022-04-01 – 2026-03-31
研究課題ステータス	交付 (2023年度)
配分額 *注記	4,160千円 (直接経費: 3,200千円、間接経費: 960千円) 2025年度: 260千円 (直接経費: 200千円、間接経費: 60千円) 2024年度: 390千円 (直接経費: 300千円、間接経費: 90千円) 2023年度: 3,380千円 (直接経費: 2,600千円、間接経費: 780千円) 2022年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
キーワード	サッカー / ポジション / タイプ分類 / 画像判別 / AI / 機械学習 / スタッツ分析 / インタビュー / 戦術指標 / ゲームパフォーマンス / 自動化
研究開始時の研究の概要	スポーツにおけるビッグデータに基づく戦術指標は近年進歩を遂げるも，サッカーにおいてはゴール期待値など限定的である．一般には見えにくいサッカーの複雑な戦術が新たな戦術指標によって見える化されることで選手，指導者，そして一般のファンや視聴者がサッカーを容易に感覚的に理解することが可能となる．本研究の目的は，サッカー指導者の戦術観点とプレー評価に基づく有効な戦術指標の設定，ビッグデータと人工知能（AI）を用いた選手タイプのクラスタリングおよびタイプ別戦術指標の開発，即時フィードバックに適した指標の見える化を行うことである．
研究実績の概要	当年は前年度まで行ってきたサッカーの各ポジションに求められる体力的要求に関する研究をベースに、対象範囲を技術・戦術に広げるとともに、ポジション毎に指標を設定し評価するための前段階として出場した選手が当初のポジションを試合中に変更した際の実質的なポジションをAIの機械学習を用いて判別する研究を実施した。 2023年6月には、前年度の発表にさらに技術・戦術的要素を追加し集約した研究をWCSF2023にて「Technical, Tactical and Physical demands of diverse positions with formation changes」というタイトルでポスター発表した。 2024年3月に開催された日本フットボール学会２１st Congressにて「AIを用いた教師あり学習によるサッカーの攻撃ポジション判別」というタイトルでポスター発表した。当研究では、サッカーのトラッキング情報とスタッツから選手のプレーエリアを特定しAIでも特に教師あり学習を用いて実際プレーした内容からポジションを判別する方法を検討した。分析アプリBepro11によりヒートマップ化されたパス位置情報を用いPython言語により教師あり機械学習（畳み込みニューラルネットワーク：CNN）を実施し、サイドのポジションを判別する学習を実施した。その結果、学習データでの判別精度は91.6%、検証データの予測精度は72.9%を示した。プレーエリアを画像として捉えることで一般的な画像判別の手法でプレーヤーのポジションを一定程度判別可能であることが示された。一方で、判別の精度向上には攻撃と守備の平均ポジションなど攻撃開始位置を導入する必要性が考えられた。次年度への課題として、ポジション毎に有効なスタッツを精査すること、ポジション毎のスタッツ評価シートを半自動生成を実現することが挙げられる。
現在までの達成度 (区分)	現在までの達成度 (区分) 2: おおむね順調に進展している理由昨年度の学会には、AIを実装した研究をポスター発表することができた。プログラミングの習得に課題があったがそこを克服できたことで今後の研究の進展が見込まれるようになった。
今後の研究の推進方策	今年度は、Bepro１１にある生データを取り込み新たな指標作成ツールを開発、ポジション毎のシートを作成することを実装できるようにする。研究としては、相関分析や決定木分析を用いて各ポジションに必要な指標を選別することを目的に、日本フットボール学会への発表を行う。また、この計画を進めた研究を集大成として、次年度のWorld Congress on Science and Soccerl ２０２５に発表することを予定する。