ACD 로드

안녕하세요, EPTS 기반 스포츠 데이터 분석 솔루션 오코치입니다.

보다 정확한 서비스 제공을 위해,

ACD 로드 관련한 오코치 애널리틱스 메트릭 변경 사항에 대한 공지를 남깁니다.

Acceleration Development (ACD) 로드는 액티비티 시간 동안 선수의 가속/감속 총량을 대변하는 지표로, 선수가 뛰는 동안의 가속/감속하는 양 뿐만 아니라 선수들 간의 충돌로 인한 변화량까지 종합적으로 포함하는 값입니다.

GPS 신호로는 선수가 이동하는 방향으로의 가속도만 알 수 있기 때문에, ACD 로드는 Inertial Movement Unit (IMU)라는 별도의 센서에서 수집된 3축 가속도 데이터를 기반으로 계산됩니다.

시간별 3축 가속도의 차이의 크기를 모두 합한 후 스케일링을 한 것이 ACD 로드로, 상세한 수식은 다음과 같습니다.

|\Delta a(t)| = \dfrac{\sqrt{(a_x(t)-a_x(t-1))^2 + (a_y(t)-a_y(t-1))^2+(a_z(t)-a_z(t-1))^2}}{n},\ \ n=\text{scale factor}

\text{ACD ({AU})}= {\sum_t }\left|\Delta a(t)\right|

ACD 로드 계산의 핵심은 두 가지입니다.

데이터 평탄화 (smoothing)을 언제 적용할 것인가?

•

가속도에 평탄화를 적용한 후 ACD 로드를 계산 vs ACD 로드 계산 후 평탄화를 적용

어떤 스케일링을 적용할 것인가?

•

어떤 스케일링이 사용자가 보다 직관적으로 값을 판단할 수 있는가?

오코치 애널리틱스는 그동안 IMU 센서에서 나오는 값을 그대로 활용하여 ACD 로드 계산 후 평탄화를 적용하였습니다.

하지만 이는 센서에서 출력하는 가속도의 물리적인 값과는 다른 스케일을 보여주고 가속도계의 노이즈가 완벽하게 걸러지지 않는 단점이 있었는데요,

이번 2.4.0 업데이트에서 IMU 센서에서 나오는 값에 스케일링을 적용하여

m/s^2

단위의 가속도 값에 평탄화를 적용 한 다음, ACD 로드를 계산한 이후에 스케일링을 적용하도록 변경되었습니다.

이로 인해 ACD 로드 값은 실제 물리량에 더 가깝게 나오고, 센서의 노이즈에 받는 영향이 더욱 줄어들어 보다 정확한 값이 나오게 되었습니다.

변경된 ACD 로드 계산법은 하단 그림을 참조해주세요.

ACD 로드는 가속도계의 데이터를 사용하고 결과값이 스케일링 되어있기 때문에 결과값을 보고 기존의 뛴 거리 등의 메트릭처럼 직관적으로 선수에게 얼마나 부하가 가해졌는지를 판단하기 상대적으로 어려운 편입니다.

때문에 기존에 사용자들이 자주 사용하던 메트릭인 총 뛴 거리, 뛴 시간, 분당 뛴 거리들과의 비교를 통해 ACD 로드 값의 일반적인 범주에 대해 소개해드리려고 합니다.

이를 확인하기 위해 오코치 애널리틱스를 사용하는 프로 1부리그 112 선수의 데이터를 추출한 후 각 선수별 ACD 로드와 여러 지표들을 비교하였습니다.

아래의 세 그림은 각각 ACD 로드와 총 뛴 거리, 총 뛴 시간, 분당 뛴 거리간의 상관관계 및 1차 함수 관계식를 나타낸 것입니다.

그림의 r은 두 변수간의 피어슨 상관관계 계수로, 해당 값이 1에 가까울수록 특정 두 변수는 선형 상관관계를 갖고 있다고 생각할 수 있습니다.

그림에서 확인할 수 있듯, ACD로드와 총 뛴 거리 간에는 양의 선형 관계가 형성되어있음을 볼 수 있습니다.

반면에 총 뛴 시간과는 이렇다할 선형 관계가 나타나지 않습니다. 분당 뛴 거리 또한 선형 관계가 강하게 나타나지 않습니다.

리그 경기 2시간 activity를 기준으로, ACD 로드값은 0 ~ 5000 사이에 분포해있습니다.

만일 해당 분포를 크게 벗어나는 값이 나오는 경우, 다음과 같은 상황이 발생했을 확률이 높습니다.

선수간의 잦은/큰 충돌이 있었음

헤딩/태클 등이 잦았음