[1D4-GS-10] AI応用：行動モデル

[1D4-GS-10-04] バスケットボールにおける選手の組合せが得点効率に与える影響の分析

動的特徴のWasserstein距離に基づくシュートスタイルとオフェンス役割の類型を用いた機械学習アプローチ

〇山田 和宏¹、藤井 慶輔^1,2 (1. 名古屋大学、2. 理化学研究所)

キーワード：機械学習、スポーツ、クラスタリング

バスケットボールの試合では、5対5で勝負を争う。特にオフェンスにおいては、異なるプレイスタイルを持つ選手達が相互に連携し、効率良く得点を重ねることが重要である。先行研究では、スタッツと呼ばれる各選手の統計量に基づきクラスタリングした結果を用いて選手の相性が検討されたが、具体性に欠けていた。本研究は、オフェンスのみに焦点を当て、選手の組合せが得点効率に与える影響をより具体的に検討することを目的とする。本研究では、オフェンスにおける選手のプレイスタイルを捉えるために、異なる2つの手法を用いる。1つは、トラッキングデータから作成したシュート時とその直前の位置や移動距離などのシュートの特徴量を使用して、各選手のシュートの集合を確率分布と見なし分布間距離であるWasserstein距離に基づいて選手のシュートの傾向を類型化する、新たに提案する手法である。もう1つは、既存手法に改良を加えた、オフェンスにおける役割を類型化する手法である。以上２つの類型に基づくラインナップの情報から得点効率を表すスタッツを予測する機械学習モデルを作成してそれを解釈することにより、選手の相性に関する新たな知見を得た。