原著論文
pp. 192‒197教育 情報学会誌 Vol. 37, No. 3 2020
AI活用
谷岡 広樹
＊Data and Artificial Intelligence Utilization Required for Sports Analytics
Hiroki Tanioka*
Tokyo 2020 Olympic Games has been postponed until 2021. Most of the 33 sports still planned for the Olympic Games in 2021 will use data. The sports data gathered using various method is analyzed by experts.
The experts also called sports data analysts have been developed various systems and methods using the sports data and Artificial Intelligence to improve competition results. In this paper, data collections in some sports are explained, and the trends in research on the use of data analysis models in these fields, in particular, some studies using machine learning and our research are introduced. Additionally, future issues in this field are summarized.
： ， ，Artificial Intelligence（AI），機械学習
1.
本来 2020 年
（1）， 種目 活用 進
， 経験・勘・根性 主役
姿 一変 ， 用 科学的 分析
深層学習 機械学習 用 分析 行
（2）（3）
． （Sports Analytics: SA） 呼 分析 ，統計学 背
景 手法 用 ， 統計
（4）呼
， （Data Science: DS）
密接 関 持 ．
活用 ，1960 年代 米国 野球 （Major League Base- ball：以下，MLB） 舞台 展開 映画「 ・
」 題材 （Society
for American Baseball Research Metrics: SABR met- rics） 1970 年代 提唱 以降，急速 広
， 活用 歴史 ，1861 年 Henry
Chadwick Beadleʼs Dime Base Ball Player
（5），野球 分析 ，統一 方
法 収集 述
始 ． 後 1885 年 The Lawn Tennis Manual
（6），
分析 行 ．1900 年代 入 ，
， ， ，試合 客観的
収集 ，記事 掲載
．1922 年 The Science of Baseball
（7）野球 記法 確立 ．1930
年代以降 ，欧州 米国
MLB， （American
Football League: AFL）
（National Hockey League: NHL），
（National Basketball Association:
NBA） 採用 ．
， 歴史 ，
商業面 貢献 目的 発展 ，2000 年以降 ， 分析 専業 企業
（8）〜（12）国内
解 説
* 徳島大学情報 （Center for Administration of Information Technology, Tokushima University）
特集：トップスポーツを支援する情報システム・分析技術および
大学体育の教育活動支援
外 存在 状況 ．
競技 ，商業面 競技成
績 重 置 競技 ， 分析 AI
活用 戦略 戦術 変更，選手 起用 盛
行
（13）（14）． ，対戦
競技 戦術論 別 ，各選手 能力向上
活用 盛
行 ．野球 投球
，打撃 改善 選手 体 動
化 利用 場面 増加 ．
，水泳 体操 個人競技 演技種目
，同様 分析 手法 用 成績
向上 期待
（15）（16）．
本稿 ，2 章 収集 方
法 紹介 ，3 章 分析手法
関 研究動向，4 章 分析 活用事例
活用 関 課題 ．
2. 収集 方法
本章 ， 収集方法 関 状況
概説 ． 競技 競技成績 向上
，表 1 示 ，情報
収集・分析 可能 対象 ，選手 個人 ，対戦競技 場合 対戦相手
，球技 場合 球 関 ，団体競技 場合
味方 選手 位置 ，相手 選手
位置 収集 必要 ．
2.1 IoT ・GPS
競技中 戦術変更
必要 ， 収集
，各競技 工夫
．本節 ，
（Internet of Things: IoT） 全地球測位
（Global Positioning System: GPS） 用
収集可能 ， 活用 事例
紹介 ． 2.1.1 IoT
IoT ， ，観測対象
離 位置 設置 分類 ．
，次項 紹介 GPS 検 出可能
（17），加速度，脈拍，酸素濃度，
筋電位， 血糖値 測
（18）（19）登場 ， 試合 前後，
中 加 ，規定 許 試合中
得 可能 ，選手 体調管理
戦術 活 可能
．
観測対象 離 位置 設置 IoT
，Light Detection and Ranging（LIDAR）技術 ，
3D 用 選手 姿勢 位置
正確 把握
（20）， 内蔵 ，競技場自体 圧力
超音波 配置 ， 競技
収集 試
（21）． 大会規定 許
，競技中
分析 行 ，規
表 1 分類
対象 変数例
人物 競技者 身長，体重，体温，脈拍，
姿勢，座標，方向，速度 対戦者 身長，体重，体温，脈拍，
姿勢，座標，方向，速度 審判 座標，方向，速度
，座標，方向，速度
，座標，方向，速度
，座標，方向，速度
，座標
，座標
器具 ，材質
床面 ，材質，床反力
水 水量，深 ，温度，水流 衣類 材質，重量，形状 環境 気象条件 屋内外，温度，湿度，
気圧，風向，風速
建物 ，材質
観客席 ，座席数，距離
定 採用不可 場合 ． 2.1.2
選手 姿勢 体重移動 ，選手 動 着目 収集 方法 一 ，
． 方法 ，全身 付
座標 測定 技
術
（22），Microsoft 社 Kinect LIDAR 技
術 採用 用
方法
（23），次節 詳 説明 深層学習 用 手法 利用可能 ．
2.1.3 GPS
集団競技 場合 ，骨格 検出 人物
座標 重要
． 場合 ，Catapult 社
（24）GPS 選手 着用
正確 位置 取得 方
法 考 ，2015 年 国際 連盟（以下，
FIFA 呼 ），2016 年 J 試合 着
用 認 ．
2.2 動画
技術 実現
，Kinect LIDAR 技術 採用
特別 機材 用 方法 ，画像 OpenPose
（25）PoseNet
（26）深層学習 用
特徴点 抽出 方法
（27）． 技 術 ，画像 中 人物 骨格 検出 ，高 精度 各
部位 姿勢 得
，特別 機材 用 選手 姿勢 動 認識
可能 ．
集団競技 場合 重要 座標
得 ，GPS 用 ，
動画 検出 方法 ．ChyronHego 社 TRACAB
（28），FIFA J 採用
光学式 ，複数
用 選手 座標 正確 化
可能 ． ，単眼 1 台 映像
YOLOv3 深層学習 画像解析技術 用
図 1 人物 座標 抽
出 手法
（29）〜（31）提案 ， 手法
用 複数 機材 会場 設置 ，対戦相
手 機器着用 同意 得 必要 ．
3. 分析
3.1 統計
，IoT
得 未加工 生 ， 分析
困難 ． ， 生 統計
（Statistics: Stats） 形 加工 施 必要 ．Shih ，動画 Stats 抽
出 場合 方法 詳
（32）．
，生 競技 情報以外
，観客 動物乱入 含
，不要 情報 除去 必要 述 ．
3.2 分析
Stats 得 後， 分析者 目的 達成
課題 競技 定義 ，統計的 分析
行 ．加藤 J
強化 分析 紹介
（33）．一方，課題自体 曖昧 場合 ． 場合 ， 角度 統計的 予測 構築 回帰分析 行 手法 ，
用 手法
（34）（35）考 ．
3.3 人工知能
急速 発達 深層学習 技術 用 人工知能
分析 進
（13）〜（16）．
検出等 分野 SotA（State of the Art） 達成 深層学習
（36）用 分析 ，従来 法 比較 高速 高精度 Stats 得
図 1 YOLOv3 抽出 人物候補領域
（図 文献（31） 引用）
， 再現率（Recall）， 適合率（Precision），ROC 曲 線（Receiver Operating Characteristic Curve） AUC
（Area Under the Curve） 指標 比較 ，高
予測精度 推定 可能 ．
4. 活用 課題
章 ， 活用 事例
紹介 ．4.1 節 選手 能力評価，4.2 節 集 団競技 戦術分析 紹介 ，4.3 節 ，
品質 関 課題，4.4 節 権利問題 述 ．
4.1 能力評価
文献（37） 投球 SABR
metrics 用 MLB 投手 予
測 試 ．文献（38） ，打球
用 回帰分析 行
，日本野球機構（NPB） 打者 評価 試
．
4.2 選手 戦術分析
文献（39） ，NBA 選手
用 戦術分析 行 ，戦術選択 正
学習 用 方
法 提案 ．文献（40） ，欧州
Stats 基 ，期待得点（expected Goals: xG） 定義 ．
4.3 品質 関 課題
活用 ，
品質 問題 注意 必要 ．選
手 状況 正確 把握 ，統計的 意味
予測 構築 ，十分
収集 必要 ．収集 一
部 選手 特定 条件下 不均衡
場合，正 統計分析 行 困
難 ．
取得条件 ，環境情報 含
．観測対象 競技場 形状 ，観測対象 機材 距離 角度，気象条件 日照状態 変化
，選手 競技内容 無関係 現
． 環境 動的 変化 対 対策 講
必要 ．
運良 理想的 得 場合， 分
析結果 予測 得 ， 研究者
複雑 予測 人工知能 技術 採用
． ，考慮 問題 一 ，
説明可能性 挙 ．人工知能
採用 機械学習 ，学
習結果 得 ，解釈不可能
場合 少 ． 結果，構築 予測
， 予測 得
説明 事態 陥 ．
問題 回避 ，回帰 利用 場合
，線形回帰 回帰 利
用 ，機械学習 利用 場合 ，決定木 説明変数 寄与度 算出可
能 用 ．
4.4 権利
，大会 主催者 放映権 持 事
業者 権利 ． ，自由 分析
行 ， 権利者 利用許諾 得
，自 収集 ． 解析
（4）
参加 対象 研究目的 公開
，StatsBomb Open Data
（41），NBA Stats
（42）公開 ，利用範囲 注意 必要 ．
5.
本稿 ， 活用 目的，
収集 方法， 分析 手法，人工知能 機 械学習 活用方法 研究動向 今後 課題 概 説 ．
近年 深層学習 用 機械学習 発展 ， 解析 予測 構築 大 影響
与 ． ，4 章 述 ，
品質 問題 ，権利 問題 ，自由 利用 十分 ，競技成績 向上 選
手 能力向上 資 構築 ，活用
， 可用性 高 開発 ，
改正 実践事例 蓄積 必要 ．
謝辞
本稿 一部 JSPS 科研費 JP18H03344 助成
受 ．
参 考 文 献
( 1 ) 東京 2020 ：https://tokyo2020.org/（参照 2020.4.26）
( 2 ) 国立 科学 年報 2018：https://www.
jpnsport.go.jp/jiss/gaiyou/jigyou/houkoku/nenpo/
tabid/260/Default.aspx（参照 2020.4.26）
( 3 ) 相原伸平，杉山恵玲奈，澤田 ，松本 実，伊藤浩
志： 競技 実践現場 ICT 活用 ，電子
情報通信学会通信 ，Vol. 12, No. 2,
pp. 98‒104 (2018)
( 4 ) 日本統計学会 統計分科会：https://estat.sci.
kagoshima-u.ac.jp/sports/（参照 2020.4.26）
( 5 ) Chadwick, H.: Beadle's Dime Base-Ball Player: A Com- pendium of the Game, Comprising Elementary Instruc- tions of this American Game of Ball, Together with the Revised Rules and Regulations for 1860, Rules for the Formation of Clubs, Names of the Officers and Delegates to the General Convention, & c. , Irwin P. Beadle & Co.
(1860)
( 6 ) Chadwick, H.: “The Lawn Tennis Manual”, A. G. Spalding
& Bros, New York (1885)
( 7 ) Byrd, D.: “The Science of Baseball: A Text-Book of “inside”
Baseball Completely Covering Every Department and Phase of Baseball: How to Play and Coach the Game”, T. E.
Wilson (1922)
( 8 ) STATS LLC: https://www.stats.com/（参照 2020.4.26）
( 9 ) Hudl: https://www.hudl.com/（参照 2020.4.26）
(10) Gracenote Sports: https://www.gracenote.com/（ 参 照 2020.4.26）
(11) Opta Index: https://www.optasports.com/（ 参 照 2020.4.26）
(12) Data Stadium: https://www.datastadium.co.jp/（ 参 照 2020.4.26）
(13) 清水千弘，清田陽司： 競技 AI ，人工知能学
会誌，Vol. 34, No. 4, pp. 492‒496 (2019)
(14) 加藤健太： 概要 AI 活用 可能性 ，
人工知能学会誌，Vol. 34, No. 4, pp. 539‒544 (2019)
(15) 青木義満： 競技 対象 画像 AI 技術 ，
人工知能学会誌，Vol. 34, No. 4, pp. 497‒502 (2019) (16) 金澤裕治，桝井昇一，矢吹彰彦，佐々木和雄： 体操自
動採点 向 3D 技認識 AI 技術 ，人
工知能学会誌，Vol. 34, No. 4, pp. 531‒538 (2019) (17) 向本敬洋，伊藤雅充，河野徳良，野村一路，西條修光：
GPS 機器 利用 大学男子 選手 各
Time-motion 分析 ， 学研究，
Vol. 27, No. 2, pp. 215‒223 (2014)
(18) 馬込卓弥： IoT/ 技術 用 分析
医学 展開 ，電子情報通信学会通信
，Vol. 12, No. 2, pp. 112‒116 (2018) (19) Harsha Vardhan Goud, P. S., Mohana Roopa, Y. and Pad-
maja, B.: “Player performance analysis in sports: With fu- sion of machine learning and wearable technology”, 3rd International Conference on Computing Methodologies and Communication (ICCMC), pp. 600‒603 (2019)
(20) 佐々木和雄，桝井昇一，手塚耕一： 動
数値化 3D 技術 ( 特集
ICT̶ 支
̶ ，Fujitsu, Vol. 69, No. 2, pp. 13‒20 (2018)
(21) 長岡大志，荻野尚哉，坪井一洋，野田茂穂，姫野龍太郎：
加速度 用 飛翔中 野球 回転特性
計測 ，日本機械学会論文集，Vol. 85, No. 867, pp. 1‒15 (2019)
(22) 角川隆明，萬久博敏，荻田 太： 泳
速度 変化 関係̶圧力分布
計測 水中 用 分析̶ ，Vol.
64, No. 1, pp. 385‒400 (2019)
(23) 春名弘一， 昆 恵介， 稲垣 潤， 佐藤洋一郎：
三次元動作解析 応用例 ，日本義肢装具学会，Vol. 35, No. 1, pp. 17‒23 (2019)
(24) Catapult: https://www.catapultsports.com/（ 参 照 2020.4.26）
(25) Cao, Z., Hidalgo Martinez, G., Simon, T. et al.: “OpenPose:
Realtime Multi-Person 2D Pose Estimation using Part Af- finity Fields”, IEEE Transactions on Pattern Analysis and Machine Intelligence, p. 1 (2019)
(26) Kendall, A., Grimes, M. and Cipolla, R.: “PoseNet: A Con- volutional Network for Real-Time 6-DOF Camera Relo- calization”, Proceedings of the 2015 IEEE International Conference on Computer Vision (ICCV), IEEE Computer Society, No. 9, pp. 2938‒2946 (2015)
(27) 姜 文渊，山本雄平，田中成典，中村健二，田中 ：
単視点多眼
識別 位置特定 関 研究 ，写真測量
，Vol. 57, No. 5, pp. 198‒216 (2018) (28) TRACAB: https://chyronhego.com/products/sports-
tracking/tracab-optical-tracking/（参照 2020.4.26）
(29) 大内一成，小林大祐，中洲俊信，青木義満：
映像解析 開発 ，電子情報通信学会論文誌 B,
Vol. J100-B, No. 12, pp. 941‒951 (2017)
(30) Xu, J. and Tasaka, K.: “Keep your eye on the ball: Detec- tion of kicking motions in multi-view 4K soccer videos”, ITE Transactions on Media Technology and Applications, Vol. 8, No. 2, pp. 81‒88 (2020)
(31) Karungaru, S. G., Matsuura, K., Tanioka, H. et al.: “Towards drone-video player detection and tracking for soccer strategy analysis”, Proceedings of the 6th IEEJ interna- tional workshop on Sensing, Actuation, Motion Control, and Optimization, Vol. TT-1, pp. 1‒6 (2020)
(32) Shih, H.-C.: “A survey of content-aware video analysis for sports”, IEEE Transactions on Circuits and Systems for Video Technology, Vol. 28, No. 5, pp. 1212‒1231 (2018)
(33) 加藤健太： 分析 強化 ，
電子情報通信学会通信 ，Vol. 10,
No. 1, pp. 29‒34 (2016)
(34) Parmezan Bonidia, R., Duilio Brancher, J. and Marques Busto, R.: “Data mining in sports: A systematic review”, IEEE Latin America Transactions, Vol. 16, No. 1, pp.
232‒239 (2018)
(35) Apostolou, K. and Tjortjis, C.: “Sports Analytics algo- rithms for performance prediction”, 10th International Conference on Information, Intelligence, Systems and Applications (IISA), pp. 1‒4 (2019)
(36) Wang, H. and Zheng, X.: “Survey of deep learning based object detection”, Proceedings of the 2nd International Conference on Big Data Technologies, Association for Computing Machinery, No. 5, pp. 149‒153 (2019)
(37) 松木拓弥，鈴木秀男：
指標 MLB 投手 能力評価 構
築 ，電子情報通信学会通信 ，Vol.
12, No. 2, pp. 117‒125 (2018)
(38) Sakai, M., Tanioka, H., Matsuura, K. et al.: “Evaluating hit- ting skills of npb players with logistic regression analy- sis”, CSCE'18 Proceedings, pp. 313‒319 (2018)
(39) 箭野 柊，松浦健二，谷岡広樹， ・
・ ，幸田尚也，後藤田中，和田智仁： 集
団対戦型 戦術適用判断 支援環
境̶ 基本戦術̶ ，情報
処理学会論文誌，Vol. 61, No. 3, pp. 657‒666 (2020) (40) Rathke, A.: “An examination of expected goals and shot
efficiency in soccer”, Journal of Human Sport and Exer- cise, Vol. 12, Vol. 2, pp. s514‒s529 (2017)
(41) StatsBomb Open Data: https://github.com/statsbomb/
open-data（参照 2020.4.26）
(42) NBA Stats: https://stats.nba.com/（参照 2020.4.26）
著 者 紹 介 谷岡 広樹
1997 年千葉大学工学部卒．2008 年信州大学大学院総合工学系研 究科博士課程修了． 博士（工学）．
1997 年 ，2011
年古河 ・
，2014 年
，自然言語処理，
情報検索，機械学習 関 研究
開発 従事．2016 年 現職．教育 情報学会 2018
年度研究会優秀賞．教育 情報学会，情報処理学会，
人工知能学会，IEEE, ACM 等会員．
