23분 읽기

경기 부하 프로파일링: 포지션별·경기 상황별 신체 요구량 분석

최고 강도 구간(MDP) 포지션별 신체 요구량 경기 맥락 요인 경기 간 변동성

선행 학습: 이 글은 독자가 외적·내적 부하의 개념, GPS/추적 시스템의 기초 원리, 고강도 주행 지표(HSR, 스프린트, 가속/감속)의 정의를 이해하고 있다고 가정한다. 처음 접하는 경우, 아래 글을 먼저 읽기를 권장한다.

학습 목표

  • 경기 부하 프로파일링의 핵심 지표(TD, HSR, HID, SD, Acc, Dec)와 측정 원리를 설명할 수 있다.
  • 포지션별(일반 및 세분화 전술 역할) 신체적 요구량 차이를 비교·분석할 수 있다.
  • 경기 상황(스코어, 대회 단계, 상대 수준, 볼 점유 상태)이 선수의 신체적 출력에 미치는 영향을 이해할 수 있다.
  • 최고 강도 구간(MDP) 분석의 개념과 이동 평균 방법을 활용하여 경기 중 peak intensity를 정량화할 수 있다.
  • 경기 부하 데이터의 경기 간 변동성과 개별화 임계값의 중요성을 인식하고, 훈련 설계에의 함의를 도출할 수 있다.

경기 부하 프로파일링의 정의와 핵심 지표

경기 부하 프로파일링(Match Load Profiling)은 경기 중 선수에게 부과되는 외적 부하를 체계적으로 정량화하고 분석하는 과정이다. 외적 부하란 선수에게 부과된 물리적 작업을 뜻하며, 이에 대한 선수의 심리·생리적 반응인 내적 부하와 구분된다(Impellizzeri et al., 2019).

경기 부하를 구성하는 핵심 지표는 다음과 같다.

지표약어설명
총 이동 거리TD90분간 커버한 전체 거리
고속 주행HSR19.8–25.2 km/h 구간 거리
고강도 거리HID19.8 km/h 초과 전체 거리
스프린트 거리SD25.2 km/h 초과 거리
가속Acc양의 속도 변화율 (m/s²)
감속Dec음의 속도 변화율 (m/s²)

이 지표들은 광학 추적 시스템(OTS)이나 GPS로 수집된다. 동일한 지표라도 추적 시스템과 임계값 설정에 따라 값이 크게 달라진다. GPS 기기 간 변이가 최대 50%에 달할 수 있으며, 가속도 값은 측정 시간 창과 필터링 기법에 따라 달라진다(Buchheit & Simpson, 2017). 시스템 간 보정과 일관된 프로토콜이 모든 분석의 전제 조건이다.

단일 지표만으로 경기 요구를 설명하는 것은 한계가 있다. TD가 동일하더라도 그 안에 포함된 고강도 활동의 양과 전술적 맥락이 전혀 다를 수 있다. 경기 부하 프로파일링은 복수의 지표를 함께 분석하고, 포지션·경기 상황·시간대별로 세분화하는 다차원적 접근을 요구한다.

일반 포지션 vs. 세분화 전술 역할: 신체 요구량의 차이

경기 부하는 포지션에 따라 크게 달라진다. EPL 370명의 풀타임 경기 데이터에서 고강도 주행 거리는 윙어(3,138 m) > 중앙 미드필더(2,825 m) > 풀백(2,605 m) > 스트라이커(2,341 m) > 센터백(1,834 m) 순이었다(Bradley et al., 2009).

그런데 이러한 일반 포지션(5개) 분류에는 근본적인 한계가 있다. EPL 244명 선수를 대상으로 일반 포지션(5개)과 세분화 전술 역할(9개 이상)의 고강도 달리기(High-Intensity Running, HIR) 프로파일을 비교한 연구가 이 문제를 보여준다(Ju et al., 2023). 풀백(FB)은 측면 수비(WDP) 평균 대비 HIR이 34% 적었지만, 윙백(WB)은 15% 더 많았다. 수비형 미드필더(CDM)는 중앙 미드필더(CMP) 대비 30% 적었고, 공격형 미드필더(CAM)는 22% 더 많았다.

일반 포지션 분석은 선수의 실제 수행을 과대 또는 과소추정할 수 있다. 풀백을 WDP 기준으로 평가하면 리커버리 런, 서포트 플레이, 침투 움직임의 빈도가 과대추정되고, 윙백은 과소추정된다. 세분화 분석이 더 민감한 도구인 이유다.

현장 적용의 관점에서, 팀의 포지션 분류 체계를 게임 모델에 맞게 세분화하는 것이 첫 단계다. 4-3-3에서 높은 위치로 전진하는 풀백과 3-5-2의 윙백은 같은 ‘측면 수비’라도 신체적 요구가 다르다(Marsh et al., 2023). 포메이션과 전술 시스템이 포지션별 요구에 직접 영향을 미치므로, 프로파일링은 항상 팀의 전술적 맥락 안에서 이루어져야 한다.

맥락이 바꾸는 경기 부하: 스코어·상대·점유율의 영향

경기 상황은 선수의 신체적 출력에 유의한 영향을 미친다. 2022 FIFA 월드컵 64경기 분석에서, 경기 상황(이기는 중 vs. 이기지 못하는 중)이 모든 맥락적 요인 중 가장 큰 영향을 보였다(Cortez et al., 2026). 이기는 중일 때 풀백의 TD와 중속 주행(Moderate-Speed Running, MSR)이 증가했고, 센터포워드의 스프린트 거리가 증가했다. 이기지 못하는 중일 때 센터포워드의 MSR과 스프린트는 다른 양상을 보였다.

볼 점유 상태(In-Possession, IP / Out-of-Possession, OOP)도 러닝 출력을 근본적으로 바꾼다. EPL 5시즌 분석에서, 총 러닝 부하(TD)와 경기당 승점(Points Per Game, PPG) 사이에는 유의한 상관이 없었다(Allen et al., 2026). 대신 볼 비점유 시 분당 출력(TOOP) 대 점유 시 분당 출력(TIP)의 비율이 PPG와 강한 양의 상관을 보였다. 상위 팀은 볼 점유 시 낮은 신체적 출력을 보이면서, 볼 비점유 시 높은 강도의 압박과 빠른 볼 회수를 유지했다.

이 패턴은 상대 수준에 따라서도 달라졌다. 상위 6팀(T6)을 상대할 때 양쪽 모두 점유율이 약 9% 감소하고, TOOP/TIP 비율도 변화했다. 총 러닝 출력만으로는 경기 성공을 예측할 수 없으며, 전술적 의도와 경기 맥락의 렌즈를 함께 적용해야 한다. 경기 러닝 퍼포먼스는 신체적 피로, 페이싱, 전술, 심리적 요인이 복합적으로 작용한 결과이며, 어느 하나로 환원할 수 없다(Paul et al., 2015).

평균을 넘어서: 최고 강도 구간(MDP)과 이동 평균 분석

90분 경기 평균은 선수가 실제로 직면하는 최대 강도를 감추는 경향이 있다. 최고 강도 구간(Most Demanding Passages, MDP)은 경기 중 가장 높은 신체적 부하가 집중되는 짧은 시간대를 뜻하며, 이동 평균(Rolling Average) 방법으로 1분, 3분, 5분 등의 에포크(epoch)에서 산출한다.

프로 선수의 1분 peak 데이터에 따르면, 1분간 약 200 m를 커버하며 이 중 HSR이 약 61 m, 스프린트가 약 30 m에 달한다. 이는 90분 전체 경기 평균 대비 약 4배 높은 강도다(Riboli et al., 2023). 에포크가 짧을수록 분당 강도는 더 높아진다. 5분 구간에서 약 23 m/min이던 고속 주행이 1분 구간에서는 약 64 m/min까지 치솟는다(Randers et al., 2026).

MDP 구간에서 선수들은 비점유 시 고강도 거리의 28–34%를 리커버리 런, 22–25%를 커버링 동작으로 수행한다(Ju et al., 2022). peak 강도의 상당 부분이 수비 전환 맥락에서 발생한다는 뜻이다. 점유 시에는 서포트 플레이가 가장 높은 비율을 차지했다.

MDP 이후에는 고강도 달리기가 급격히 감소한다. peak 5분 구간 직후 5분에서 HIR이 약 50% 감소하고(Bradley et al., 2009), peak 1분 직후 1분에서는 약 48% 감소한다(Ju et al., 2022). 이 일시적 감소(Transient Decrement)를 단순한 피로로 해석하기는 어렵다. 크레아틴인산 고갈에 따른 생리적 요인, 의도적 페이싱 전략, 전술적 변화(볼 아웃, 셋피스 등), 플레이 기회 감소가 복합적으로 작용하기 때문이다.

MDP는 경기 초반(0–15분, 45–60분)에 더 빈번하게 발생하며(21–28%), 각 하프 마지막 15분에는 빈도가 낮아진다(Randers et al., 2026). 그러나 MDP의 절대 강도는 경기 단계 간에 유의한 차이가 없었다. 엘리트 선수들이 경기 전반에 걸쳐 최고 강도를 발휘할 수 있는 능력을 유지한다는 뜻이다.

훈련 설계에서 MDP 데이터의 함의는 명확하다. 90분 평균만을 기준으로 드릴을 설계하면 선수를 peak 경기 강도에 과소 준비시킬 수 있다. 1분 peak 데이터를 기반으로 반복·세트·드릴의 강도를 설정하되, 90분 평균과 peak 사이의 모든 강도 수준을 훈련에 반영해야 한다(Riboli et al., 2023).

브레이크와 가속: 가속·감속 부하의 시간적 패턴과 개별화

가속(Acc)과 감속(Dec)은 속도 임계값에 도달하지 않는 경우에도 발생하는 고부하 동작이다. 프로 경기에서 Acc과 Dec은 경기 초반부터 종반까지 일관되게 감소하며, 1반에서 6반까지 총 14.9–21.0%의 시간 의존적 감소가 나타났다(Akenhead et al., 2013). 고강도 가속(>3 m/s²)의 peak 5분 구간 직후 5분에서 10.4% 감소했으나, 10분 후에는 평균 수준으로 회복되었다.

Acc/Dec의 변동계수(Coefficient of Variation, CV)는 12–25%로, HSR(25–45%)이나 스프린트(30–47.5%)보다 안정적이다(Akenhead et al., 2013). Acc/Dec이 경기 간 비교에서 더 신뢰할 수 있는 모니터링 변수라는 뜻이다.

문제는 임계값 설정에 있다. 현재 널리 사용되는 절대적 임계값(Arbitrary Absolute Threshold, AAT)인 >3 m/s², <-3 m/s²는 선수 간 개인차를 반영하지 못한다. 대학/클럽 수준 선수를 대상으로 한 연구에서, -4 m/s²의 절대 임계값은 개인 최대 감속 능력(DECmax)의 50% 미만에 해당했다(Moore et al., 2026). AAT를 적용하면 고강도 감속 횟수가 개별화 임계값(Individualised Threshold, IND) 대비 약 7배 과대추정되었다.

이를 해결하기 위해 제안된 접근법은 개인의 최대 가속 능력(ACCmax)과 DECmax를 측정한 뒤, 이에 대한 백분율로 강도를 분류하는 것이다(Pimenta et al., 2026). 고강도(>75%), 중강도(50–75%), 저강도(25–50%)로 구분하며, 시즌 중 상위 3개 값의 이동 평균으로 기준을 업데이트한다. DECmax는 ACCmax보다 절대값이 크고 초기 속도에 덜 의존하므로, Acc과 Dec에 대칭적인 임계값을 적용하는 것은 부적절하다.

개별화 임계값은 AAT보다 높은 절대값을 사용하게 되므로 GPS 기기 오차에 따른 오분류 위험도 줄어든다. 다만 개별화 프로토콜의 생리적 타당성을 검증하는 연구는 아직 부족하며, 제안된 백분율 분류 역시 임의적 절단점에 기반한다는 한계가 있다.

경기 간 변동성의 이해와 훈련 설계 함의

동일한 선수가 같은 포지션에서 뛰더라도 경기마다 신체적 출력은 크게 달라진다. EPL 선수의 HIR 거리 CV는 22 ± 13%이며, 전술적 맥락을 포함한 맥락화 HIR CV는 67 ± 25%까지 치솟는다(Ju et al., 2023). ‘경기 평균’이라는 단일 수치가 선수의 경기 요구를 대표하기 어렵다는 뜻이다.

변동성의 크기는 포지션과 맥락에 따라 달라진다. FIFA 월드컵 데이터에서 상위 팀의 센터백과 중앙 미드필더가 특히 높은 MDP 변동성을 보였으며, 이기지 못하는 상황에서 TD의 변동성이 증가했다(Cortez et al., 2026).

장기적으로도 경기 요구는 변화하고 있다. EPL 5시즌(2014–2019) 동안 팀 전체 HID는 12%, 스프린트 거리는 15% 증가했다(Allen et al., 2023). 포지션별로는 센터백이 HID 증가가 가장 컸고, 센터포워드는 스프린트 증가가 가장 컸다. 그러나 시즌 간 변화는 작은 수준이었으며, 한 시즌에 모든 지표가 동시에 증가하지는 않았다. 이전에 예측된 “2030년까지 HID 40% 증가”는 과대추정일 가능성이 있다.

이 변동성은 훈련 설계에 두 가지 함의를 준다. 첫째, 포지션별 훈련 벤치마크를 설정할 때 단일 평균값이 아닌 범위(평균 ± 변동 폭)로 제시해야 한다. 둘째, 팀별·개인별로 정기적 모니터링을 수행하여 시즌 내·시즌 간 변화를 추적해야 한다. 장기 평균만으로는 현재의 경기 요구를 정확히 반영할 수 없다(Allen et al., 2023).

핵심 요약

  • 경기 부하 프로파일링의 핵심 지표(TD, HSR, HID, SD, Acc, Dec)는 추적 시스템과 임계값 설정에 따라 값이 달라지므로, 시스템 간 보정과 일관된 프로토콜이 필수적이다.
  • 일반 포지션(5개) 분석은 세분화 전술 역할(9개 이상) 분석에 비해 선수의 실제 신체-전술 수행을 과대 또는 과소추정할 수 있으므로, 세분화 분석이 더 민감하고 정확한 프로파일링을 제공한다.
  • 경기 상황(스코어라인, 상대 수준, 볼 점유 상태, 대회 단계)은 선수의 러닝 출력에 유의한 영향을 미치며, 총 러닝 부하만으로는 경기 성공을 예측할 수 없다. 비점유 시 분당 출력 대 점유 시 분당 출력의 비율이 경기 성공과 더 강한 상관을 보인다.
  • 최고 강도 구간(MDP)은 90분 경기 평균 대비 약 4배 높은 강도를 나타내며, peak 구간 이후 HIR이 약 48–50% 감소하지만, 이 감소는 피로·페이싱·전술 변화의 복합 결과이므로 단순한 피로 지표로 해석해서는 안 된다.
  • 경기 부하 데이터의 경기 간 변동성은 포지션과 맥락에 따라 크게 달라지며(HIR CV 22 ± 13%, 맥락화 HIR CV 67 ± 25%), 개별화 임계값(개인 최대 능력 대비 백분율)이 절대적 임계값보다 정확한 부하 모니터링을 가능하게 한다.

참고문헌

  1. Akenhead, R., Hayes, P. R., Thompson, K. G., & French, D. (2013). Diminutions of acceleration and deceleration output during professional football match play. Journal of Science and Medicine in Sport, 16(6), 556-561. https://doi.org/10.1016/j.jsams.2012.12.005
  2. Allen, T., Taberner, M., Zhilkin, M., & Rhodes, D. (2023). Running more than before? The evolution of running load demands in the English Premier League. International Journal of Sports Science & Coaching, 19(2), 779-787. https://doi.org/10.1177/17479541231164507
  3. Allen, T., Taberner, M., Zhilkin, M., Harper, D., & Alexander, J. (2026). Possession in motion a five-season analysis of running in-possession and out-of-possession with match outcomes in the English Premier League. Biology of Sport. https://doi.org/10.5114/biolsport.2026.159531
  4. Bradley, P. S., Sheldon, W., Wooster, B., Olsen, P., Boanas, P., & Krustrup, P. (2009). High-intensity running in English FA Premier League soccer matches. Journal of Sports Sciences, 27(2), 159-168. https://doi.org/10.1080/02640410802512775
  5. Buchheit, M. & Simpson, B. M. (2017). Player-Tracking Technology: Half-Full or Half-Empty Glass?. International Journal of Sports Physiology and Performance, 12(s2), S2-35-S2-41. https://doi.org/10.1123/ijspp.2016-0499
  6. Cortez, A., Yousefian, F., Folgado, H., Brito, J., Abade, E., Travassos, B., & Gonçalves, B. (2026). Performance profiles and match-to-match variability of the most demanding passages during the FIFA World Cup Qatar 2022 the effect of playing positions and match contextual factors. BMC Sports Science, Medicine and Rehabilitation. https://doi.org/10.1186/s13102-026-01578-z
  7. Impellizzeri, F. M., Marcora, S. M., & Coutts, A. J. (2019). Internal and External Training Load: 15 Years On. International Journal of Sports Physiology and Performance, 14(2), 270-273. https://doi.org/10.1123/ijspp.2018-0935
  8. Ju, W., Doran, D., Hawkins, R., Gómez-Díaz, A., Martin-Garcia, A., Ade, J., Laws, A., Evans, M., & Bradley, P. (2022). Contextualised peak periods of play in English Premier League matches. Biology of Sport, 39(4), 973-983. https://doi.org/10.5114/biolsport.2022.112083
  9. Ju, W., Doran, D., Hawkins, R., Evans, M., Laws, A., & Bradley, P. (2023). Contextualised high-intensity running profiles of elite football players with reference to general and specialised tactical roles. Biology of Sport, 40(1), 291-301. https://doi.org/10.5114/biolsport.2023.116003
  10. Marsh, J., Calder, A., Stewart-Mackie, J., & Buchheit, M. (2023). Needs analysis and testing. In A. Calder & A. Centofanti (Eds.), Peak performance for soccer: The elite coaching and training manual. Routledge.
  11. Moore, L., Drury, B., & Hearn, A. (2026). Hitting the Brakes in Soccer: Individualised Thresholds for Assessing High-Intensity Decelerations during Matches. International Journal of Strength and Conditioning, 6(1). https://doi.org/10.47206/ijsc.v6i1.565
  12. Paul, D. J., Bradley, P. S., & Nassis, G. P. (2015). Factors affecting match running performance of elite soccer players: Shedding some light on the complexity. International Journal of Sports Physiology and Performance, 10(4), 516-519. https://doi.org/10.1123/ijspp.2015-0029
  13. Pimenta, R., Antunes, H., Silva, H., Ribeiro, J., & Nakamura, F. Y. (2026). The Need for GPS Data to be Normalized for Performance and Fatigue Monitoring in Soccer: Considerations for Accelerations and Decelerations. Strength & Conditioning Journal. https://doi.org/10.1519/ssc.0000000000000958
  14. Randers, M. B., Leifsson, E. N., Krustrup, P., & Mohr, M. (2026). Does match phase affect high-speed running and sprinting peak period performance and recovery kinetics in professional male football players?. Journal of Sports Sciences. https://doi.org/10.1080/02640414.2026.2632514
  15. Riboli, A., MacMillan, L., Calder, A., & Mason, L. (2023). Player monitoring and practical application. In A. Calder & A. Centofanti (Eds.), Peak performance for soccer: The elite coaching and training manual. Routledge.