21분 읽기

GPS와 가속도계의 이해 — 추적 시스템의 원리, 정확도, 한계

추적 시스템 타당도 GNSS 원리와 한계 가속도계 지표 해석 시스템 간 일치도

선행 학습: 이 글은 독자가 외적 훈련 부하와 내적 훈련 부하의 개념적 구분을 이해하고 있다고 가정한다. 처음 접하는 경우, 아래 글을 먼저 읽기를 권장한다.

학습 목표

  • 주요 선수 추적 시스템(GPS/GNSS, 광학 추적, RFID/UWB, IMU)의 작동 원리와 각각의 장단점을 설명할 수 있다.
  • GPS와 가속도계에서 파생되는 핵심 지표(속도, 거리, 가속도, Player Load)의 산출 방법과 해석 시 유의점을 이해한다.
  • 추적 시스템의 타당도와 신뢰도 개념을 이해하고, 측정 오차가 실무 해석에 미치는 영향을 판단할 수 있다.
  • 서로 다른 시스템 간 데이터 비교의 한계와 보정 방정식의 필요성을 설명할 수 있다.
  • 데이터 품질 관리(HDoP, 필터링, 소프트웨어 업데이트)가 추적 데이터의 신뢰성에 미치는 영향을 이해하고 실무에 적용할 수 있다.

선수 추적 기술의 진화: 수기 기록에서 GNSS까지

선수의 경기 중 움직임을 객관적으로 분석하려는 시도는 1976년 Tom Reilly의 수기 코딩 연구에서 시작되었다(Clubb & Murray, 2022). 한 명의 선수를 한 명의 분석가가 추적하는 방식이었다. 이후 기술이 발전하면서, 현재는 팀 전체를 동시에 실시간으로 추적하는 것이 가능해졌다.

오늘날 선수 추적 기술은 크게 네 가지로 분류된다.

광학 추적 시스템(Optical Tracking System, OTS)은 경기장 주변에 설치된 다수의 카메라로 선수의 x-y 좌표를 추론하여 2차원 움직임을 재구성한다. 1990년대 후반 축구에 도입되었으며, 볼 추적을 통한 전술 정보 산출이 가능하다는 장점이 있다. 반면, 비용이 높고 고정 설치가 필요하여 이동성이 없으며, 수직 방향 움직임(점프 등)은 정량화되지 않는다. 훈련 세션 모니터링에도 제한이 있다(Clubb & Murray, 2022).

무선 주파수 식별(Radio Frequency Identification, RFID)은 경기장 주변 안테나(앵커 노드)와 선수 착용 마이크로칩 간 신호 수신 시간으로 위치를 산출한다. 실내외 모두 사용 가능하며 100 Hz 이상의 측정이 가능하지만, 전용 인프라 설치 비용이 높고 전자 간섭에 취약하다. 초광대역(Ultra-Wideband, UWB) 기술은 RFID의 기술적 한계를 보완하는 대안으로, 저전력·고정밀·간섭 저항성이 특징이다(Clubb & Murray, 2022).

글로벌 항법 위성 시스템(Global Navigation Satellite System, GNSS)은 미국 GPS 위성 24기와 러시아 GLONASS 위성 24기를 포함하는 위성 항법 시스템의 총칭이다. GPS 기기는 양쪽 견갑골 사이 상부 등에 착용하며, 위성이 원자시계 기반으로 전송하는 저출력 무선 신호의 도달 시간 차이를 비교하여 위치를 산출한다. 최소 4기의 위성 연결이 필요하다(Clubb & Murray, 2022).

관성 측정 장치(Inertial Measurement Unit, IMU)는 미세전자기계 시스템(Microelectromechanical Systems, MEMS) 내에 가속도계, 자이로스코프, 자력계를 통합한 센서 장치다. 위성 신호 없이 움직임을 감지할 수 있어, 대부분의 웨어러블 GPS 기기에 IMU가 함께 탑재된다.

각 시스템의 선택은 환경(실내/실외), 예산, 필요한 정보 수준에 따라 달라진다. 실무 현장에서는 훈련 시 GPS, 경기 시 광학 추적처럼 서로 다른 시스템을 병행하는 경우가 흔하다(Clubb & Murray, 2022). 이러한 병행 사용이 불가피한 만큼, 시스템 간 데이터 호환성에 대한 이해가 필수적이다.

GPS의 작동 원리: 위성 신호에서 속도·거리까지

GPS 기기에서 속도와 거리를 산출하는 방법은 두 가지다. 도플러 편이법(Doppler-Shift Method)은 수신기의 움직임에 따른 위성 신호 주파수 변화를 이용하여 속도를 산출한다. 위치 미분법(Positional Differentiation)은 연속된 두 시점의 좌표 차이로 거리를 계산한다. 팀 스포츠용 GPS 기기에서는 속도를 도플러 편이법으로, 거리를 위치 미분법으로 산출하는 것이 일반적이며, 도플러 편이법이 더 높은 정밀도를 보인다(Clubb & Murray, 2022).

GPS의 정밀도는 샘플링 주파수에 영향을 받는다. 초기 기기는 1 Hz였으나, 현재는 10 Hz 이상이 일반적이다. 주파수가 높을수록 정확도가 향상되므로 10 Hz 이상 기기를 사용하는 것이 권장된다(Murray & Clubb, 2022). 다만 일부 기기는 낮은 주파수로 샘플링한 후 가속도계 보간으로 주파수를 높이는 방식을 사용하므로, 구매 시 이를 반드시 확인해야 한다(Clubb & Murray, 2022).

속도 변화율이 높아질수록 — 가속, 감속, 방향 전환이 빈번할수록 — GPS의 정밀도는 떨어진다. 가속도는 속도의 1차 도함수로 계산되므로, 속도 측정의 오차가 가속도 산출 과정에서 누적된다(Murray & Clubb, 2022). 부하 모니터링에서 가장 중요하다고 평가되는 변수들(고속 달리기 거리, 가속, 감속)이 정작 타당도와 신뢰도 측면에서 가장 낮다는 역설적 현실이 바로 이 원리에서 비롯된다(Buchheit & Simpson, 2017).

GPS 신호 품질은 환경 요인에도 좌우된다. 수평 정밀도 감쇠(Horizontal Dilution of Precision, HDoP)는 위성 배치 상태에 따른 위치 정밀도 지표로, 값이 1이면 이상적이고 20 이상이면 품질이 낮다. 연결 위성 수, 날씨, 도심 환경, 경기장 지붕 등이 모두 신호 품질에 영향을 미친다(Murray & Clubb, 2022). 같은 브랜드 내에서도 GPS 단위 기기 간 변이가 최대 50%까지 존재하므로, 동일 선수에게 동일 기기를 지속 사용하는 것이 모범 사례다(Buchheit & Simpson, 2017).

가속도계와 관성 측정 장치: 보이지 않는 움직임을 측정하다

IMU 내 3축 가속도계는 1,000 Hz 이상의 샘플링 속도로 x, y, z 축의 움직임을 측정한다. 가속에 의해 두 전극 사이 지진 질량(seismic mass)이 편향되면, 그 정전용량 변화를 감지하는 방식으로 작동한다(Clubb & Murray, 2022).

GPS 제조사들은 3축 가속도계 벡터의 합으로 플레이어 로드(Player Load)라는 지표를 산출한다. 이 지표는 가속도의 순간 변화율을 반영하며, 임의 단위(Arbitrary Units)로 표현된다. 그러나 ‘load’라는 명칭 자체가 역학 원칙(힘 = 뉴턴)에 위배되며, 알고리즘이 독점적이어서 정확한 계산 과정이 불투명하다는 비판이 있다(Staunton et al., 2022).

가속도계 기반 변수의 잠재력은 위치 추적 지표와 다른 곳에 있다. 지표 분류 체계에서 관성 센서 파생 변수는 Level 3으로 분류되는데, 전술적 요인(규칙, 코치 개입, 스코어라인)과 독립적으로 수집할 수 있어 피트니스 및 피로 모니터링에 더 적합할 수 있다(Buchheit & Simpson, 2017). 보폭 특성, 좌우 비대칭, 지면반력 추정 등은 종단적 선수 모니터링에 유용한 정보를 제공한다.

다만 가속도계는 견갑골 사이에 착용되므로 신체 질량 중심에서의 측정이 아니라는 한계가 있다. 선수의 자세(구부린 자세, 앞으로 기울인 자세)에 따라 편차가 발생하며, 시스템 간 표준화된 보고 체계가 부족하다(Murray & Clubb, 2022).

추적 데이터에서 파생되는 핵심 지표

추적 시스템에서 산출되는 지표는 3단계 분류 체계로 구분할 수 있다(Buchheit & Simpson, 2017).

단계내용산출 기술
Level 1속도 구간별 이동 거리(총 거리, 고속 주행 거리, 스프린트 거리)모든 위치 추적 시스템
Level 2가속, 감속, 방향 전환 이벤트대부분의 기술(정밀도 낮음)
Level 3관성 센서 파생 변수(플레이어 로드, 보폭 특성 등)웨어러블 기기만 해당

이 지표들의 해석에는 주의가 필요하다. 속도 임계값의 정의가 연구마다, 제조사마다 다르다. 82편의 축구 부하 모니터링 연구를 체계적으로 검토한 결과, 속도 구간의 정의, 단위(km/h vs m/s), 명칭에 상당한 비일관성이 존재하는 것으로 확인되었다(Miguel et al., 2021).

가속·감속 지표의 문제는 더 심각하다. 현재 널리 사용되는 절대적 임계값(Arbitrary Absolute Threshold, AAT)은 선수 간 개인차를 반영하지 못한다. 축구 선수의 최대 가속 능력(ACCmax)과 최대 감속 능력(DECmax)은 일반적 고강도 AAT인 3 m/s²를 각각 67%와 133% 이상 초과한다(Pimenta et al., 2026). 가속 능력은 초기 속도에 반비례하므로, 높은 초기 속도에서의 상대적으로 낮은 절대 가속 값도 근최대 노력일 수 있다. 이러한 이유로 개인 ACCmax/DECmax 대비 백분율 기반 정규화가 제안된다(Pimenta et al., 2026). GPS 장비 간 최대 56%의 측정 차이는 AAT 적용 시 고강도 노력의 오분류를 더욱 악화시킨다.

대사 파워(Metabolic Power)는 속도와 가속도를 이용하여 에너지 소비를 추정하는 개념이다. 그러나 GPS 기반 대사 파워는 축구처럼 정적이면서 강도 높은 활동(태클, 몸싸움 등)의 에너지 소비를 과소평가하는 것으로 나타났다. 이 불일치는 4개의 독립적 연구그룹에서 일관되게 확인되었다(Buchheit & Simpson, 2017).

추적 시스템은 얼마나 정확한가?

타당도(Validity)는 측정 도구가 의도한 변수를 정확히 측정하는 정도이며, 신뢰도(Reliability)는 반복 측정 시 결과의 일관성이다. 두 개념 모두 “유효하다/유효하지 않다”의 이분법이 아니라 연속선(continuum) 위에 존재한다. 기술 도입 속도가 타당화 연구보다 항상 앞서므로, 타당화는 일회성 작업이 아닌 지속적 과정이다(Murray & Clubb, 2022).

GPS 정확도는 변수에 따라 크게 다르다. 10 Hz GPS 3개 제조사를 비교한 연구에서, 거리와 속도 측정의 변동계수(CV)는 0.2–5.5%로 수용 가능한 수준이었으나, 감속 측정의 CV는 2.5–72.8%로 극도로 넓은 범위를 보였다(Murray & Clubb, 2022). 측정 정확도는 속도 변화율이 높아질수록 일관되게 하락한다.

광학 추적 시스템의 경우, TRACAB Gen5를 VICON 기준 시스템과 비교한 결과 위치 RMSE 0.08 m, 속도 RMSE 0.08 m/s로 높은 정확도가 확인되었으며, 모든 KPI 범주에서 편차가 trivial 수준이었다(Linke et al., 2020).

그러나 서로 다른 시스템에서 산출한 합산 지표는 직접 비교할 수 없다. 공식 축구 경기에서 GPS와 광학 추적 시스템을 동시에 비교한 연구에서, 총 거리나 저속 구간의 급내상관계수(ICC)는 0.90 이상이었으나, 고속 구간(18 km/h 이상)에서는 CV가 13–15%를 초과했다(Pons et al., 2019). 이 연구에서 시스템 간 데이터 교환을 위한 회귀 방정식이 산출되었지만, 보정 방정식(Calibration Equation)은 특정 제조사·모델·소프트웨어 버전에 한정된다(Murray & Clubb, 2022). 칩셋이 변경되거나 소프트웨어가 업데이트되면 기존 보정 방정식은 무효화될 수 있다. 실무자가 자체적으로 유사한 프로토콜을 수행하여 내부 보정 방정식을 만드는 것이 권장되는 이유다.

데이터를 신뢰하기 위한 조건: 품질 관리와 워크플로

추적 시스템의 원시 데이터는 필터링(Filtering) 과정을 거쳐 지표로 변환된다. GPS는 위성 신호를 원시 속도 데이터로 변환한 후, 칼만 필터(Kalman Filter)나 버터워스 필터(Butterworth Filter) 등을 적용하여 노이즈를 제거한다. 이 과정에서 소프트웨어 업데이트가 지표 산출에 직접적으로 영향을 미칠 수 있다. GPS 소프트웨어 업데이트 후 가속 횟수가 251에서 177로, 감속 횟수가 181에서 151로 크게 감소한 사례가 보고된 바 있다(Varley et al., 2022).

제조사는 필터링 기법의 세부 사항을 지적 재산으로 간주하여 공개하지 않는 경우가 많다. 원시 데이터에 접근할 수 없거나 이미 사전 필터링된 데이터만 제공되기도 한다. 이러한 투명성 부족은 해석, 재현, 외부 검증 모두에 영향을 미친다(Varley et al., 2022).

데이터의 신뢰성을 확보하기 위해서는 체계적인 품질 관리가 필요하다. HDoP와 연결 위성 수를 지속적으로 모니터링하고, 이상치 제거 기준을 문서화하며, 재현 가능한 워크플로(Reproducible Workflow)를 구축해야 한다. 다른 사람이 동일한 입력 데이터로 동일한 결과를 얻을 수 있을 만큼 충분히 상세한 절차를 기록하는 것이 핵심이다. 데이터 사전(Data Dictionary)을 작성하여 수집하는 모든 변수의 정의와 명명 규칙을 사전에 확정하는 것도 필수적이다(Varley et al., 2022).

기술이 제공하는 정보는 세 가지 조건을 충족해야 한다: 신뢰할 수 있고(reliable), 관리 가능하며(manageable), 의사결정 과정에 기여해야 한다. 이 조건이 충족되지 않으면 기술 도입은 시간과 비용 낭비가 된다(Torres Ronda, 2022).

한 가지 더 기억해야 할 점이 있다. 추적 시스템은 외적 훈련 부하만 측정한다. 동일한 외적 부하라도 선수의 훈련 상태, 영양, 건강, 심리적 상태에 따라 내적 반응이 달라지므로, 외적 부하 데이터는 반드시 내적 부하와 통합하여 해석해야 한다(Impellizzeri et al., 2019). 성공적 모니터링의 기반은 기술이 아니라, 데이터를 수집하는 방식, 한계에 대한 이해, 그리고 정보를 보고하고 활용하는 방법에 있다(Buchheit & Simpson, 2017).

핵심 요약

  • GPS/GNSS, 광학 추적, RFID/UWB, IMU는 각각 고유한 작동 원리와 장단점을 가지며, 환경·예산·필요 정보 수준에 따라 적합한 시스템이 달라진다.
  • GPS에서 속도는 도플러 편이법, 거리는 위치 미분법으로 산출되며, 가속도는 속도의 도함수로 계산되어 오차가 누적된다 — 가장 중요하다고 여겨지는 변수가 가장 덜 유용할 가능성이 높다.
  • 타당도와 신뢰도는 이분법이 아닌 연속선 위에 존재하며, 기술 도입 속도가 타당화 연구보다 항상 앞서므로, 자체 환경에서의 내부 타당화가 필수적이다.
  • 서로 다른 추적 시스템에서 산출한 합산 지표(총 거리, 고속 거리 등)는 직접 비교할 수 없으며, 보정 방정식은 특정 제조사·모델·소프트웨어 버전에 한정된다.
  • 소프트웨어·펌웨어 업데이트, 필터링 기법, HDoP 등 데이터 품질 요인이 지표 산출에 직접적으로 영향을 미치므로, 업데이트 시점 관리와 재현 가능한 워크플로 구축이 필수적이다.

참고문헌

  1. 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
  2. Clubb, J., & Murray, A. M. (2022). Characteristics of tracking systems and load monitoring. In D. N. French & L. Torres Ronda (Eds.), NSCA’s Essentials of Sport Science. Human Kinetics.
  3. 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
  4. Linke, D., Link, D., & Lames, M. (2020). Football-specific validity of TRACAB’s optical video tracking systems. PLOS ONE, 15(3), e0230179. https://doi.org/10.1371/journal.pone.0230179
  5. Miguel, M., Oliveira, R., Loureiro, N., García-Rubio, J., & Ibáñez, S. J. (2021). Load Measures in Training/Match Monitoring in Soccer: A Systematic Review. International Journal of Environmental Research and Public Health, 18(5), 2721. https://doi.org/10.3390/ijerph18052721
  6. Murray, A. M., & Clubb, J. (2022). Analysis of tracking systems and load monitoring. In D. N. French & L. Torres Ronda (Eds.), NSCA’s Essentials of Sport Science. Human Kinetics.
  7. 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
  8. Pons, E., García-Calvo, T., Resta, R., Blanco, H., López Del Campo, R., Díaz García, J., & Pulido, J. J. (2019). A comparison of a GPS device and a multi-camera video technology during official soccer matches: Agreement between systems. PLOS ONE, 14(8), e0220729. https://doi.org/10.1371/journal.pone.0220729
  9. Staunton, C. A., Abt, G., Weaving, D., & Wundersitz, D. W. (2022). Misuse of the term ‘load’ in sport and exercise science. Journal of Science and Medicine in Sport, 25(5), 439-444. https://doi.org/10.1016/j.jsams.2021.08.013
  10. Torres Ronda, L. (2022). Technological implementation. In D. N. French & L. Torres Ronda (Eds.), NSCA’s Essentials of Sport Science. Human Kinetics.
  11. Varley, M. C., Lovell, R., & Carey, D. (2022). Data hygiene. In D. N. French & L. Torres Ronda (Eds.), NSCA’s Essentials of Sport Science. Human Kinetics.