17분 읽기

추적 데이터의 해석: 타당도, 시스템 간 일치도, 지표의 한계

추적 시스템 타당도 시스템 간 일치도 가속도계 지표 데이터 해석 원칙

선행 학습: 이 글은 독자가 외적 훈련 부하와 내적 훈련 부하의 개념적 구분, 그리고 GPS/GNSS·광학 추적·IMU의 기본 작동 원리를 이해하고 있다고 가정한다. 처음 접하는 경우, 아래 글을 먼저 읽기를 권장한다.

학습 목표

  • GPS, 광학 추적(OT), RFID/UWB, 관성 측정 장치(IMU)의 작동 원리와 장단점을 구분할 수 있다.
  • 추적 시스템의 타당도(validity)와 신뢰도(reliability)가 변수와 맥락에 따라 달라지는 연속선 개념임을 설명할 수 있다.
  • GPS 기반 속도·가속도 산출 방법(위치 미분법 vs. 도플러 편이법)의 차이와 가속도 측정의 오차 누적 문제를 이해한다.
  • 서로 다른 추적 시스템 간 데이터 비교의 한계와 보정 방정식의 필요성을 설명할 수 있다.
  • 가속도계 기반 파생 지표(Player Load, 대사 파워 등)의 산출 원리, 타당도 한계, 적절한 활용 맥락을 판단할 수 있다.

추적 시스템의 분류와 GPS의 속도 산출 원리

선수 추적 기술은 크게 두 범주로 나뉜다. 위치 추적 시스템은 광학 추적(Optical Tracking, OT), 무선 주파수 식별(Radio Frequency Identification, RFID), GPS/GNSS를 포함하며, 선수의 x-y 좌표를 산출한다. 웨어러블 마이크로센서는 관성 측정 장치(Inertial Measurement Unit, IMU) 내 가속도계, 자이로스코프, 자력계를 통합하여 3축 움직임을 감지한다 (Clubb & Murray, 2022). 1976년 Tom Reilly의 수기 코딩 이후 기술은 카메라 추적, GPS, 다중 시스템 통합으로 진화했다.

GPS에서 속도와 거리를 산출하는 방법은 두 가지다. 위치 미분법(Positional Differentiation)은 연속 위치 좌표 간 차이를 시간으로 나눠 속도를 계산한다. 도플러 편이법(Doppler-Shift Method)은 수신기 움직임에 따른 위성 신호 주파수 변화를 이용한다. 도플러 편이법이 속도 측정에서 더 높은 정밀도를 보이며, 팀 스포츠용 GPS 기기에서는 거리를 위치 미분법으로, 속도를 도플러 편이법으로 산출하는 것이 일반적이다 (Clubb & Murray, 2022).

가속도는 속도의 1차 도함수이자 변위의 2차 도함수이므로, GPS 기반 가속도 산출 시 오차가 누적(compound)된다. 10 Hz 이상 샘플링이 권장되지만, 일부 기기는 낮은 주파수에서 샘플링한 후 가속도계 보간으로 주파수를 높이는 방식을 사용하므로 주의가 필요하다. 수평 정밀도 감쇠(Horizontal Dilution of Precision, HDoP) 값이 1이면 이상적이고, 20 이상이면 품질이 불량하다 (Murray & Clubb, 2022).

경기장 기반 시스템과 웨어러블 센서

광학 추적 시스템은 경기장 주변 다수의 카메라로 선수의 x-y 좌표를 추론한다. TRACAB Gen5의 경우 VICON 기준 위치 RMSE 0.08 m, 속도 RMSE 0.08 m/s를 보였다 (Linke et al., 2020). 볼 추적이 가능하여 전술 정보 산출에 유리하지만, 비용이 높고 이동성이 없어 훈련 세션 모니터링에 제한이 있다. 가림(occlusion)과 조명 변화에 취약하다.

RFID는 경기장 주변 안테나와 선수 착용 마이크로칩 간 신호 수신 시간으로 위치를 산출한다. 초광대역(Ultra-Wideband, UWB) 기술은 더 높은 정밀도와 간섭 저항성을 제공하지만, 인프라 비용이 높고 이동성이 부족하다 (Clubb & Murray, 2022).

IMU의 3축 가속도계는 1,000 Hz 이상의 샘플링 속도로 움직임을 측정한다. GPS 제조사들은 3축 가속도계 벡터의 합으로 플레이어 로드(Player Load)를 산출하는데, 이는 가속도의 순간 변화율을 반영하는 임의 단위(arbitrary units)로 표현된다. 제조사마다 계산 방식과 명칭이 상이하여(Player Load, Body Load, Accumulation Load) 표준화된 비교가 어렵다. 실제로 Player Load는 jerk(m/s³)를 계산하지만 임의 단위로 보고되며, 알고리즘의 독점적 특성으로 계산 과정이 불투명하다 (Staunton et al., 2022).

Buchheit & Simpson (2017)은 추적 지표를 3단계로 분류했다. Level 1은 속도 구간별 이동 거리, Level 2는 가속·감속·방향 전환, Level 3은 보폭 특성·Force Load·좌우 비대칭 등 관성 센서 파생 변수다. Level 3 변수는 전술적 활동과 독립적으로 수집 가능하여 피트니스·피로 모니터링에 잠재력이 있다.

타당도와 신뢰도: 연속선 위의 데이터

타당도(Validity)와 신뢰도(Reliability)는 이분법적 판단이 아니라 연속선(continuum) 위에 존재한다. 타당도는 변수와 적용 맥락에 따라 달라지고, 신뢰도는 의미 있는 변화를 탐지할 수 있는 신호 대 잡음 비로 이해해야 한다 (Murray & Clubb, 2022).

모든 추적 시스템에서 속도 변화율이 높아질수록 측정 정밀도가 하락한다. 10 Hz GPS 3개 제조사를 비교한 연구에서 감속 측정의 기기 간 변동 계수(CV)는 2.5–72.8%에 달했으나, 거리와 속도 측정의 CV는 0.2–5.5%에 불과했다 (Murray & Clubb, 2022). Pons et al. (2019)의 연구에서도 GPS와 광학 추적 시스템 간 모든 변수의 ICC가 0.90 이상이었으나, 스프린팅 구간에서 CV가 13.5–14.9%까지 올라갔다.

이 패턴은 역설적이다. 실무자가 가장 중요하다고 평가하는 변수(고속 달리기 거리, 가속·감속, 대사 파워)가 타당도와 신뢰도 측면에서 가장 낮다 (Buchheit & Simpson, 2017). GPS 단위기기 간 변이가 최대 50%까지 존재할 수 있으므로, 동일 선수에게 동일 기기를 지속 사용하는 것이 모범 사례다.

펌웨어와 소프트웨어 업데이트도 데이터 출력에 영향을 준다. 한 사례에서 소프트웨어 업데이트 후 가속 횟수가 251에서 177로, 감속 횟수가 181에서 151로 감소했다 (Varley et al., 2022). 타당화는 일회성이 아니라 지속적 과정이다.

훈련은 GPS, 경기는 카메라: 데이터를 합칠 수 있는가

프로 팀에서 훈련(GPS)과 경기(광학 추적)에 서로 다른 추적 시스템을 사용하는 경우가 빈번하다. 각 시스템의 카메라 수, 자동 추적 과정, 데이터 처리 방식, 칩셋 기술이 다르기 때문에, 시스템 간 합산 지표를 직접 비교하는 것은 권장되지 않는다 (Murray & Clubb, 2022).

Pons et al. (2019)은 GPS(Wimu Pro)와 광학 추적(Mediacoach) 간 데이터 교환을 위한 회귀 방정식을 산출했다. 총 거리의 경우 y=0.971x+29.653y = 0.971x + 29.653이었다. 그러나 이 보정 방정식은 해당 제조사·모델·칩셋에 한정적이며, 소프트웨어 업데이트 시 재조정이 필요하다.

모범 사례는 자체 환경에서 보정 프로토콜을 직접 수행하여 환경에 맞는 보정 방정식을 도출하는 것이다. 외부 연구에서 도출된 방정식을 그대로 적용하기보다, 자체 선수·장비·환경 조건에서 직접 비교 데이터를 수집하는 것이 더 정확하다 (Murray & Clubb, 2022).

숫자 너머의 맥락: 추적 지표의 한계와 활용 원칙

대사 파워(Metabolic Power)는 가속도와 속도를 이용하여 에너지 소비를 추정하는 지표다. 그러나 GPS 기반 대사 파워는 팀 스포츠에서 정적이면서 강도 높은 움직임의 에너지 소비를 과소평가한다. 4개의 독립적 연구그룹이 일관되게 간접열량측정법 대비 불일치를 보고했다 (Buchheit & Simpson, 2017).

가속·감속 측정에도 임계값 문제가 존재한다. 일반적으로 사용되는 >3 m/s²의 절대 임계값(Arbitrary Absolute Threshold, AAT)은 선수 간 개인차를 반영하지 못한다. 축구 선수의 평균 최대 가속 능력은 이 임계값을 67% 이상 초과하며, GPS 장비 간 최대 56%의 측정 차이가 AAT 적용 시 오분류를 악화시킨다. 개인 최대 능력 대비 백분율 기반 정규화가 대안으로 제안되고 있다 (Pimenta et al., 2026).

속도 구간의 정의, 단위(km/h vs. m/s), 명칭에도 연구 간 상당한 불일치가 존재한다. Miguel et al. (2021)의 체계적 문헌 고찰에서 가장 빈번하게 사용된 외적 부하 지표는 속도 구간별 거리(50편)와 총 이동 거리(47편)였으며, 상대적 임계값과 절대적 임계값을 병행 사용하는 것이 권장된다 (Rice et al., 2023).

추적 데이터를 올바르게 활용하기 위한 핵심 원칙은 세 가지로 정리된다. 첫째, 외적 부하 지표만 단독 해석하지 않고, 내적 부하 및 맥락적 요인(전술, 상대, 경기 상황)과 통합한다 (Impellizzeri et al., 2019). 둘째, 기술 도입 전 유용성을 평가한다. “측정할 수 있는 것이 항상 측정할 가치가 있는 것은 아니다” (Torres Ronda, 2022). 셋째, 성공적인 선수 모니터링의 기반은 기술 자체가 아니라, 실무자가 각 변수의 한계를 이해하고 정보를 보고·활용하는 방법에 있다 (Buchheit & Simpson, 2017).

핵심 요약

  • 선수 추적 기술은 위치 추적 시스템(OT, RFID, GPS)과 웨어러블 마이크로센서(IMU)의 두 범주로 나뉘며, 각각 고유한 장단점이 있다.
  • GPS에서 속도는 도플러 편이법, 거리는 위치 미분법으로 산출하는 것이 일반적이며, 도플러 편이법이 더 높은 정밀도를 보인다.
  • 모든 추적 시스템에서 속도 변화율이 높아질수록 측정 정밀도가 하락한다. 가장 중요하다고 평가되는 변수가 타당도·신뢰도 측면에서 가장 낮다.
  • 서로 다른 추적 시스템의 합산 지표를 직접 비교해서는 안 되며, 자체 환경에서 보정 방정식을 도출하는 것이 모범 사례다.
  • Player Load 등 가속도계 기반 지표는 임의 단위로 표현되며, 제조사 간 산출 방식이 상이하여 표준화된 비교가 어렵다.
  • 타당도와 신뢰도는 이분법적 판단이 아닌 연속선 위에 존재하며, 펌웨어·소프트웨어 업데이트로 인해 타당화는 지속적 과정이다.
  • 성공적인 선수 모니터링의 기반은 기술 자체가 아니라, 각 변수의 한계에 대한 이해와 외적·내적 부하를 통합하여 맥락적으로 해석하는 능력이다.

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. Rice, J., Kovacevic, D., Calder, A., & Carter, J. (2023). Wearable technology. In A. Calder & A. Centofanti (Eds.), Peak performance for soccer: The elite coaching and training manual. Routledge.
  10. 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
  11. Torres Ronda, L. (2022). Technological implementation. In D. N. French & L. Torres Ronda (Eds.), NSCA’s Essentials of Sport Science. Human Kinetics.
  12. 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.