23분 읽기

고강도 주행 지표의 해석: HSR, 스프린트, 가속·감속의 맥락화

개별화 임계값 전술적 맥락화 가속·감속 비대칭 GPS 3.0

선행 학습: 이 글은 독자가 외적·내적 훈련 부하의 개념, GPS/가속도계 추적 시스템의 작동 원리와 타당도 개념을 이해하고 있다고 가정한다. 처음 접하는 경우, 아래 글을 먼저 읽기를 권장한다.

학습 목표

  • 고속 주행(HSR)과 스프린트를 정의하는 절대적 임계값의 한계와 비표준화 문제를 설명할 수 있다.
  • 개별화 임계값(MSS, MAS, ASR 기반)의 원리와 절대적 임계값 대비 장단점을 비교할 수 있다.
  • 가속·감속 지표의 고유한 특성(비대칭성, 시작 속도 의존성, 시간적 감소 패턴)을 이해하고 개별화 필요성을 설명할 수 있다.
  • 고강도 주행 거리를 전술적 행동과 연계하여 맥락화하는 통합적 접근법의 가치를 평가할 수 있다.
  • 주행 거리 기반 KPI의 한계를 인식하고, GPS 3.0(기계적 일·파워, 강도 노출 시간) 등 차세대 지표의 방향성을 설명할 수 있다.

”19.8 km/h”는 누구에게나 같은 의미인가?

고속 주행(High-Speed Running, HSR)은 특정 속도 임계값 이상으로 달리는 거리를 의미하며, 스프린트 거리(Sprint Distance, SD)는 더 높은 임계값을 적용해 분리한 최고 강도 주행 거리다. 현장에서 가장 흔히 사용되는 절대적 임계값은 HSR >19.8 km/h, 스프린트 >25.2 km/h다. 그러나 이 숫자에 국제적 합의는 없다. 체계적 문헌 고찰에 따르면, 남성 프로 축구에서 HSR 진입 속도는 14.4–21.1 km/h, 스프린트 진입 속도는 19.8–30.0 km/h로 연구마다 크게 다르다(Gualtieri et al., 2023).

절대적 임계값이 문제인 이유는 동일한 속도가 선수마다 전혀 다른 상대적 강도를 의미하기 때문이다. 포르투갈 1부 리그 선수 20명을 분석한 연구에서, >25.2 km/h라는 절대 스프린트 임계값은 개인 최고 경기 속도의 평균 76.8%(범위 70.4–81.8%)에 해당했다(Silva et al., 2024). 즉, 같은 속도로 달려도 한 선수에게는 최대 능력의 70% 수준이고, 다른 선수에게는 82% 수준이다. 이 차이는 부하의 생리적 의미를 근본적으로 바꾼다.

포지션에 따른 왜곡도 두드러진다. 엘리트 유스 축구에서 절대 스프린트 임계값(>25.2 km/h)으로 측정한 거리는 108.1 m였으나, 개인 최고 속도의 90% 이상(>90%MS) 기준으로 측정하면 6.6 m에 불과했다(Pimenta et al., 2025). 절대 임계값이 실제 스프린트 거리를 16배 이상 과대추정한 셈이다. 미드필더는 55–70%MS 구간에서 유일하게 절대 HSR보다 높은 거리를 기록하는 독특한 패턴을 보였으며, 풀백과 윙어는 유사한 HSR 패턴을 공유했다. 이러한 포지션별 차이는 절대 임계값만으로는 포착되지 않는다.

이 비표준화 문제는 연구 간 비교를 어렵게 만들 뿐 아니라, 현장에서도 선수 간 부하 비교와 훈련 처방의 정확도를 떨어뜨린다. 같은 숫자가 선수마다 다른 의미를 가진다면, 그 숫자를 기준으로 의사결정을 내리는 것은 위험하다.

선수마다 다른 “고강도”의 기준선

이 문제를 해결하기 위해 등장한 것이 개별화 임계값(Individualised Threshold, IND)이다. 개별화 접근법은 각 선수의 체력 프로파일을 기준으로 속도 구간을 설정한다. 기준점으로 사용되는 핵심 지표는 세 가지다. 최대 스프린트 속도(Maximal Sprint Speed, MSS)는 선수가 달성할 수 있는 최고 속도이며, 최대 유산소 속도(Maximal Aerobic Speed, MAS)는 유산소 능력의 상한선이다. 무산소 속도 여유(Anaerobic Speed Reserve, ASR)는 MSS에서 MAS를 뺀 값으로, 선수가 유산소 역치 이상에서 활용할 수 있는 속도 범위를 나타낸다.

개별화 임계값을 적용하면 결과는 극적으로 달라진다. 이탈리아 2부 리그 프로 선수를 대상으로 한 연구에서, 절대적 방법과 개별화 방법 간 차이는 저속 활동에서 매우 크게 나타났으며, HSR과 스프린트에서도 개별화 방법이 더 높은 거리를 산출했다(Rago et al., 2020). 두 방법은 선수의 상대적 순위(누가 더 많이 달렸는가)에서는 호환 가능했으나, 절대적 수치에서는 상호 교환이 불가능했다. 이는 팀 내 비교에는 절대 임계값이 작동할 수 있지만, 개인별 부하의 생리적 의미를 파악하려면 개별화가 필수라는 뜻이다.

Pimenta et al.(2025)은 HSR을 두 개의 구별되는 존으로 세분화할 것을 제안했다. 고속존(High-Speed Zone)은 60–75%MS, 초고속존(Very High-Speed Zone)은 75–90%MS, 그리고 스프린트는 >90%MS로 정의하는 방식이다. 이 분류는 포지션별 주행 요구를 더 민감하게 포착한다. 스코핑 리뷰에 따르면 MSS 기반 개별화가 가장 빈번하게 사용되지만, 측정 방법과 용어의 표준화는 아직 부족하다(Clemente et al., 2023). 현장에서는 MSS를 시즌 중 이동 평균으로 업데이트하고, 측정 주기를 일관되게 유지하는 것이 중요하다.

브레이크와 가속 페달은 같지 않다

가속(Acceleration, Acc)과 감속(Deceleration, Dec)은 주행 거리와는 독립적인 부하 지표다. 두 지표는 종종 대칭적으로 취급되지만, 생체역학적으로 전혀 다른 특성을 가진다. 최대 감속 능력(DECmax)은 최대 가속 능력(ACCmax)보다 크다. 감속은 가속보다 시작 속도에 덜 의존하며, 더 넓은 속도 범위에서 발생한다(Oliva-Lozano et al., 2020). 모든 포지션에서 고강도 감속 횟수가 고강도 가속 횟수보다 많았으며, 대부분의 가속·감속 행동은 정지 상태가 아닌 5–6 km/h에서 시작되었다.

이런 비대칭성에도 불구하고, 현장에서 가장 흔히 사용되는 절대적 임계값은 ±3 m/s² 또는 -4 m/s²처럼 양방향에 동일한(또는 대칭적인) 기준을 적용한다. 대학·클럽 수준 축구에서 -4 m/s²라는 절대 감속 임계값은 개인 최대 감속 능력의 42–51%에 불과했다(Moore et al., 2026). 이 임계값을 적용하면 고강도 감속 거리는 개별화 임계값 대비 약 7배, 횟수는 3–7배 과대추정되었다. 절대 임계값이 실제로는 중강도 이하의 감속까지 “고강도”로 분류하고 있었던 셈이다. 가속 역시 마찬가지로, 절대 임계값(±3 m/s²)은 ACCmax의 약 67%에 해당하여 개인 최대 대비 비율이 가속과 감속에서 크게 달랐다(Pimenta et al., 2026).

경기 중 가속·감속 출력은 시간이 지남에 따라 감소한다. 경기 시작부터 종료까지 가속·감속 거리는 14.9–21.0% 줄었으며, 가장 높은 활동 구간(5분) 이후에는 10–11%의 일시적 감소가 관찰되었다(Akenhead et al., 2013). 이 감소 패턴은 HSR이나 스프린트에서는 반기 간 유의한 차이가 나타나지 않았다는 점에서 주목할 만하다. 가속·감속은 경기 내 변동계수(12–25%)가 HSR(25–45%)이나 스프린트(30–47.5%)보다 낮아 안정적인 모니터링 지표로서의 가치가 있다.

이러한 근거를 종합하면, 가속과 감속은 각각 독립적으로 개별화된 임계값을 적용해야 한다. DECmax와 ACCmax를 개별 측정한 뒤, 각각의 최대 능력 대비 백분율로 강도 구간을 설정하는 방식이 권장된다.

같은 600m, 전혀 다른 의미

지금까지 다룬 임계값 문제를 해결하더라도, 주행 거리 자체가 가진 근본적 한계는 남는다. 동일한 고강도 주행 거리가 전술적 목적에 따라 완전히 다른 의미를 가지기 때문이다. Bradley & Ade(2018)는 센터백, 풀백, 중앙 미드필더, 중앙 공격수 모두 약 600 m의 고강도 주행(HIR) 거리를 기록하지만, 그 주행의 전술적 내용은 완전히 다르다는 점을 지적했다. 이것이 신체-전술 통합 접근법(Integrated Approach)의 출발점이다.

EPL 경기 데이터를 신체 추적과 영상 코딩으로 결합 분석한 연구가 이를 실증적으로 확인했다. 5개 일반 포지션으로 분석할 때, 중앙 공격 선수(COP)는 박스 침투(Break into Box)에서 다른 포지션 대비 62–1,434% 더 많은 HIR 거리를 기록했다(Ju et al., 2023a). 그러나 이 분석을 9개 세분화 포지션으로 확대하면, 풀백은 측면 수비 포지션 평균 대비 34% 적은 HIR을 기록하고, 윙백은 15% 더 많이 기록하는 등 일반 포지션 분류로는 포착할 수 없는 차이가 드러났다.

팀 수준 간 비교에서도 주행 거리의 맥락화는 결정적이다. EPL 20개 팀을 최종 순위 기준 4개 등급(Tier A–D)으로 나누어 분석한 결과, 총 고강도 이동 거리는 등급 간 차이가 없었다(Ju et al., 2023b). 차이는 볼 점유 시 고강도 행동에서 나타났다. 상위 팀(Tier A)은 하위 팀 대비 볼 점유 시 HIR 거리를 약 34% 더 많이 커버했으며, 특히 볼 받는 움직임(Move to Receive)과 공간 활용(Exploit Space)에서 39–51% 우위를 보였다. 비점유 시 행동(압박, 커버링, 리커버리 런)에서는 등급 간 차이가 없었다.

이 결과는 두 가지를 보여준다. 첫째, 주행 거리는 전술적 결정의 결과물이지 독립적인 성과 동인이 아니다. 둘째, 거리의 “양”보다 거리의 “목적”이 팀 수준을 구별한다. Mandorino et al.(2025)의 3시즌 종단 연구도 이를 뒷받침한다. 승리 확률이 가장 높은 조합은 높은 피트니스와 신선함에 낮은 주행 거리가 결합된 경우였으며, 높은 주행 거리는 오히려 무승부와 연관되었다. 과도한 달리기가 곧 좋은 퍼포먼스를 의미하지 않는다.

거리에서 강도로: 모니터링의 패러다임 전환

거리 기반 지표의 근본적 한계는 GPS가 측정하는 것이 속력(speed)이지 속도(velocity)가 아니라는 데서 출발한다. 속력은 방향 정보를 포함하지 않으므로, 같은 거리를 직선으로 달리든 곡선으로 달리든 동일하게 기록된다. 누적 거리는 주행의 구조(어떤 유형의 움직임이, 어떤 강도로, 얼마나 지속되었는가)를 반영하지 못한다(Buchheit et al., 2026).

이러한 한계를 극복하기 위해 제안된 것이 GPS 3.0 프레임워크다. 핵심 지표는 세 가지다. 기계적 일(Mechanical Work, MW)은 가속·감속·방향전환을 포함한 총 기계적 작업량이며, 기계적 파워(Mechanical Power, MP)는 MW의 시간당 수행 속도를 나타낸다. 강도 노출 시간(Intensity Exposure Time, IET)은 개인 역량 대비 특정 강도 이상에서 보낸 누적 시간이다. 축구 특이적 드릴(SSG, 포지션 훈련)에서 비선형 기계적 일(가속·감속·방향전환 성분)은 전체 MW의 약 70%를 차지하는 반면, 일반 달리기 드릴에서는 약 30%에 그쳤다(Buchheit et al., 2026). 이 차이는 축구 훈련의 부하 구조를 거리만으로는 파악할 수 없다는 점을 분명히 보여준다.

이 관점에서 주행 거리 기반 핵심 수행 지표(KPI)는 재정립이 필요하다. 주행 거리는 훈련을 지시하는 목표가 아니라, 축구 준비가 실제로 이루어졌는지를 확인하는 감사(audit) 도구로 사용되어야 한다. Impellizzeri et al.(2019)이 강조한 것처럼, 외적 부하만으로 내적 반응을 가정할 수 없으며, 내적 부하가 적응을 결정하는 1차 지표다. “축구를 먼저 계획하고, 달리기는 감사 도구로 활용하라”는 원칙이 이 패러다임 전환의 핵심이다.

다만, GPS 3.0 지표는 아직 초기 단계에 있다. MW와 MP의 산출에는 신체 질량 모델, 지면 반력 추정, 가속도 벡터 처리 등 복잡한 알고리즘이 필요하며, 제조사 간 호환성과 타당도 검증이 충분하지 않다. 현장에서는 기존 거리 기반 지표와 병행하면서, 점진적으로 강도 기반 지표를 도입하는 접근이 현실적이다.

핵심 요약

  • HSR과 스프린트의 절대적 임계값(예: >19.8 km/h, >25.2 km/h)은 국제적 합의가 없으며, 동일한 절대 속도가 선수에 따라 최대 능력의 70%일 수도 82%일 수도 있어 부하의 의미가 근본적으로 달라진다.
  • MSS·MAS·ASR 기반 개별화 임계값은 포지션별 차이를 줄이고 내적 부하와의 용량-반응 관계를 개선하지만, 측정 주기·방법의 표준화가 아직 부족하다.
  • 감속은 가속보다 최대 능력이 크고 시작 속도에 덜 의존하므로, 대칭적 절대 임계값(예: ±3 m/s²) 적용은 부적절하며 각각 독립적으로 개별화해야 한다.
  • 동일한 고강도 거리라도 전술적 목적(볼 점유 시 공간 활용 vs 비점유 시 회복 주행)에 따라 훈련·선발 함의가 전혀 달라지며, 상위 팀은 총 거리가 아닌 볼 점유 시 고강도 행동에서 차이를 보인다.
  • 주행 거리 기반 KPI는 훈련을 지시하는 목표가 아닌, 축구 준비가 실제로 이루어졌는지를 확인하는 감사(audit) 도구로 재정립되어야 하며, 강도의 구조(기계적 일·파워, 강도 노출 시간)로 초점을 전환해야 한다.

관련 블로그 글: 이 주제를 현장 시나리오 관점에서 다룬 글을 참고할 수 있다. → 고강도 달리기 숫자, 맥락 없이 읽으면 거짓말한다

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. Bradley, P. S. & Ade, J. D. (2018). Are Current Physical Match Performance Metrics in Elite Soccer Fit for Purpose or Is the Adoption of an Integrated Approach Needed?. International Journal of Sports Physiology and Performance, 13(5), 656-664. https://doi.org/10.1123/ijspp.2017-0433
  3. Buchheit, M., Sagarra, A. L., Boskovic, A., Komino, P., Norman, D., & Hader, K. (2026). GPS 3.0: from distance into zones toward better proxies of internal neuromuscular load in elite football. Sport Performance & Science Reports, 280, v1.
  4. Clemente, F., Ramirez-Campillo, R., Beato, M., Moran, J., Kawczynski, A., Makar, P., Sarmento, H., & Afonso, J. (2023). Arbitrary absolute vs. individualized running speed thresholds in team sports: A scoping review with evidence gap map. Biology of Sport, 40(3), 919-943. https://doi.org/10.5114/biolsport.2023.122480
  5. Gualtieri, A., Rampinini, E., Dello Iacono, A., & Beato, M. (2023). High-speed running and sprinting in professional adult soccer: Current thresholds definition, match demands and training strategies. A systematic review. Frontiers in Sports and Active Living, 5, 1116293. https://doi.org/10.3389/fspor.2023.1116293
  6. 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
  7. Ju, W., Doran, D., Hawkins, R., Evans, M., Laws, A., & Bradley, P. (2023a). 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
  8. Ju, W., Hawkins, R., Doran, D., Gómez-Díaz, A., Martín-García, A., Evans, M., Laws, A., & Bradley, P. (2023b). Tier-specific contextualised high-intensity running profiles in the English Premier League: more on-ball movement at the top. Biology of Sport, 40(2), 561-573. https://doi.org/10.5114/biolsport.2023.118020
  9. Mandorino, M., Lacome, M., Verheijen, R., & Buchheit, M. (2025). Time to drop running as a KPI in elite football: football fitness and freshness as match-day preconditions. Sport Performance & Science Reports, 254, v1.
  10. 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
  11. Oliva-Lozano, J. M., Fortes, V., Krustrup, P., & Muyor, J. M. (2020). Acceleration and sprint profiles of professional male football players in relation to playing position. PLOS ONE, 15(8), e0236959. https://doi.org/10.1371/journal.pone.0236959
  12. Pimenta, R., Antunes, H., Maia, F., Ribeiro, J., & Nakamura, F. Y. (2025). Sprint and High-Speed Running in Soccer Should We Use Absolute or Normalized Thresholds. Journal of Human Kinetics. https://doi.org/10.5114/jhk/209540
  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. Rago, V., Brito, J., Figueiredo, P., Krustrup, P., & Rebelo, A. (2020). Application of Individualized Speed Zones to Quantify External Training Load in Professional Soccer. Journal of Human Kinetics, 72(1), 279-289. https://doi.org/10.2478/hukin-2019-0113
  15. Silva, H., Nakamura, F. Y., Loturco, I., Ribeiro, J., & Marcelino, R. (2024). Analyzing soccer match sprint distances: A comparison of GPS-based absolute and relative thresholds. Biology of Sport, 41(3), 223-230. https://doi.org/10.5114/biolsport.2024.133663