20분 읽기

추적 기술의 종류와 비교: GPS, LPS, 카메라 기반 시스템의 특성

추적 시스템 비교 시스템 간 일치도 측정 타당도·신뢰도 지표 분류 체계

선행 학습: 이 글은 독자가 GPS와 가속도계 추적 시스템의 기본 작동 원리를 이해하고 있다고 가정한다. 처음 접하는 경우, 아래 글을 먼저 읽기를 권장한다.

학습 목표

  • GPS/GNSS, 광학 추적 시스템(OTS), RFID/LPS, 관성 측정 장치(IMU)의 작동 원리와 데이터 산출 방식을 구분할 수 있다.
  • 각 추적 시스템의 타당도·신뢰도 특성과 측정 한계를 이해한다.
  • 시스템 간 일치도 문제와 보정 방정식의 필요성을 설명할 수 있다.
  • 추적 시스템에서 산출되는 핵심 지표의 분류 체계(Level 1/2/3)를 이해한다.
  • 환경과 목적에 따른 추적 기술 선택 기준을 적용할 수 있다.

선수 추적의 진화: 수기 코딩에서 자동 추적까지

선수의 움직임을 객관적으로 기록하려는 시도는 1976년 Tom Reilly의 수기 코딩 연구에서 시작되었다. 당시에는 한 명의 선수를 한 경기 동안 추적하는 데도 막대한 시간이 필요했다. 이후 기술 발전에 따라 팀 전체를 동시에, 실시간으로 추적할 수 있는 시대가 열렸다(Clubb & Murray, 2022).

현재 선수 추적 기술은 크게 두 범주로 나뉜다. 첫째는 위치 추적 시스템(positional systems)으로, 광학 추적(OTS), 무선 주파수 식별(RFID), GPS가 여기에 해당한다. 둘째는 웨어러블 마이크로센서(wearable microsensors)로, 가속도계·자이로스코프·자력계를 통합한 관성 측정 장치(IMU)가 대표적이다. 각 시스템은 고유한 작동 원리를 가지며, 산출할 수 있는 정보의 범위와 정밀도가 다르다.

GPS/GNSS: 위성 기반 추적의 원리와 한계

GPS(Global Positioning System)는 위성이 전송하는 저출력 무선 신호의 도달 시간 차이를 비교하여 수신기의 위치를 산출한다. 정확한 3차원 위치 결정에는 최소 4기의 위성이 필요하다. 글로벌 항법 위성 시스템(Global Navigation Satellite System, GNSS)은 미국 GPS(위성 24기)와 러시아 GLONASS(위성 24기)를 포함하는 총칭이다(Clubb & Murray, 2022).

GPS 기기에서 속도와 거리를 산출하는 방법은 두 가지다. 위치 미분법(positional differentiation)은 연속 위치 좌표의 차이로 거리를 계산하고, 도플러 편이법(Doppler-shift method)은 수신기 움직임에 따른 위성 신호 주파수 변화로 속도를 산출한다. 도플러 편이법이 위치 미분법보다 정밀도가 높으며, 현재 팀 스포츠용 GPS 기기는 거리에 위치 미분법, 속도에 도플러 편이법을 사용하는 것이 일반적이다(Clubb & Murray, 2022).

GPS의 정확도는 샘플링 주파수, 위성 배치 상태, 환경 장애물에 의해 좌우된다. 10 Hz 이상의 샘플링 주파수가 권장되며, 수평 정밀도 감쇠(Horizontal Dilution of Precision, HDoP) 값이 1이면 이상적이고 20 이상이면 품질이 불량하다(Murray & Clubb, 2022). 속도가 높아질수록 측정 오차가 증가하며, 가속·감속 측정에서 그 한계가 가장 두드러진다. 10 Hz GPS 3개 제조사 비교에서 감속 CV는 2.5–72.8%에 달한 반면, 거리·속도 CV는 0.2–5.5%에 불과했다(Murray & Clubb, 2022). 동일 브랜드 내에서도 기기 간 변이가 최대 50%까지 존재한다(Buchheit & Simpson, 2017).

카메라 기반 추적: 광학 시스템의 구조와 정밀도

광학 추적 시스템(Optical Tracking System, OTS)은 경기장 주변에 설치된 다수의 카메라로 선수의 x-y 좌표를 추론하여 2차원 움직임을 재구성한다. 1990년대 후반에 도입되어, 처음으로 모든 선수·심판·볼을 경기 전체에 걸쳐 동시 추적하는 것이 가능해졌다(Clubb & Murray, 2022).

TRACAB Gen5 시스템의 VICON 기준 검증에서 위치 RMSE 0.08 m, 속도 RMSE 0.08 m/s, 가속도 RMSE 0.21 m/s²를 기록했으며, 모든 핵심 수행 지표(KPI)에서 trivial 편차만 나타났다(Linke et al., 2020). Gen5의 추적 오류는 0%인 반면, 이전 세대(Gen4)는 1.08%의 추적 오류가 발생했다.

OTS의 강점은 웨어러블 기기 규정이 있는 종목에서도 사용 가능하며, 볼 추적을 통한 전술 정보 산출이 가능하다는 점이다. 반면 비용이 높고 이동성이 없으며, 수직 방향 움직임은 정량화되지 않는다. 밀집 장면(코너킥, 프리킥 등)에서 추적 오류가 증가할 수 있고, 원정 경기 데이터 수집이 어렵다는 제한도 있다(Clubb & Murray, 2022).

국소 위치 시스템: RFID와 초광대역 기술

국소 위치 시스템(Local Positioning System, LPS)은 경기장 주변에 배치된 앵커 노드와 선수가 착용하는 마이크로칩 송신기 간의 신호 수신 시간을 동기화하여 위치를 산출한다. 무선 주파수 식별(Radio Frequency Identification, RFID) 기술에 기반하며, 실내외 모두에서 비슷한 성능을 보인다는 점이 GPS 대비 핵심 차별점이다(Clubb & Murray, 2022).

RFID의 위치 추정 오차는 평균 11.9–23.4 cm 범위이며, 평균 가속·감속 측정에서는 3D 모션 캡처 대비 2% 이내의 정확도를 보인다(Murray & Clubb, 2022). 일부 시스템은 100 Hz 이상의 위치 측정이 가능하다. 그러나 전자 간섭과 신호 불안정에 취약하고, 전용 인프라 설치·유지 비용이 높다는 단점이 있다.

초광대역(Ultra-Wideband, UWB) 기술은 RFID의 기술적 한계를 개선하는 대안이다. 500 MHz 이상의 대역폭을 사용하여 저전력 소비, 높은 정밀도, 장애물 통과 능력, 간섭 저항성을 제공한다(Clubb & Murray, 2022). 속도가 높아질수록 오차가 증가하는 패턴은 다른 시스템과 동일하지만, 위치 정확도 자체는 GPS보다 우수한 것으로 보고되었다.

웨어러블 마이크로센서: 가속도계·자이로스코프·자력계

관성 측정 장치(Inertial Measurement Unit, IMU)는 미세전자기계 시스템(Microelectromechanical Systems, MEMS) 내에 3축 가속도계, 자이로스코프, 자력계를 통합한 센서 장치다. 가속도계는 1,000 Hz 이상의 샘플링 속도로 3차원 움직임을 측정하고, 자이로스코프는 회전 속도를, 자력계는 방향을 감지한다(Clubb & Murray, 2022).

GPS 제조사들은 3축 가속도계 벡터의 합으로 플레이어 로드(Player Load)와 같은 지표를 산출한다. 이 지표는 가속도의 순간 변화율을 반영하는 임의 단위(arbitrary units)로 표현되며, 보폭 특성·비대칭·지면반력 등에 대한 통찰을 제공한다(Buchheit & Simpson, 2017). 기기 내·기기 간 신뢰도는 CV 0.91–1.9%로 수용 가능한 수준이다(Murray & Clubb, 2022).

IMU의 주요 한계는 착용 위치와 관련된다. 양쪽 견갑골 사이에 착용하므로 신체 질량 중심에서의 측정이 아니며, 선수의 자세(구부린 자세 등)에 따라 편차가 발생한다. 또한 임의 단위 지표의 시스템 간 표준화된 보고 체계가 부족하다는 문제가 있다.

추적 데이터에서 무엇을 측정할 수 있는가: 지표 3단계 분류

추적 시스템에서 산출되는 지표를 체계적으로 이해하려면 Buchheit & Simpson(2017)이 제안한 지표 분류 체계가 유용하다.

Level내용측정 가능 기술
Level 1속도 구간별 이동 거리GPS, OTS, LPS 모두
Level 2속도·가속도 변화, 방향 전환대부분의 기술
Level 3관성 센서 파생 이벤트(충격, 보폭 특성, 비대칭)IMU 탑재 기기만

Level 1 변수 — 총 이동 거리와 속도 구간별 거리 — 는 모든 위치 추적 시스템에서 산출 가능하며, 가장 신뢰도 높게 측정된다. 축구 부하 모니터링 관련 82개 연구를 체계적으로 검토한 결과, 총 거리가 47개 연구에서 보고되어 가장 빈번히 사용되는 변수인 것으로 나타났다(Miguel et al., 2021).

Level 2 변수는 순간 속도, 가속도, 감속, 방향 전환 등을 포함한다. 더 높은 샘플링 주파수와 정교한 신호 처리가 필요하며, Level 1보다 측정 오차가 현저히 크다. 여기서 임의 절대 임계값의 사용이 문제를 가중한다. 고강도 가속의 기준으로 3 m/s²가 흔히 적용되지만, 선수의 최대 가속 역량은 이 값을 67% 이상 초과할 수 있다. 동일한 절대 수치가 선수마다 근본적으로 다른 생리적 부하를 의미하게 되는 것이다(Pimenta et al., 2026).

Level 3 변수는 Player Load, 충격 이벤트, 보폭 특성과 비대칭, 수직 강성 추정 등 IMU 탑재 기기에서만 산출 가능한 지표다. 선수의 피치 위 전술적 활동과 독립적으로 수집 가능하여 피트니스·피로 모니터링에 더 큰 잠재력을 가지지만, 아직 의미 있는 생리적 변화에 대한 민감도 검증이 필요한 단계다(Buchheit & Simpson, 2017).

이 분류에서 핵심적인 역설이 존재한다. Level 1에서 Level 3으로 갈수록 실무적 정보 가치는 증가하지만, 타당도와 신뢰도는 오히려 감소한다. 부하 모니터링에서 가장 중요하다고 평가되는 변수들(고속 달리기 거리, 가속/감속, 대사 파워)이 측정 정밀도 측면에서 가장 취약하다(Buchheit & Simpson, 2017).

서로 다른 시스템, 같은 선수: 데이터는 호환되는가?

프로 팀은 훈련에서 GPS, 경기에서 OTS를 사용하는 경우가 많다. 이 이중 시스템 현실은 한 시스템의 출력을 다른 시스템과 비교할 수 있는지에 대한 실무적 과제를 제기한다(Riboli et al., 2023; Rice et al., 2023).

스페인 2부 리그 공식 경기에서 GPS(Wimu Pro 10 Hz)와 OTS(Mediacoach 25 Hz)를 동시 비교한 결과, 모든 변수에서 ICC > 0.90으로 높은 상관을 보였다(Pons et al., 2019). 그러나 고속 구간에서 CV가 10–15%를 초과했다. 총 거리·분당 거리·평균 속도에서는 CV 5% 미만이었지만, intense running(10.4%)과 sprinting(14.9%)에서는 실질적 차이가 발생했다.

90분 축구 경기에서 OTS 2개와 GPS 2개를 동시에 비교한 연구에서도 4개 시스템 간 KPI 범주에서 큰 오차 범위가 나타났다(Murray & Clubb, 2022). 이 결과는 명확한 원칙을 시사한다. 서로 다른 시스템에서 산출한 합산 지표를 직접 비교해서는 안 된다.

시스템 간 데이터 통합이 필요한 경우, 보정 방정식(calibration equation)이 제시된 바 있다. Pons et al.(2019)은 각 변수별 회귀 방정식을 산출했다(예: 총 거리 y = 0.971x + 29.653 m). 이러한 보정 방정식을 통해 훈련과 경기 데이터가 서로 다른 시스템에서 산출되더라도 주간 단위의 통합 부하 모니터링이 가능해진다(Riboli et al., 2023). 그러나 보정 방정식은 특정 제조사·모델·펌웨어 버전에 한정되며, 기술 업데이트 시 재조정이 필요하다. 실무자가 자체 환경에서 직접 비교 프로토콜을 수행하여 내부 타당화를 진행하는 것이 모범 사례다.

우리 팀에 맞는 추적 기술은 무엇인가?

추적 기술 선택은 경기장 가용성, 예산, 필요한 정보 수준, 실내/실외 환경에 따라 결정된다(Clubb & Murray, 2022). 아래 표는 각 시스템의 핵심 특성을 비교한 것이다.

특성GPS/GNSSOTSLPS (RFID/UWB)IMU
실외 사용가능가능가능가능
실내 사용불가가능가능가능
이동성높음낮음낮음높음
볼 추적불가가능제한적불가
상대 비용중간높음높음중간

기술 도입은 혁신 프로세스 4단계를 거쳐야 한다. 인식(퍼포먼스 격차 확인) → 관심 및 평가(연구·제품 검토) → 시험(비용 대비 효과 검증) → 채택(도입 결정)(Torres Ronda, 2022). 실무에서 흔한 실수는 초기 단계를 생략하고 채택 단계로 직행하는 것이다. 또한 선수 수용(athlete buy-in)이 핵심적이다. 최고의 기술을 갖추더라도 선수가 사용하지 않으면 데이터를 수집할 수 없다.

동일 선수에게 동일 기기를 지속 사용하는 것이 가장 기본적인 모범 사례다(Murray & Clubb, 2022). 제조사·모델 간 데이터는 호환되지 않으며, 펌웨어·소프트웨어 업데이트도 데이터 출력에 영향을 줄 수 있다. 기술은 단순한 데이터 수집 도구가 아니다. “적절한 기술을 적절한 시점에 적절한 방식으로 사용하고, 그로부터 얻은 과학적 지식을 실무에 적용하는 것”이 핵심이다(Torres Ronda, 2022).

핵심 요약

  • GPS/GNSS는 위성 신호 기반, OTS는 다중 카메라 기반, LPS(RFID/UWB)는 앵커 노드 기반, IMU는 관성 센서 기반으로 각각 다른 원리로 선수를 추적한다.
  • 모든 추적 시스템에서 속도가 높아질수록 측정 오차가 증가하며, 가속·감속·방향 전환 측정의 정밀도가 가장 낮다.
  • 서로 다른 추적 시스템의 합산 지표를 직접 비교하는 것은 권장되지 않으며, 시스템 간 데이터 통합에는 보정 방정식이 필요하다.
  • Buchheit & Simpson의 3단계 지표 분류(Level 1: 속도 구간별 거리, Level 2: 속도·가속도 변화, Level 3: 관성 센서 파생 이벤트)는 시스템별 측정 가능 범위를 이해하는 데 핵심적이다.
  • 기술 선택은 경기장 가용성, 예산, 필요 정보 수준, 실내/실외 환경에 따라 결정하되, 혁신 프로세스 4단계를 반드시 거쳐야 한다.
  • GPS는 10 Hz 이상 샘플링 주파수가 권장되며, 도플러 편이법이 위치 미분법보다 속도 산출 정밀도가 높다.
  • 동일 선수에게 동일 기기를 지속 사용하는 것이 모범 사례이며, 제조사·모델 간 데이터는 호환되지 않는다.

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. 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
  4. 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
  5. 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.
  6. 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
  7. 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
  8. 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.
  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. Torres Ronda, L. (2022). Technological implementation. In D. N. French & L. Torres Ronda (Eds.), NSCA’s Essentials of Sport Science. Human Kinetics.