TEAM SELECT

東京ヴェルディSimulation

HOME » 東京ヴェルディ 対戦予測シミュレーション
東京V
東京ヴェルディ Tokyo Verdy

Contents Menu

Contents Menu

対戦予測シミュレーション

開発コンセプト

各チームにおける「状況別(※)シュート構築率」×「状況別シュート成功率」を考慮した対戦シミュレーションモデルの構築。

※後ろからビルドアップした方がゴールにつながりやすいチーム、前でボールを取った方が得点につながりやすいチーム、セットプレーで得点を取りやすいチームといったようにサッカーはそれぞれのチームスタイルがある。そこでそのような特徴を表すデータを状況別で分類し、それぞれのシュート構築率、シュート成功率に関する条件付き確率を使ってシミュレーターを構築した。

モデルの概念図

チーム別に以下のベイジアンネットワーク(複合条件付き確率モデル)を構築(2020年シーズンより一部改修)

①チーム別状況発生確率②チーム別状況別シュート構築率③チーム別状況別ゴール成功率
PK
PKの発生確率
チーム別×PK
シュート構築率(100%)
チーム別×PK
ゴール成功率
CK
CKの発生確率
チーム別×CK
シュート構築率
チーム別×CK
ゴール成功率
HFK
高い位置でのFK発生確率
チーム別×HFK
シュート構築率
チーム別×HFK
ゴール成功率
Hスローイン
高い位置でのスローイン発生確率
チーム別×Hスローイン
シュート構築率
チーム別×Hスローイン
ゴール成功率
H
高い位置でボールを奪う確率
チーム別×H
シュート構築率
チーム別×H
ゴール成功率
M カウンター
中央の位置でボールを奪いカウンターを狙う確率
チーム別×Mカウンター
シュート構築率
チーム別×Mカウンター
ゴール成功率
M
中央の位置における他の攻撃発生確率
チーム別×M
シュート構築率
チーム別×M
ゴール成功率
L カウンター
低い位置でボールを奪いカウンターを狙う確率
チーム別×Lカウンター
シュート構築率
チーム別×Lカウンター
ゴール成功率
L
低い位置における他の攻撃発生確率
チーム別×L
シュート構築率
チーム別×L
ゴール成功率

使用データ

各チームにおける攻撃データをもとに

をハーフ別および得点状況別に抽出。

対戦相手における上記データ(被データ)も按分したデータを使って、失点への影響も考慮。対戦相手が強い場合は高い位置でボールを奪いにくい、相手が引くチームの場合は高い位置でボールを奪いやすいといった概念を考慮している

シミュレーション方法

<①チーム別状況発生確率>を実装したサイコロを振り、試合時間内の間サイコロを振った結果を使い、以下のデータの発生をシミュレーション。試合時間は、各チームの状況別攻撃の時間と攻撃切替時間を積算。

また、シュート発生時に「通常時」「CK、FK時」「PK時」「その他」の選手別シュート発生率を抽出し、誰がシュートを打つかどうかをシミュレートすることで、より試合に近い形のアウトプットを実現。

シーズン序盤の処理について

(2022年3月追記)
通常、同シーズン直近試合までのデータを利用するが、新シーズン序盤(約10試合程度)についてはデータが少ないため、前年全試合のデータを利用。昇格・降格によって所属するリーグが前年と変わった場合は、事前に算出した過去の昇格・降格によるデータ変化率を使用して攻撃データを再集計した上でシミュレーションを行う。

例えば、2012年から2019年のJリーグにて、J3からJ2、J2からJ1へ昇格した全チームの翌年の攻撃数、シュートに至った数、ゴールに至った数は下図のように変化した。太字はその中央値となる。

シミュレーション説明・昇格後の変化

例えばJ2時代に1試合で平均7回CKからの攻撃があったチームは、5.97回に減少。CKからの得点が0.25(4試合に1点ペース)だった場合、0.1265(8試合に1点ペース)まで下落する。

このような計算を昇格と降格、自チームデータと被データでそれぞれ算出。J2から昇格したチームと前年もJ1だったチームによる対戦シミュレーションの場合、自チームデータと被データに対して変化率の中央値を掛けた上で按分データを生成して、シミュレーションを行う。

こちらのシミュレーションを使って、どういったパターンで勝つのか?どの選手が点を取るのかなどを予測することが可能となっているので、試合前のプレビューを読みながら、どういった試合になるのか、見どころをチェックする上での参考にご活用ください。

Team Select

対戦予測シミュレーションの対戦相手を選択してください