인공지능 기반 한국프로야구(KBO) 자동 투구 판정 시스템(ABS)의 일관성 분석
Artificial Intelligence Based Korea Professional Baseball (KBO) Automatic Ball-Strike System (ABS) Consistency Analysis
1
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
이 연구의 목적은 한국프로야구(KBO)에서 사용되는 자동 볼/스트라이크 판정 시스템(ABS)의 일관성을 분석하기위함이다. 이에 볼/스트라이크 판정 인공지능 모델을 개발하고, TTA(Test Time Augmentation) 기법을 적용하여ABS가 경기장과 상관없이 일정한 볼/스트라이크 판정을 하는지 일치도 여부를 확인하였다. 인공지능 모델 개발을위해 한국프로야구(KBO)의 2024년 3월 9일부터 5월 29일까지 볼/스트라이크로 판정된 53,432건의 투구를 수집하였다. 랜덤포레스트 알고리즘 기반으로 개발된 인공지능 모델은 정확도 97.99%, 정밀도 96.62%, 재현율 96.29%, F1 Score 96.46%, AUC 98.91%로 매우 우수한 예측 성능을 보였다. 개발한 모델에 TTA 기법을 적용하여 각팀의 경기장 정보를 변환하고 예측 결과를 분석하였다. 그 결과 모든 팀의 평균 일치도는 0.981에서 0.983 사이로나타나, 인공지능 모델이 경기장이 바뀌어도 일관된 성능을 확인하였다. 표준편차는 0.003에서 0.005로 매우 낮아, 경기장 간 볼/스트라이크 판정의 변동이 적음을 의미한다. TTA에서 예측에 실패한 투구는 주로 스트라이크존의상단 및 하단 경계에서 발생하였다. 이는 ABS의 기술적 개선을 위해 스트라이크존의 상하 및 좌우 경계, 즉 보더라인과관련한 항목을 체계적으로 분석하는 후속 연구의 필요성을 시사한다. 이 연구는 ABS의 판정 일관성을 인공지능기법을 통해 체계적으로 검증하였다는 점에서 중요한 시사점을 제공했을 뿐 아니라 KBO의 주장을 객관적인 데이터분석을 통해 증명하였다는 점에서 가치가 있다.
Abstract
The purpose of this study was to analyze the consistency of the Automatic Ball-Strike System (ABS) used in Korean Professional Baseball (KBO). To this end, an artificial intelligence model for ball/strike judgment was developed, and the consistency of the ABS was examined by applying the Test Time Augmentation (TTA) technique to determine whether the ABS made consistent ball/strike judgments regardless of the stadium. For the development of the AI model, 53,432 pitches judged as ball/strike from March 9, 2024, to May 29, 2024, in KBO were collected. The AI model based on the Random Forest algorithm demonstrated excellent predictive performance with an accuracy of 97.99%, precision of 96.62%, recall of 96.29%, F1 score of 96.46%, and AUC of 98.91%. The analysis through TTA, which involved altering the stadium information for each team, revealed that the average consistency for all teams ranged from 0.981 to 0.983. This confirmed that the AI model maintained consistent performance even when the stadium changed. The standard deviation was very low, ranging from 0.003 to 0.005, indicating minimal variation in ball/strike judgments across different stadiums. The pitches where TTA predictions failed were primarily at the upper and lower boundaries of the strike zone. This suggests the need for systematic analysis of the boundaries, both vertical and horizontal, for technical improvements to the ABS. This study is valuable not only for systematically verifying the consistency of ABS judgments using AI techniques but also for objectively validating KBO’s claims through data analysis.
참고문헌 (13)
- 강지연, "한국프로야구 헛스윙 예측을 위한 딥러닝 기반 1D-CNN 모델 개발 및 적용", 한국코칭능력개발지, 25(6), pp.15~167 (2023)
- "류현진도, 김광현도 느꼈다… “ABS 존, 구장마다 조금씩 다른 것 같다”" (2024)[URL]
- 김주학, "야구 경기 승패 예측을 위한 합성곱 신경망(CNN)최적화 연구", 한국체육측정평가학회지, 24(4), pp.153~165 (2022)[DOI]
- 남상백, "한국프로야구에서선수들의 로봇심판에 대한 판정인식에 따른 심리상태및 경기력 및 정착방안에 관한 연구", 한국레저사이언스학회지, 15(2), pp.21~34 (2024)[DOI]
- 박형길, "야구 로봇심판 도입에 따른 미래 스포츠변화에 관한 연구", 한국엔터테인먼트산업학회논문지, 15(6), pp.93~103 (2021)[DOI]
- "KBO, 구장별 ‘로봇심판’ 편차 논란에 반박… “평균 오차 4.5㎜ 이내”" (2024)[URL]
- 조선미, "인공지능 기반 한국프로야구 선발 투수 교체 예측 모형 개발", 박사, pp.2022
- 조선미, "인공지능 기반 메이저리그(MLB)타자의 기대안타(xHA)예측 모델 개발 및 적용", 한국체육측정평가학회지, 25(4), pp.85~96 (2023)[DOI]
- "한국야구위원회"[URL]
- "한국야구위원회 보도자료"[URL]
- Hsu, M., "Umpire Home Bias in Major League Baseball", Journal of Sports Economics, 25(4), pp.423~442 (2024)[DOI]
- Mingxi C., "There Is Hope After All : Quantifying Opinion and Trustworthiness in Neural Networks", Frontiers in Artificial Intelligence, 3(0), pp.1~19 (2020)[DOI]
- Taylor L., "Improving deep learning with generic data augmentation", IEEE Symposium Series on Computational Intelligence, pp.1552~1547 (2018)