Track2 아이디어 개발 부문 : K리그-서울시립대 공개 AI 경진대회

1. 전역 설정
• Streamlit 페이지 설정을 수행한다.
• 로깅 레벨과 포맷을 정의한다.
2. 시간 변환 유틸리티
• period_id를 기준으로 경기 시작 시점 대비 누적 초를 계산한다.
3. 데이터 로딩 및 전처리
• 이벤트 데이터를 로드한다.
• 좌표 컬럼을 숫자형으로 변환한다.
• (game_id, period_id, team_id) 단위로 공격 방향을 추정한다.
4. 좌표 정규화 처리
• playing_dir가 -1인 경우 좌표를 반전한다.
• 학습 및 추론에서만 사용한다.
5. AI 엔진
• 경기장을 20×14 그리드로 분할한다.
• 각 셀을 하나의 상태(zone)로 사용한다.
xT 계산
• 이벤트 시퀀스를 기반으로 전이 행렬을 구성한다.
• 마코프 체인 반복으로 zone별 xT 값을 계산한다.
xG 모델
• 슛 이벤트를 사용해 이진 분류 모델을 학습한다.
• 모델이 없는 경우 거리 기반 수식으로 대체한다.
패스 성공 모델
• 패스 이벤트에 대해 성공/실패 분류 모델을 학습한다.
• 거리, 방향, 시작·종료 좌표를 특징으로 사용한다.
경험적 Q-table
• zone × 행동(슛/패스/운반)에 대한 보상을 누적한다.
• 팀별 Q-table과 전역 Q-table을 유지한다.
• 골 발생 시 직전 행동에 감쇠 보상을 적용한다.
예측
• 단일 이벤트에 대해 ev_shot, ev_pass, ev_carry를 계산한다.
• 모델 기반 값과 경험적 값을 가중 결합한다.
• 최대 기대값 행동을 best_act로 반환한다.
6. Scene 단위 전술 해설 생성
• EV 격차가 가장 큰 이벤트를 핵심 이벤트로 결정한다.
• 선택 이벤트 기준으로 요약 문장을 생성한다.
7. 시각화 모듈
• 실제 규격 축구장을 그린다.
• 원본 좌표를 그대로 사용한다.
8. 메인 실행 흐름
• 데이터 로딩을 수행한다.
• AI 학습 버튼 입력을 처리한다.
• 경기 선택을 처리한다.