챕터별 상세
프로젝트 개요 및 모델 목표
경주의 어느 시점에서든 각 말이 특정 순위로 들어올 확률을 예측하는 모델 구축이 핵심 목표이다. Bayesian B-Spline Regression을 사용하여 0.25초 단위의 프레임별 전진 및 측면 이동을 예측했다. R, Stan, OpenFOAM, Blender와 같은 오픈소스 도구를 조합하여 물리적 시뮬레이션과 통계 모델을 통합했다. 모델 학습에는 약 10시간이 소요되며, 말과 기수의 개별 효과, 트랙 상태 등을 변수로 포함했다.
데이터 전처리 및 피처 엔지니어링
Google Earth를 통해 경마 트랙의 외곽선과 결승선 데이터를 수동으로 수집하여 좌표 시스템을 정교화했다. 위도와 경도 좌표를 미터 단위의 평면 좌표로 변환하고, 트랙을 직선 구간과 곡선 구간으로 세분화했다. 각 말의 전방, 후방, 유클리드 거리 및 측면 거리를 계산하여 주변 말들과의 상대적 위치 관계를 피처화했다. 이러한 동적 피처들은 매 프레임마다 업데이트되어 시뮬레이션의 정확도를 높였다.
3D 드래프팅 시뮬레이션 모델
Blender를 사용하여 말과 기수의 3D 모델을 생성하고 OpenFOAM으로 전산 유체 역학(CFD) 분석을 수행했다. 이를 통해 말의 위치에 따른 공기 저항 수치와 에너지 절감 효과를 정밀하게 계산했다. 시뮬레이션 결과, 앞선 말의 바로 뒤에 위치할 때 공기 저항이 급격히 감소하는 '드래프팅' 현상을 수치적으로 입증했다. 이 물리적 에너지 보존 수치를 모델의 핵심 피처로 주입하여 단순 통계 모델의 한계를 극복했다.
베이지안 모델 피팅 및 시뮬레이션 프레임워크
전진 이동과 측면 이동을 예측하는 두 개의 모델을 Stan을 통해 학습시켰다. 베이지안 프레임워크를 사용하여 모델의 예측 불확실성을 시뮬레이션 과정에 전파(Propagating Uncertainty)했다. 매 프레임마다 각 말의 위치를 예측하고, 업데이트된 위치를 바탕으로 다음 프레임의 피처를 다시 계산하는 반복적 시뮬레이션을 수행했다. 모든 말이 결승선을 통과할 때까지 이 과정을 수천 번 반복하여 최종 순위 확률 분포를 도출했다.
주요 분석 결과 및 인사이트
경주 진행에 따른 실시간 승률 변화를 히트맵 형태로 시각화하여 모델의 유효성을 검증했다. 말들의 속도 변화 패턴을 클러스터링하여 '초반 스퍼트형', '후반 역전형' 등의 경주마 프로필을 생성했다. 또한 모델 내의 기수 효과 파라미터를 추출하여 기수들의 상대적인 실력을 정량적으로 랭킹화했다. 특정 경주에서 초반에 뒤처지더라도 드래프팅 위치에 있는 말의 최종 승률이 높게 유지되는 현상을 모델이 정확히 포착했다.
향후 연구 및 실무 적용 가능성
현재 모델은 1마일 경주에 최적화되어 있으나, 향후 다양한 경주 거리로 확장할 계획이다. 실시간 중계 시스템에 통합하여 시청자에게 실시간 승률 변화를 제공하는 Shiny 앱 개발 가능성을 언급했다. 특히 말의 이동 경로와 속도 변화 패턴을 분석하여 부상 위험이 높은 징후를 사전에 포착하는 부상 예측 모델로의 확장이 중요하다. 이는 경마 산업의 데이터 기반 현대화와 동물 복지 향상에 기여할 수 있다.
용어 해설
- 베이지안 B-스플라인 회귀(Bayesian B-Spline Regression)
- — 데이터의 비선형적인 패턴을 유연하게 모델링하기 위해 스플라인 함수를 베이지안 프레임워크 내에서 사용하는 기법이다. 경주마의 속도 변화나 이동 경로처럼 시간에 따라 변하는 복잡한 궤적을 매끄러운 곡선으로 추정하고 불확실성을 정량화하는 데 사용된다.
- 전산 유체 역학(CFD (Computational Fluid Dynamics))
- — 유체의 흐름과 물리적 상호작용을 컴퓨터 시뮬레이션으로 분석하는 기술이다. 이 프로젝트에서는 OpenFOAM을 사용하여 경주마 주변의 공기 흐름을 계산하고, 앞선 말을 따라갈 때 발생하는 공기 저항 감소(드래프팅) 효과를 수치화했다.
- 드래프팅(Drafting)
- — 앞서 달리는 물체 뒤의 저압 구역에 위치하여 공기 저항을 줄이고 에너지를 절약하는 전략이다. 경마에서 드래프팅은 말의 체력 안배와 막판 스퍼트에 결정적인 영향을 미치며, 이를 3D 모델로 정밀하게 분석하여 모델의 피처로 활용했다.
- Stan
- — 통계적 모델링 및 고성능 통계 컴퓨팅을 위한 확률적 프로그래밍 언어이다. 베이지안 추론을 수행하기 위해 HMC(Hamiltonian Monte Carlo) 알고리즘을 사용하며, 복잡한 경주마 이동 모델의 파라미터를 추정하는 핵심 엔진 역할을 한다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 02. 26.수집 2026. 02. 26.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
