Kutatás és Adattudomány

Hogyan használjuk az adatokat a kerékpáros teljesítmény megértéséhez

Adatvezérelt Megközelítés

A Bike Analytics folyamatosan kutatja a nagy mennyiségű amatőr és profi kerékpáros adatot (anonimizált módon), hogy finomítsa algoritmusait és új összefüggéseket találjon a teljesítmény és edzésterhelés között.

Jelenlegi Kutatási Területeink

1. FTP Becslés Pontossága

Hipotézis: Rövidebb (3-5 perces) maximális tesztek kombinációja pontosabban becsüli az FTP-t kezdőknél, mint a hagyományos 20 perces teszt, a pacing hibák minimalizálása miatt.

Előzetes eredmények: A Kritikus Teljesítmény modellből származtatott FTP (CP60) 90%-os korrelációt mutat a laboratóriumi laktátküszöb mérésekkel, míg a rosszul pacelt 20 perces tesztek gyakran 10-15%-kal fölé/alá lőnek.

2. W' Helyreállási Dinamika

Kérdés: Milyen gyorsan regenerálódik valójában az anaerob kapacitás (W') változó intenzitású edzés közben?

Megfigyelés: A hagyományos Skiba-féle tau modell állandó regenerációt feltételez, de adataink szerint a regeneráció lassul a kimerülés közeledtével (memória-effektus).

3. TSB és Versenyteljesítmény

Elemzés: Mi az optimális TSB (Training Stress Balance) érték a csúcsteljesítményhez?

Adatok:
• Kritériums versenyek: +5 és +15 TSB között a legjobbak
• Hosszú Gran Fondo: -5 és +5 TSB között (kisebb frissesség, de magasabb CTL)
• Időfutam: +10 és +20 TSB között

Részvétel a Kutatásban

A Bike Analytics felhasználójaként lehetőséged van (opcionálisan) részt venni anonim adatgyűjtésben, segítve ezzel a sporttudomány fejlődését:

  • Teljesen anonim wattfájl elemzés
  • Nincs GPS vagy személyes adat megosztás
  • Bármikor kikapcsolható

📈 Jövőbeli Algoritmusok

Dolgozunk a gépi tanuláson alapuló edzésterv ajánlón, amely a múltbeli edzéseid és a rájuk adott válaszreakciók (HR, watt, HRV) alapján személyre szabja a jövőbeli terhelést.