Bike Analytics ၏ နောက်ကွယ်မှ သုတေသနများ
သိပ္ပံနည်းကျ စက်ဘီးစီး စွမ်းဆောင်ရည် ခွဲခြမ်းစိတ်ဖြာမှု
အချက်အလက်အခြေပြု စက်ဘီးစီး ခွဲခြမ်းစိတ်ဖြာမှု ချဉ်းကပ်ပုံ
Bike Analytics ရှိ metric တိုင်း၊ ပုံသေနည်းတိုင်းနှင့် တွက်ချက်မှုတိုင်းသည် ဆယ်စုနှစ်ပေါင်းများစွာ ကြာမြင့်ခဲ့သော သိပ္ပံနည်းကျ သုတေသနများအပေါ် အခြေခံထားပါသည်။ ဤစာမျက်နှာသည် road စက်ဘီးစီးခြင်းနှင့် တောင်တက် စက်ဘီးစီးခြင်း နှစ်မျိုးစလုံးအတွက် ကျွန်ုပ်တို့၏ ခွဲခြမ်းစိတ်ဖြာမှု မူဘောင်ကို အတည်ပြုပေးသည့် အခြေခံ လေ့လာမှုများကို မှတ်တမ်းတင်ထားပါသည်။
🔬 စက်ဘီးစီး စွမ်းဆောင်ရည်ရှိ သိပ္ပံနည်းကျ တိကျမှု
ခေတ်သစ် စက်ဘီးစီး ခွဲခြမ်းစိတ်ဖြာမှုသည် အခြေခံ အရှိန်နှင့် အကွာအဝေး ခြေရာခံခြင်းမှသည် အောက်ပါ နယ်ပယ်များရှိ ကျယ်ပြန့်သော သုတေသနများဖြင့် ထောက်ခံထားသော ခေတ်မီ စွမ်းအားအခြေပြု လေ့ကျင့်ရေး စနစ်များအထိ တိုးတက်ပြောင်းလဲလာခဲ့သည်:
- လေ့ကျင့်ခန်း ဇီဝကမ္မဗေဒ (Exercise Physiology) - Critical Power၊ FTP၊ lactate thresholds၊ VO₂max
- ဇီဝစက်မှုဗေဒ (Biomechanics) - စက်ဘီးနင်းခြင်း ထိရောက်မှု၊ နင်းနှုန်း (cadence) အကောင်းဆုံးဖြစ်အောင် ချိန်ညှိခြင်း၊ စွမ်းအား ထွက်ရှိမှု
- အားကစား သိပ္ပံ (Sports Science) - လေ့ကျင့်မှု ဝန်ထုပ်ဝန်ပိုးကို တိုင်းတာခြင်း (TSS, CTL/ATL)၊ ကာလအပိုင်းအခြားအလိုက် လေ့ကျင့်ခြင်း (periodization)
- လေဒိုင်းနမစ် (Aerodynamics) - CdA တိုင်းတာခြင်း၊ ရှေ့မှ စီးသူ၏ လေကာမှုကို ရယူခြင်း (drafting)၊ အနေအထား အကောင်းဆုံးဖြစ်အောင် ချိန်ညှိခြင်း
- အင်ဂျင်နီယာပညာ (Engineering) - စွမ်းအားတိုင်းကိရိယာ (Power meter) အတည်ပြုခြင်း၊ အာရုံခံကိရိယာ တိကျမှု၊ ဒေတာ မော်ဒယ်လ် ပြုလုပ်ခြင်း
အဓိက သုတေသန နယ်ပယ်များ
၁။ Functional Threshold Power (FTP)
FTP သည် စက်ဘီးစီးသူတစ်ဦးက တစ်နာရီခန့် တည်ငြိမ်စွာ ထိန်းထားနိုင်သော အမြင့်ဆုံး စွမ်းအားကို ကိုယ်စားပြုသည်။ ၎င်းသည် စွမ်းအားအခြေပြု လေ့ကျင့်ရေးဇုန်များ၏ အခြေခံအုတ်မြစ် ဖြစ်သည်။
Allen & Coggan (2010, 2019) - Training and Racing with a Power Meter
အဓိက ပံ့ပိုးမှုများ:
- မိနစ် ၂၀ FTP စမ်းသပ်မှု ပရိုတိုကော - FTP = မိနစ် ၂၀ အမြင့်ဆုံး စွမ်းအား၏ ၉၅%
- Normalized Power (NP) - အားထုတ်မှုတွင် အတက်အကျရှိခြင်းကို ထည့်သွင်းတွက်ချက်သည်
- Training Stress Score (TSS) - လေ့ကျင့်မှု ဝန်ထုပ်ဝန်ပိုးကို တိုင်းတာသည်
- Intensity Factor (IF) - နှိုင်းယှဉ်ချက်အားဖြင့် ပြင်းထန်မှုကို တိုင်းတာသည်
- Power profiling - အားသာချက်/အားနည်းချက်များကို ဖော်ထုတ်ရန် မူဘောင်
- Quadrant analysis - နင်းအားနှင့် အရှိန်တို့အကြားရှိ အသေးစိတ် အချက်အလက်များ
သက်ရောက်မှု: ဘာသာစကား ၁၂ မျိုးသို့ ဘာသာပြန်ဆိုထားသည်။ စွမ်းအားအခြေပြု လေ့ကျင့်မှုကို ပရော်ဖက်ရှင်နယ် စက်ဘီးစီးလောကတွင် စံနှုန်းတစ်ခုအဖြစ် သတ်မှတ်ပေးခဲ့သည်။ TrainingPeaks၊ Zwift နှင့် အခြားသော အဓိက ပလက်ဖောင်းများအားလုံးတွင် ယခုအခါ တစ်ကမ္ဘာလုံး အသုံးပြုနေသော metric များကို မိတ်ဆက်ပေးခဲ့သည်။
MacInnis et al. (2019) - FTP Test Reliability and Reproducibility
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- ယုံကြည်စိတ်ချရမှု မြင့်မားခြင်း: ICC = ၀.၉၈၊ r² = ၀.၉၆ ထပ်ခါတလဲလဲ စမ်းသပ်မှု ရလဒ်
- Repeatability ကောင်းမွန်ခြင်း: တန်ဖိုး ကွာဟမှု +၁၃ မှ -၁၇ ဝပ် အထိသာရှိပြီး၊ ပျမ်းမျှ လွဲချော်မှု -၂ ဝပ်သာရှိသည်
- တိကျမှု: အားကစားသမား ၈၉% တွင် တစ်နာရီကြာ တည်တံ့နိုင်သော စွမ်းအားကို ဖော်ထုတ်နိုင်သည်
- အမှားအယွင်း နည်းပါးခြင်း: ပုံမှန် တိုင်းတာမှု အမှားအယွင်း = ၂.၃%
သက်ရောက်မှု: ဓာတ်ခွဲခန်းတွင် စမ်းသပ်ရန် မလိုဘဲ ကွင်းဆင်း စမ်းသပ်နိုင်သော ယုံကြည်စိတ်ချရသည့် metric တစ်ခုအဖြစ် FTP ကို သိပ္ပံနည်းကျ အတည်ပြုခဲ့သည်။ လေ့ကျင့်ထားသော စက်ဘီးစီးသမားများအတွက် မိနစ် ၂၀ စမ်းသပ်မှု ပရိုတိုကော၏ တိကျမှုကို အတည်ပြုပေးခဲ့သည်။
Gavin et al. (2012) - FTP Testing Protocol Effectiveness
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- မိနစ် ၂၀ စမ်းသပ်မှု ပရိုတိုကောသည် ဓာတ်ခွဲခန်းတွင် တိုင်းတာသော lactate threshold နှင့် များစွာ ဆက်စပ်မှုရှိကြောင်း ပြသသည်
- Ramp test နှင့် ၈ မိနစ် စမ်းသပ်မှုများကိုလည်း အတည်ပြုခဲ့သော်လည်း လက္ခဏာရပ်များ ကွဲပြားသည်
- တစ်ဦးချင်းစီ၏ ကွဲပြားမှုများကြောင့် အချိန်နှင့်အမျှ ကိုယ်တိုင် ပြန်လည် အတည်ပြုရန် လိုအပ်သည်
- ကွင်းဆင်း စမ်းသပ်မှုများသည် ဈေးကြီးသော ဓာတ်ခွဲခန်း စမ်းသပ်မှုများအတွက် လက်တွေ့ကျသော အစားထိုးမှုတစ်ခု ဖြစ်သည်
၂။ Critical Power Model
Critical Power (CP) သည် ပိုမိုပြင်းထန်သော လေ့ကျင့်ခန်း နယ်ပယ်များအကြားရှိ နယ်နိမိတ် ဖြစ်သည် — ၎င်းသည် သိသာသော ပင်ပန်းနွမ်းနယ်မှု မရှိဘဲ ရေရှည် ထိန်းထားနိုင်သော အမြင့်ဆုံး ဇီဝကမ္မဖြစ်စဉ် အခြေအနေ ဖြစ်သည်။
Monod & Scherrer (1965) - Original Critical Power Concept
အခြေခံ အယူအဆ:
- စွမ်းအားနှင့် အားကုန်ချိန်တို့အကြားရှိ hyperbolic ဆက်နွယ်မှု
- Critical Power ကို အကန့်အသတ်မရှိ ထိန်းထားနိုင်သော အမြင့်ဆုံး စွမ်းအားအဖြစ် သတ်မှတ်ခြင်း
- W' (W-prime) ကို CP ထက်ကျော်လွန်သော အကန့်အသတ်ရှိသည့် anaerobic အလုပ်လုပ်နိုင်စွမ်းအဖြစ် သတ်မှတ်ခြင်း
- မျဉ်းဖြောင့် ဆက်နွယ်မှု: Work = CP × Time + W'
Jones et al. (2019) - Critical Power: Theory and Applications
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- CP သည် အမြင့်ဆုံး ဇီဝကမ္မဖြစ်စဉ် အခြေအနေကို ကိုယ်စားပြုသည် — aerobic နှင့် anaerobic တို့အကြားရှိ နယ်နိမိတ် ဖြစ်သည်
- CP သည် ပုံမှန်အားဖြင့် ၁ မိနစ် အမြင့်ဆုံး စွမ်းအား၏ ၇၂-၇၇% ခန့် ရှိသည်
- စက်ဘီးစီးသူ အများစုအတွက် CP သည် FTP နှင့် ±၅ ဝပ် အတွင်း ရှိနေသည်
- W' သည် လေ့ကျင့်မှု အခြေအနေပေါ် မူတည်၍ ၆-၂၅ kJ (ပုံမှန်အားဖြင့် ၁၅-၂၀ kJ) အတွင်း ရှိသည်
- CP သည် မတူညီသော စမ်းသပ်မှု ပရိုတိုကောများတွင် FTP ထက် သိပ္ပံနည်းကျ ပိုမို ခိုင်မာသည်
သက်ရောက်မှု: Threshold ကို သတ်မှတ်ရာတွင် CP သည် FTP ထက် သိပ္ပံနည်းကျ ပိုမို သာလွန်ကြောင်း အတည်ပြုခဲ့သည်။ Threshold ထက်ကျော်လွန်သော အကန့်အသတ်ရှိသော အလုပ်လုပ်နိုင်စွမ်းကို နားလည်ရန် မူဘောင်တစ်ခုကို ပေးဆောင်ခဲ့သည်။
Skiba et al. (2014, 2015) - W' Balance Modeling
အဓိက ပံ့ပိုးမှုများ:
- W'bal model: anaerobic ဘက်ထရီ အခြေအနေကို real-time ခြေရာခံခြင်း
- ကုန်ဆုံးမှုနှုန်း: စွမ်းအား (P) သည် CP ထက်ကျော်လွန်သောအခါ W'exp = ∫(Power - CP)
- ပြန်လည် တက်လာခြင်း: Exponential နှုန်းဖြင့် ပြန်တက်သည်၊ အချိန်ကိန်းသေ (time constant) τ = 546 × e^(-0.01×ΔCP) + 316
- MTB အတွက် အလွန်အရေးကြီးခြင်း: အဆက်မပြတ် အရှိန်မြှင့်မှုများနှင့် တိုက်စစ်ဆင်မှုများကို စီမံခန့်ခွဲရန် မရှိမဖြစ် လိုအပ်သည်
- ပြိုင်ပွဲ ဗျူဟာ: တိုက်စစ်ဆင်မှုများအတွက် အကောင်းဆုံး ပြင်ဆင်ခြင်းနှင့် sprint ဆွဲမည့် အချိန်ကို စီမံခန့်ခွဲခြင်း
သက်ရောက်မှု: စက်ဘီးစီးသူများ threshold ထက်ကျော်လွန်သော အားထုတ်မှုများကို စီမံခန့်ခွဲပုံအား ပြောင်းလဲပေးခဲ့သည်။ အထူးသဖြင့် ၂ နာရီကြာ ပြိုင်ပွဲတစ်ခုတွင် အရှိန်မြှင့်မှု ၈၈ ကြိမ်ကျော်ရှိသော တောင်တက် စက်ဘီးစီးခြင်းအတွက် အလွန် အရေးပါပါသည်။ ယခုအခါ WKO5၊ Golden Cheetah နှင့် အဆင့်မြင့် စက်ဘီး ကွန်ပျူတာများတွင် ထည့်သွင်း အသုံးပြုနေပြီ ဖြစ်သည်။
Poole et al. (2016) - CP as Fatigue Threshold
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- CP သည် ရေရှည်ထိန်းထားနိုင်သော အားထုတ်မှုနှင့် မထိန်းထားနိုင်သော အားထုတ်မှုအကြားရှိ နယ်နိမိတ် ဖြစ်သည်
- CP အောက်တွင်: ဇီဝကမ္မဖြစ်စဉ် တည်ငြိမ်မှု ရရှိနိုင်ပြီး၊ lactate အဆင့် တည်ငြိမ်သည်
- CP ထက်တွင်: ဇီဝကမ္မဖြစ်စဉ် ဘေးထွက်ပစ္စည်းများ တဖြည်းဖြည်း စုပုံလာပြီး ရှောင်လွှဲမရသော ပင်ပန်းနွမ်းနယ်မှုကို ဖြစ်ပေါ်စေသည်
- CP လေ့ကျင့်မှုသည် aerobic စွမ်းရည်နှင့် threshold စွမ်းအား နှစ်မျိုးစလုံးကို တိုးတက်စေသည်
၃။ Training Stress Score နှင့် စွမ်းဆောင်ရည် စီမံခန့်ခွဲမှု
TSS မှတစ်ဆင့် လေ့ကျင့်မှု ဝန်ထုပ်ဝန်ပိုးကို တိုင်းတာခြင်းနှင့် ရေရှည်/ရေတို ဝန်ထုပ်ဝန်ပိုး ညီညွတ်မှုကို စီမံခန့်ခွဲခြင်းက အကောင်းဆုံး လေ့ကျင့်ရေး ကာလအပိုင်းအခြား သတ်မှတ်ခြင်းနှင့် ပင်ပန်းနွမ်းနယ်မှု စီမံခန့်ခွဲမှုကို ဖြစ်ပေါ်စေသည်။
Coggan (2003) - TSS Development
TSS ပုံသေနည်းနှင့် အသုံးချမှု:
- TSS = (ကြာချိန် × NP × IF) / (FTP × ၃၆၀၀) × ၁၀၀
- ၁၀၀ TSS = FTP ဖြင့် ၁ နာရီ စီးနင်းခြင်း (Intensity Factor = ၁.၀)
- ကြာချိန်နှင့် ပြင်းထန်မှု နှစ်ခုစလုံးကို metric တစ်ခုတည်းဖြင့် ဖော်ပြသည်
- မတူညီသော လေ့ကျင့်ခန်း အမျိုးအစားများကို နှိုင်းယှဉ်ခွင့်ပေးသည်
- CTL/ATL/TSB စွမ်းဆောင်ရည် စီမံခန့်ခွဲမှု စနစ်၏ အခြေခံ ဖြစ်သည်
Banister et al. (1975, 1991) - Impulse-Response Model
အဓိက ပံ့ပိုးမှုများ:
- ကြံ့ခိုင်မှု-ပင်ပန်းနွမ်းနယ်မှု မော်ဒယ်: စွမ်းဆောင်ရည် = ကြံ့ခိုင်မှု - ပင်ပန်းနွမ်းနယ်မှု
- အလေးပေး တွက်ချက်ထားသော ရွေ့လျား ပျမ်းမျှများ: CTL (၄၂ ရက် အချိန်ကိန်းသေ)၊ ATL (၇ ရက် အချိန်ကိန်းသေ)
- Training Stress Balance (TSB): TSB = မနေ့က CTL - မနေ့က ATL
- လေ့ကျင့်ရေး ကာလအပိုင်းအခြား သတ်မှတ်ခြင်းနှင့် အနားယူခြင်းများအတွက် သင်္ချာဆိုင်ရာ မူဘောင်
- TrainingPeaks တွင် အသုံးပြုနေသော TSS/CTL/ATL metric များ၏ သီအိုရီ အခြေခံ ဖြစ်သည်
သက်ရောက်မှု: လေ့ကျင့်မှု ဝန်ထုပ်ဝန်ပိုးကို အရေအတွက်ဖြင့် စီမံခန့်ခွဲရန် သိပ္ပံနည်းကျ အခြေခံကို ပေးဆောင်ခဲ့သည်။ သင်္ချာနည်းကျ တိကျမှုဖြင့် လေ့ကျင့်ရေး ကာလအပိုင်းအခြား သတ်မှတ်ခြင်းကို အနုပညာမှ သိပ္ပံပညာသို့ ပြောင်းလဲပေးခဲ့သည်။
Busso (2003) - Modeling Training Adaptation
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- လေ့ကျင့်မှုမှ ရရှိသော အကျိုးကျေးဇူးများသည်predictable ဖြစ်သော သင်္ချာပုံစံများအတိုင်း ဖြစ်ပေါ်သည်
- တစ်ဦးချင်းစီ၏ တုံ့ပြန်မှု ကွဲပြားမှုများကြောင့် ကိုယ်ပိုင် မော်ဒယ်လ် ပြုလုပ်ရန် လိုအပ်သည်
- အကောင်းဆုံး လေ့ကျင့်မှု ဝန်ထုပ်ဝန်ပိုးသည် လှုံ့ဆော်မှုနှင့် ပြန်လည်နားခြင်းတို့ကို ဟန်ချက်ညီစေသည်
- တစ်ပတ်လျှင် CTL ၁၂ ထက် ပိုတိုးခြင်းသည် ဒဏ်ရာရရှိမှု အန္တရာယ်နှင့် ဆက်စပ်နေသည်
လေဒိုင်းနမစ်နှင့် စွမ်းအား မော်ဒယ်လ် ပြုလုပ်ခြင်း
၄။ လေခုခံမှု (Aerodynamic Drag) နှင့် CdA
အရှိန် ၂၅ ကီလိုမီတာ/နာရီ ကျော်လွန်သောအခါ လေခုခံမှု (aerodynamic drag) သည် စုစုပေါင်း ခုခံမှု၏ ၇၀-၉၀% အထိ ရှိလာသည်။ CdA (drag coefficient × frontal area) ကို နားလည်ပြီး အကောင်းဆုံးဖြစ်အောင် ချိန်ညှိခြင်းသည် road စက်ဘီးစီး စွမ်းဆောင်ရည်အတွက် အလွန် အရေးကြီးပါသည်။
Blocken et al. (2013, 2017) - Cycling Aerodynamics Research
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- CdA အကွာအဝေးများ:
- မတ်မတ် အနေအထား (hoods position): ၀.၃၅-၀.၄၀ m²
- ကိုင်းစီးသည့် အနေအထား (drops position): ၀.၃၂-၀.၃၇ m²
- Time trial အနေအထား: ၀.၂၀-၀.၂၅ m²
- Elite TT ကျွမ်းကျင်သူများ: ၀.၁၈၅-၀.၂၀၀ m²
- စွမ်းအား ချွေတာနိုင်မှု: CdA ၀.၀၁ m² လျော့နည်းသွားတိုင်း ၄၀ ကီလိုမီတာ/နာရီ အရှိန်တွင် ~၁၀ ဝပ်ခန့် ချွေတာနိုင်သည်
- လေကာမှု အကျိုးကျေးဇူး (Drafting): ရှေ့မှ လိုက်ပါစီးနင်းသောအခါ စွမ်းအား အသုံးပြုမှု ၂၇-၅၀% ထိ လျှော့ချနိုင်သည်
- အုပ်စုအတွင်း အနေအထား: အမှတ် ၅ မှ ၈ နေရာတွင် ရှိသော စီးနင်းသူများသည် အမြင့်ဆုံး အကျိုးကျေးဇူးနှင့် လုံခြုံမှုကို ရရှိသည်
- Drafting အကွာအဝေးမှာ အလွန်အရေးကြီးခြင်း: ၃၀ စင်တီမီတာအတွင်း အကျိုးကျေးဇူး အများဆုံး ရရှိပြီး၊ ၁ မီတာကျော်လျှင် သိသာစွာ လျော့နည်းသွားသည်
သက်ရောက်မှု: အနေအထား ပြောင်းလဲခြင်းနှင့် drafting တို့၏ လေဒိုင်းနမစ်ဆိုင်ရာ အကျိုးကျေးဇူးများကို အရေအတွက်ဖြင့် ဖော်ပြခဲ့သည်။ ကွင်းဆင်း တိုင်းတာနိုင်သော CdA ကို ချိန်ညှိမှု ပစ်မှတ်အဖြစ် အတည်ပြုခဲ့သည်။ Time trial စီးနင်းသူများ ဘာကြောင့် အနေအထားအပေါ် အလွန်အမင်း အာရုံစိုက်ရသလဲ ဆိုသည်ကို ရှင်းပြပေးခဲ့သည်။
Martin et al. (2006) - Power Model Validation
စွမ်းအား ညီမျှခြင်း၏ အစိတ်အပိုင်းများ:
- P_total = P_aero + P_gravity + P_rolling + P_kinetic
- P_aero = CdA × ၀.၅ × ρ × V³ (အရှိန်၏ သုံးထပ်ကိန်းနှင့် ဆက်နွယ်နေသည်)
- P_gravity = m × g × sin(θ) × V (တောင်တက် စွမ်းအား)
- P_rolling = Crr × m × g × cos(θ) × V (တာယာ လိမ့်ခုခံမှု)
- လက်တွေ့ကမ္ဘာရှိ စွမ်းအားတိုင်းကိရိယာ ဒေတာများနှင့် တိုက်ဆိုင် စစ်ဆေးရာတွင် အလွန် တိကျကြောင်း တွေ့ရှိရသည်
- လမ်းကြောင်းများအတွက် စွမ်းအား လိုအပ်ချက်များကို ကြိုတင် ခန့်မှန်းနိုင်စေသည်
Debraux et al. (2011) - Aerodynamic Drag Measurement
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- စွမ်းအားတိုင်းကိရိယာများဖြင့် ကွင်းဆင်း စမ်းသပ်ခြင်းသည် လက်တွေ့ကျသော CdA တိုင်းတာမှုကို ပေးနိုင်သည်
- Wind tunnel စမ်းသပ်ခြင်းသည် အကောင်းဆုံး ဖြစ်နေဆဲ ဖြစ်သော်လည်း ဈေးကြီးပြီး ရယူရန် ခက်ခဲသည်
- အနေအထား အကောင်းဆုံးဖြစ်အောင် ချိန်ညှိခြင်းက CdA ကို ၅-၁၅% ထိ တိုးတက်စေနိုင်သည်
- ပစ္စည်းကိရိယာများ (aero wheels, helmet, skinsuit) သည် စုစုပေါင်း ၃-၅% ခန့် တိုးတက်မှုကို ဖြစ်ပေါ်စေသည်
စက်ဘီးနင်းခြင်း ဇီဝစက်မှုဗေဒနှင့် နင်းနှုန်း (Cadence)
၅။ နင်းခြင်း ထိရောက်မှုနှင့် နင်းနှုန်း အကောင်းဆုံးဖြစ်အောင် ချိန်ညှိခြင်း
အကောင်းဆုံး နင်းနှုန်း (cadence) နှင့် နင်းခြင်း နည်းစနစ်များသည် စွမ်းအင် အသုံးပြုမှုနှင့် ဒဏ်ရာရရှိမှု အန္တရာယ်ကို လျှော့ချပေးပြီး စွမ်းအား ထွက်ရှိမှုကို အမြင့်ဆုံး ဖြစ်စေသည်။
Lucia et al. (2001) - Physiology of Professional Road Cycling
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- အကောင်းဆုံး နင်းနှုန်း အကွာအဝေးများ:
- Tempo/threshold: ၈၅-၉၅ RPM
- VO₂max လေ့ကျင့်ခန်းများ: ၁၀၀-၁၁၀ RPM
- မတ်စောက်သော တောင်တက်လမ်းများ: ၇၀-၈၅ RPM
- ထိပ်တန်း စက်ဘီးစီးသမားများသည် စွမ်းအင် အနည်းဆုံး ကုန်ကျသော နင်းနှုန်းကို အလိုလို ရွေးချယ်တတ်ကြသည်
- နင်းနှုန်း မြင့်မားခြင်းက နင်းချက်တစ်ခုချင်းစီရှိ ကြွက်သားအားထုတ်မှုကို လျှော့ချပေးသည်
- တစ်ဦးချင်းစီအတွက် အကောင်းဆုံး နင်းနှုန်းမှာ ကြွက်သားအမျိုးအစား ဖွဲ့စည်းမှုပေါ် မူတည်၍ ကွဲပြားသည်
Coyle et al. (1991) - Cycling Efficiency and Muscle Fiber Type
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- စက်ဘီးစီး ထိရောက်မှုသည် Type I ကြွက်သားမျှင် ရာခိုင်နှုန်းနှင့် ဆက်စပ်နေသည်
- စုစုပေါင်း ထိရောက်မှု (Gross efficiency) အကွာအဝေးမှာ ၁၈-၂၅% ဖြစ်သည် (ထိပ်တန်းသမားများ: ၂၂-၂၅%)
- နင်းနှုန်းသည် ထိရောက်မှုအပေါ် သက်ရောက်မှုရှိပြီး၊ တစ်ဦးချင်းစီအလိုက် အကောင်းဆုံးနှုန်း ရှိသည်
- လေ့ကျင့်မှုသည် ဇီဝကမ္မဖြစ်စဉ်နှင့် စက်မှုဆိုင်ရာ ထိရောက်မှု နှစ်မျိုးစလုံးကို တိုးတက်စေသည်
Patterson & Moreno (1990) - Pedal Forces Analysis
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- ထိရောက်သော နင်းအားသည် နင်းသည့် စက်ဝိုင်းတစ်လျှောက် ပြောင်းလဲနေသည်
- အမြင့်ဆုံးအားသည် top dead center ကျော်ပြီး ၉၀-၁၁၀ ဒီဂရီတွင် ဖြစ်ပေါ်သည်
- ကျွမ်းကျင်သော စက်ဘီးစီးသမားများသည် ခြေထောက် ပြန်တက်ချိန်ရှိ အနှုတ်သဘောဆောင်သော အားထုတ်မှုများကို လျှော့ချနိုင်ကြသည်
- Torque Effectiveness နှင့် Pedal Smoothness metric များသည် ထိရောက်မှုကို အရေအတွက်ဖြင့် ဖော်ပြပေးသည်
တောင်တက် စွမ်းဆောင်ရည်
၆။ စွမ်းအားနှင့် ကိုယ်အလေးချိန်အချိုး (Power-to-Weight) နှင့် VAM
တောင်တက်လမ်းများတွင် စွမ်းအားနှင့် ကိုယ်အလေးချိန် အချိုးသည် စွမ်းဆောင်ရည်ကို ဆုံးဖြတ်ပေးသော အဓိက အချက် ဖြစ်လာသည်။ VAM (Velocità Ascensionale Media) သည် လက်တွေ့ကျသော တောင်တက် အကဲဖြတ်မှုကို ပေးဆောင်သည်။
Padilla et al. (1999) - Level vs. Uphill Cycling Efficiency
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- တောင်တက် စွမ်းဆောင်ရည်ကို threshold ရှိ W/kg က အဓိက ဆုံးဖြတ်သည်
- မတ်စောက်သော လမ်းများ (>၇%) တွင် လေဒိုင်းနမစ်မှာ အရေးမပါတော့သလောက် ဖြစ်သွားသည်
- မြေပြန့်နှင့် ယှဉ်လျှင် တောင်တက်ရာတွင် စုစုပေါင်း ထိရောက်မှု အနည်းငယ် လျော့နည်းသည်
- ခန္ဓာကိုယ် အနေအထား ပြောင်းလဲမှုသည် စွမ်းအား ထွက်ရှိမှုနှင့် သက်တောင့်သက်သာ ရှိမှုအပေါ် သက်ရောက်သည်
Swain (1997) - Climbing Performance Modeling
အဓိက ပံ့ပိုးမှုများ:
- တောင်တက်ခြင်းအတွက် စွမ်းအား ညီမျှခြင်း: P = (m × g × V × sin(gradient)) + rolling + aero
- VAM တွက်ချက်ခြင်း: (တက်ခဲ့သော အမြင့် / အချိန်) က W/kg ကို ခန့်မှန်းပေးသည်
- VAM စံနှုန်းများ:
- အပျော်တမ်း စီးနင်းသူများ: ၇၀၀-၉၀၀ m/h
- ပြိုင်ပွဲဝင်များ: ၁၀၀၀-၁၂၀၀ m/h
- ထိပ်တန်း အပျော်တမ်းသမားများ: ၁၃၀၀-၁၅၀၀ m/h
- World Tour အနိုင်ရရှိသူများ: >၁၅၀၀ m/h
- ခန့်မှန်းခြေ ပုံသေနည်း: W/kg ≈ VAM / (၂၀၀ + ၁၀ × gradient%)
Lucia et al. (2004) - Physiological Profile of Tour Climbers
အဓိက ရှာဖွေတွေ့ရှိချက်များ:
- Threshold ရှိ W/kg:
- ပြိုင်ပွဲဝင် စက်ဘီးစီးသမားများ: ၄.၀+ W/kg
- ထိပ်တန်း အပျော်တမ်းသမားများ: ၄.၅+ W/kg
- Semi-pros: ၅.၀+ W/kg
- World Tour: ၅.၅-၆.၅ W/kg
- ကိုယ်အလေးချိန် လျော့နည်းခြင်းမှာ အလွန်အရေးကြီးသည် — ထိပ်တန်း အဆင့်တွင် ၁ ကီလိုဂရမ်သည်ပင် အရေးပါသည်။
- ထိပ်တန်း တောင်တက်သမားများတွင် VO₂max >၇၅ ml/kg/min ရှိခြင်းမှာ ပုံမှန် ဖြစ်သည်
Bike Analytics က သုတေသနများကို အကောင်အထည်ဖော်ပုံ
ဓာတ်ခွဲခန်းမှ လက်တွေ့ဘဝ အသုံးချမှုသို့
Bike Analytics သည် ဆယ်စုနှစ်ပေါင်းများစွာကြာသော သုတေသနများကို လက်တွေ့ကျသော metric များအဖြစ် ပြောင်းလဲပေးပါသည်:
- FTP စမ်းသပ်ခြင်း: အတည်ပြုထားသော မိနစ် ၂၀ ပရိုတိုကော (MacInnis 2019) နှင့် ရွေးချယ်နိုင်သော ramp test တို့ကို အသုံးပြုပါသည်
- လေ့ကျင့်မှု ဝန်ထုပ်ဝန်ပိုး: Coggan ၏ TSS ပုံသေနည်းနှင့် Banister ၏ CTL/ATL မူဘောင်ကို အသုံးပြုပါသည်
- Critical Power: မတူညီသော ကြာချိန်ရှိသော အားထုတ်မှုများမှ CP နှင့် W' ကို တွက်ချက်ပါသည် (Jones 2019)
- W'bal ခြေရာခံခြင်း: Skiba ၏ differential equation model ကို အသုံးပြု၍ real-time anaerobic စွမ်းရည်ကို စောင့်ကြည့်ပါသည်
- လေဒိုင်းနမစ်: စွမ်းအား/အရှိန် ဒေတာများမှ ကွင်းဆင်း တိုင်းတာနိုင်သော CdA ခန့်မှန်းချက်ကို ပေးပါသည် (Martin 2006)
- တောင်တက် ခွဲခြမ်းစိတ်ဖြာခြင်း: VAM တွက်ချက်ခြင်းနှင့် W/kg စံနှုန်းများ သတ်မှတ်ခြင်း (Lucia 2004, Swain 1997)
- MTB-သီးသန့်: ပြောင်းလဲနိုင်သော စွမ်းအားပုံစံများအတွက် burst detection နှင့် W' စီမံခန့်ခွဲမှု
အတည်ပြုခြင်းနှင့် ဆက်လက်လုပ်ဆောင်နေသော သုတေသနများ
Bike Analytics မှ အောက်ပါတို့ကို ကတိပြုပါသည်:
- သုတေသန စာပေအသစ်များကို ပုံမှန် ပြန်လည်သုံးသပ်ခြင်း
- နည်းလမ်းသစ်များကို အတည်ပြုပြီးပါက algorithm များကို အပ်ဒိတ်လုပ်ခြင်း
- တွက်ချက်ပုံ နည်းလမ်းများကို ပွင့်လင်းမြင်သာစွာ မှတ်တမ်းတင်ခြင်း
- Metric များကို မှန်ကန်စွာ အဓိပ္ပာယ်ဖွင့်ဆိုနိုင်ရန် အသုံးပြုသူများကို ပညာပေးခြင်း
- ပေါ်ထွက်လာသော နည်းပညာများ (နှစ်ဖက်စလုံး တိုင်းတာနိုင်သော စွမ်းအား၊ အဆင့်မြင့် ဇီဝစက်မှုဗေဒ) နှင့် ချိတ်ဆက်ခြင်း
အမေးများသော မေးခွန်းများ
ဘာကြောင့် စွမ်းအားအခြေပြု လေ့ကျင့်မှုက နှလုံးခုန်နှုန်းထက် ပိုကောင်းတာလဲ?
စွမ်းအားသည် အားထုတ်မှု ပြောင်းလဲခြင်းအပေါ် ချက်ချင်း တုံ့ပြန်နိုင်သော်လည်း၊ နှလုံးခုန်နှုန်းမှာမူ စက္ကန့် ၃၀-၆၀ ခန့် နောက်ကျတတ်သည်။ စွမ်းအားသည် အပူချိန်၊ ကဖိန်းဓာတ်၊ စိတ်ဖိစီးမှု သို့မဟုတ် ပင်ပန်းနွမ်းနယ်မှုတို့၏ သက်ရောက်မှုကို နှလုံးခုန်နှုန်းကဲ့သို့ မခံရပါ။ Allen & Coggan တို့၏ သုတေသနများအရ စွမ်းအားသည် အမှန်တကယ် လုပ်ဆောင်ခဲ့သော အလုပ်ကို တိုက်ရိုက် အကျဆုံး တိုင်းတာခြင်း ဖြစ်ကြောင်း အတည်ပြုခဲ့သည်။
စွမ်းအားတိုင်းကိရိယာများ (Power meters) သည် မည်မျှ တိကျသနည်း?
Maier et al. (2017) သည် ထုတ်လုပ်သူ ၉ ခုမှ စွမ်းအားတိုင်းကိရိယာ ၅၄ ခုကို စံပြမော်ဒယ်တစ်ခုနှင့် ယှဉ်၍ စမ်းသပ်ခဲ့သည်။ ပျမ်းမျှ ကွဲလွဲမှုမှာ -၀.၉ ± ၃.၂% သာရှိပြီး၊ ယူနစ်အများစုမှာ ±၂-၃% အတွင်း တိကျမှုရှိသည်။ ခေတ်သစ် စွမ်းအားတိုင်းကိရိယာများ (Quarq, PowerTap, Stages, Favero) သည် မှန်ကန်စွာ calibrate လုပ်ထားပါက ±၁-၂% တိကျမှု စံနှုန်းနှင့် ကိုက်ညီပါသည်။
FTP နှင့် Critical Power မည်သည့်အရာက ပိုကောင်းသနည်း?
Jones et al. (2019) အရ CP သည် ဇီဝကမ္မဗေဒအရ ပိုမို ခိုင်မာပြီး စက်ဘီးစီးသူ အများစုအတွက် FTP နှင့် ±၅ ဝပ် အတွင်း ရှိနေကြောင်း ပြသခဲ့သည်။ သို့သော် FTP ၏ မိနစ် ၂၀ စမ်းသပ်မှုတစ်ခုတည်း ပြုလုပ်ရန်လိုခြင်းက ပိုမို လက်တွေ့ကျသည်။ Bike Analytics သည် နှစ်မျိုးစလုံးကို ထောက်ပံ့ပေးထားပါသည် — ရိုးရှင်းရန်အတွက် FTP သို့မဟုတ် တိကျရန်အတွက် CP ကို အသုံးပြုနိုင်ပါသည်။
TSS သည် အခြားသော လေ့ကျင့်မှု ဝန်ထုပ်ဝန်ပိုး တိုင်းတာသည့် နည်းလမ်းများနှင့် မည်သို့ ကွာခြားသနည်း?
TSS (Coggan 2003) သည် စွမ်းအားနှင့် အရှိန်တို့အကြားရှိ သုံးထပ်ကိန်း ဆက်နွယ်မှုကို အသုံးပြု၍ ပြင်းထန်မှုနှင့် ကြာချိန် နှစ်ခုစလုံးကို metric တစ်ခုတည်းဖြင့် ဖော်ပြပေးသည်။ ၎င်းသည် session-RPE နှင့် ဓာတ်ခွဲခန်းတွင် တိုင်းတာသော ဇီဝကမ္မဆိုင်ရာ ဖိအားတို့နှင့် များစွာ ဆက်စပ်မှုရှိသဖြင့် စက်ဘီးစီးခြင်းအတွက် လေ့ကျင့်မှု ဝန်ထုပ်ဝန်ပိုး တိုင်းတာသည့် အကောင်းဆုံး စံနှုန်းတစ်ခု ဖြစ်လာသည်။
ဘာကြောင့် တောင်တက် စက်ဘီးစီးခြင်းက road ထက် မတူညီသော metric များ လိုအပ်ရတာလဲ?
သုတေသနများအရ MTB သည် ၂ နာရီကြာ ပြိုင်ပွဲတစ်ခုတွင် FTP ၏ ၁၂၅% ကျော်သော စွမ်းအားမြှင့်မှု ၈၈ ကြိမ်ကျော် ပါဝင်ကြောင်း ပြသသည် (XCO လေ့လာမှုများ)။ ဤကဲ့သို့ "bursty" ဖြစ်သော စွမ်းအားပုံစံသည် W'bal ခြေရာခံခြင်းနှင့် လေ့ကျင့်ခန်းတိုများကို အာရုံစိုက်သော လေ့ကျင့်မှု လိုအပ်ပြီး၊ road စက်ဘီးစီးခြင်းသည် ရေရှည်စွမ်းအားနှင့် လေဒိုင်းနမစ်ကို ပိုမို အာရုံစိုက်ပါသည်။
သိပ္ပံပညာက စွမ်းဆောင်ရည်ကို မြှင့်တင်ပေးသည်
Bike Analytics သည် ဆယ်စုနှစ်ပေါင်းများစွာ ကြာမြင့်ခဲ့သော ခိုင်မာသည့် သိပ္ပံနည်းကျ သုတေသနများအပေါ် အခြေခံထားပါသည်။ ပုံသေနည်းတိုင်း၊ metric တိုင်းနှင့် တွက်ချက်မှုတိုင်းကို အဓိက လေ့ကျင့်ခန်း ဇီဝကမ္မဗေဒနှင့် ဇီဝစက်မှုဗေဒ ဂျာနယ်များတွင် ထုတ်ဝေခဲ့သော သုတေသနများမှတစ်ဆင့် အတည်ပြုထားပါသည်။
ဤအချက်အလက်အခြေပြု အခြေခံအုတ်မြစ်သည် သင်ရရှိသော အချက်အလက်များသည် ကိန်းဂဏန်းများသာ မဟုတ်ဘဲ၊ ဇီဝကမ္မဆိုင်ရာ တုံ့ပြန်မှု၊ ဇီဝစက်မှုဆိုင်ရာ ထိရောက်မှုနှင့် စွမ်းဆောင်ရည် တိုးတက်မှုတို့၏ သိပ္ပံနည်းကျ အဓိပ္ပာယ်ရှိသော ပြမှတ်များ ဖြစ်ကြောင်း အာမခံပါသည်။