关于 Bike Analytics
基于科学的自行车性能追踪，由骑行者为骑行者打造
我们的使命
Bike Analytics 为每位骑行者提供专业级的性能追踪。我们相信，功能性阈值功率（FTP）、训练压力评分（TSS）和性能管理图表等高级指标不应被锁定在昂贵的平台之后，也不应需要复杂的教练软件。
认识开发者
我们的原则
- 科学优先：所有指标均基于同行评审的研究。我们注明来源并展示公式。
- 隐私设计：100% 本地数据处理。无服务器，无账户，无追踪。您拥有自己的数据。
- 平台无关：与任何兼容 Apple Health 的设备配合使用。无供应商锁定。
- 透明度：开放的公式，清晰的计算，诚实的局限性。无黑盒算法。
- 易用性：高级指标不应需要运动科学学位。我们清晰地解释概念。
科学基础
Bike Analytics 建立在数十年同行评审的运动科学研究之上：
功能性阈值功率（FTP）
基于 Andrew Coggan 博士关于功率训练的研究。FTP 代表骑行者在准稳态下不疲劳时能够维持的最高功率，对应于乳酸阈值。
关键研究：Coggan AR, Allen H. "Training and Racing with a Power Meter." VeloPress, 2010.
训练压力评分（TSS）
由 Andrew Coggan 博士为自行车运动开发。通过结合强度（相对于 FTP）和持续时间量化训练负荷，提供一个单一数字来描述训练压力。
关键研究：Coggan AR, Allen H. "Training and Racing with a Power Meter." VeloPress, 2010.
性能管理图表（PMC）
慢性训练负荷（CTL）、急性训练负荷（ATL）和训练压力平衡（TSB）指标。随时间追踪体能、疲劳和状态。
实现方式：CTL 采用42天指数加权移动平均，ATL 采用7天。TSB = CTL - ATL。
基于功率的训练区间
基于 FTP 百分比的训练区间。全球精英骑行者和教练使用，以优化训练强度和适应性。
标准指标：从主动恢复（Z1）到神经肌肉功率（Z7）的7区系统，每个区间针对特定的生理适应。
开发与更新
Bike Analytics 根据用户反馈和最新的运动科学研究积极开发并定期更新。该应用采用以下技术构建：
- Swift 和 SwiftUI - 现代 iOS 原生开发
- HealthKit 集成 - 无缝 Apple Health 同步
- Core Data - 高效的本地数据存储
- Swift Charts - 美观的交互式数据可视化
- 无第三方分析 - 您的使用数据保持私密
编辑标准
Bike Analytics 及本网站上的所有指标和公式均基于同行评审的运动科学研究。我们注明原始来源并提供透明的计算。
最后内容审核：2025年10月
认可与媒体报道
10,000+ 次下载 - 受到全球竞技骑行者、大师运动员、铁人三项运动员和教练的信赖。
4.8★ App Store 评分 - 始终被评为最佳自行车分析应用之一。
100% 专注隐私 - 无数据收集，无外部服务器，无用户追踪。
联系我们
有问题、反馈或建议吗？我们很乐意听取您的意见。