[論文レビュー] Modelling the effect of training on performance in road cycling: estimation of the Banister model parameters using field data

Phil Scarf, Mansour Shrahili+3 more|arXiv (Cornell University)|Feb 6, 2019

Sports Performance and Training参考文献 41被引用数 4

ひとこと要約

本研究では、実地で収集したパワーおよび心拍数データを用いて、バニスタのトレーニング-パフォーマンスモデルのパラメータを推定し、ロードサイクリングパフォーマンスへのトレーニングの影響をモデル化する。その結果、モデルパラメータは個々の選手およびパフォーマンス指標によって顕著に異なることが判明し、パーソナライズされた、パフォーマンスに特化したモデルが不可欠であることが示唆された。これは、一般的なモデルが競技前のトレーニングスケジュール最適化に不適切であることを示している。

ABSTRACT

We suppose that performance is a random variable whose expectation is related to training inputs, and we study four performance measures in a statistical model that relates performance to training. Our aim is to carry out a robust statistical analysis of the training-performance models that are used in proprietary software to plan training, and thereby put them on a firmer footing. The performance measures we consider are calculated using power output and heart rate data collected in the field by road cyclists. We find that parameter estimates in the training-performance models that we study differ across riders and across performance measures within riders. We conclude therefore that models and their estimates must be specific, both to the individual and to the quality (e.g. speed or endurance) that the individual seeks to train. While the parameter estimates we obtain may be useful for comparing given training programmes, we show that the underlying models themselves are not appropriate for the optimisation of a training schedule in advance of competition.

研究の動機と目的

• 特許取得済みのトレーニングソフトウェアで使用されるトレーニング-パフォーマンスモデルの統計的分析を厳密に行う。
• 実地のロードサイクリストから得た実世界のデータを用いて、バニスタモデルのパラメータを推定する。
• 一般的なトレーニングモデルが、競技に備えたトレーニングスケジュールを事前に最適化するのに適しているかどうかを評価する。
• パフォーマンス指標（例：出力パワー、心拍数）が、モデルパラメータ推定値に与える影響を評価する。
• モデルパラメータが選手間で一貫しているのか、それとも個々の選手およびパフォーマンスの質によって変動するのかを特定する。

提案手法

• 本研究では、パフォーマンスをトレーニング入力に依存する期待値を持つ確率変数としてモデル化し、ロードサイクリストから収集した実地のパワーおよび心拍数データを用いる。
• トレーニング負荷との関係を評価するために、4つの異なるパフォーマンス指標を定義し分析する。
• 統計的モデリングを用いて、実証データからバニスタトレーニング-パフォーマンスモデルのパラメータを推定する。
• パラメータ推定は、個々の変動性およびパフォーマンスに特化したトレーニング目標（例：スピード対耐久力）を考慮する。
• 統計的フレームワークを用いて、モデルの適切さを検証し、トレーニングスケジュール最適化に適したモデルの妥当性を評価する。
• 選手およびパフォーマンス指標ごとのパラメータ推定値を比較分析し、モデルの一般化可能性を評価する。

実験結果

リサーチクエスチョン

• RQ1 実地データから推定した場合、バニスタモデルのパラメータは、個々のロードサイクリスト間でどのように変動するか？
• RQ2 同じ選手において、パフォーマンス指標（例：出力パワー対心拍数）によってパラメータ推定値は異なるか？
• RQ3 トレーニング-パフォーマンスモデルの基礎となるモデルが、競技に備えたトレーニングスケジュールを事前に最適化するのにどの程度適しているか？
• RQ4 同じアスリート内で、パフォーマンスの質（例：スピード、耐久力）によってモデルパラメータが一貫しているか？
• RQ5 統計モデルは、実地のサイクリング環境下で、トレーニング入力に基づきパフォーマンス結果を信頼性高く推定できるか？

主な発見

• バニスタモデルのパラメータ推定値は、選手間で顕著に異なるため、万能型モデルは不十分であることが示された。
• 同じ選手においても、パフォーマンス指標ごとにパラメータ推定値が異なるため、トレーニング効果がパフォーマンスの種類にわたって一様に分布しないことが示唆された。
• 本研究では、トレーニング-パフォーマンスモデルは、選手ごとおよび特定のパフォーマンス品質（例：スピードまたは耐久力）に特化してパーソナライズされる必要があると結論づけた。
• 集計データから導かれた一般的なモデルは、競技に備えたトレーニングスケジュールを事前に最適化するのに不適切である。
• 統計的分析により、モデルパラメータが個々の生理的特性およびパフォーマンス指標の選択に敏感であることが確認された。
• 研究結果は、標準化されたトレーニングモデルに依存するのではなく、個別化され、パフォーマンスに特化したモデリングの重要性を強調している。