[논문 리뷰] Modelling the effect of training on performance in road cycling: estimation of the Banister model parameters using field data

Phil Scarf, Mansour Shrahili외 3명|arXiv (Cornell University)|2019. 02. 06.

Sports Performance and Training참고 문헌 41인용 수 4

한 줄 요약

이 연구는 현장에서 수집한 파워 및 심박수 데이터를 사용하여 밴이스터 훈련-성능 모델의 매개변수를 추정함으로써 도로 자전거 경기력에 대한 훈련의 영향을 모델링한다. 연구 결과, 모델 매개변수는 개인 간 및 성능 지표 간에 상당한 차이를 보이며, 이는 개인화된, 성능에 특화된 모델이 필수적임을 시사한다. 이는 일반화된 모델이 경기 전 훈련 스케줄 최적화에 부적합하다는 것을 의미한다.

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.

연구 동기 및 목표

• 소유 소프트웨어에서 사용되는 훈련-성능 모델에 대한 강력한 통계적 분석을 수행하기 위해.
• 실제 도로 자전거 운동선수의 현장 데이터를 사용하여 반스터 모델 매개변수를 추정하기 위해.
• 일반화된 훈련 모델이 경기 준비 훈련 스케줄 최적화에 적합한지 평가하기 위해.
• 성능 측정 방식(예: 파워 출력, 심박수)이 모델 매개변수 추정에 어떤 영향을 미치는지 평가하기 위해.
• 모델 매개변수가 운동선수 간 일관성이 있는지, 개인별로 또는 성능 수준에 따라 변하는지 확인하기 위해.

제안 방법

• 연구는 도로 자전거 운동선수로부터 현장에서 수집한 파워 및 심박수 데이터를 사용하여 성능를 훈련 입력에 따라 변하는 랜덤 변수로 모델링한다.
• 훈련 부하와의 관계를 평가하기 위해 네 가지 별도의 성능 지표를 정의하고 분석한다.
• 통계 모델링을 적용하여 실증 데이터로부터 반스터 훈련-성능 모델의 매개변수를 추정한다.
• 개인 간 변동성과 훈련 목표(예: 속도 vs. 내구성)에 따라 성능에 특화된 요소를 고려하여 매개변수 추정을 수행한다.
• 통계적 프레임워크를 사용하여 모델 적합도를 테스트하고, 훈련 스케줄 최적화에 대한 모델의 적합성을 평가한다.
• 모델의 일반화 능력을 평가하기 위해 운동선수 간 및 성능 지표 간 매개변수 추정치를 비교 분석한다.

실험 결과

연구 질문

• RQ1 현장 데이터로부터 추정할 때, 반스터 모델 매개변수는 개인별 도로 자전거 운동선수 간 어떻게 달라지는가?
• RQ2 동일한 운동선수 내에서 성능 지표(예: 파워 출력 vs. 심박수)에 따라 매개변수 추정치가 다를까?
• RQ3 기본적인 훈련-성능 모델이 경기 전 훈련 스케줄 최적화에 얼마나 적합한가?
• RQ4 한 명의 운동선수 내에서 다양한 성능 수준(예: 속도, 내구성) 간에 모델 매개변수는 일관성이 있는가?
• RQ5 통계 모델은 실제 자전거 경기 조건에서 훈련 입력을 바탕으로 성과를 신뢰성 있게 추정할 수 있는가?

주요 결과

• 반스터 모델의 매개변수 추정치는 개인 간에 상당한 차이를 보이며, 이는 일률적인 모델이 부적절함을 시사한다.
• 동일한 운동선수 내에서 성능 지표 간에 매개변수 추정치가 다르므로, 훈련 효과가 모든 성능 유형에 균일하게 분포하지 않는다는 것을 시사한다.
• 연구는 훈련-성능 모델이 개인과 특정 성능 수준(예: 속도 또는 내구성)에 맞게 개인화되어야 한다고 결론 내린다.
• 집계된 데이터로부터 유도된 일반화된 모델은 경기 전 훈련 스케줄 최적화에 부적합하다.
• 통계 분석은 모델 매개변수가 개인의 생리적 특성과 성능 지표 선택에 민감하게 반응함을 확인한다.
• 연구 결과는 표준화된 훈련 모델에 의존하기보다는 개인화된, 성능에 특화된 모델링의 필요성을 강조한다.