cyclingstats

生理基礎

儲能

人體以不同形式存儲能量：

• ATP（三磷酸腺苷） ：肌肉收縮的主要能源。
• 肌酸磷酸鹽：用於短期努力。
• 糖原：儲存在肝臟和肌肉中，在長時間運動過程中用作燃料。

能量途徑

• 持續不到10秒的努力：身體主要使用肌酸磷酸鹽。
• 持續30秒至2分鐘的練習：厭氧糖酵解占主導地位。
• 更長的努力：依賴有氧糖酵解和β-氧化。

騎自行車的生物能力方程

該工具背後的主要公式基於對數函數的組合： f（x）= a/ln（x） + b * ln（x） + c

通過對數和對數乘以分裂的組合創建了一個模型，該模型可以描述騎自行車的人在不同持續時間的努力中如何演變。

NB：該方程基於對不同事件中不同騎自行車的概況的觀察。該方程已被驗證以最大1小時的努力。

術語的解釋

1. 學期A/LN（X） ：

   該術語可以代表人體對快速可用的能源的初始依賴，例如ATP和肌酸磷酸鹽。當努力短暫時，該術語代表了高初始功率，但是這些來源迅速耗盡。

2. b*ln（x）術語：

   隨著初始能源的消耗，人體更加嚴重地依賴於糖酵解，首先是厭氧，然後是有氧的。隨著時間的流逝，該術語增加了緩慢的增加，代表了對這些更可持續的能源途徑的日益依賴。

3. c ：

   長時間後，人體主要依靠β-氧化，其中脂肪是主要能量的來源。該術語可能在此階段穩定，反映了個人的有氧耐力。

使用腳本

live_analyzer.py

該腳本是一個實時分析儀，它使用藍牙連接實時接收和處理電源數據。

如何使用它：

1. 確保正確配置並與數據源配對您的藍牙設備。
2. 運行腳本：python live_analyzer.py
3. 按照屏幕上的說明開始實時分析。

computation.py

該腳本從.gpx或.tcx文件分析電源數據。

如何使用它：

1. 準備包含電源數據的.gpx或.tcx文件。
2. 運行腳本，將文件作為參數提供：python computation.py path_to_your_file.gpx
3. 腳本將處理數據並根據上述公式提供詳細的分析。

---

請記住，這些解釋基於所提供的常數和所使用的數學模型。有關更具體或量身定制的分析，請諮詢運動生理學專家或專業自行車教練。

由Gabiga7