Cycling modelling under uncontrolled outdoor conditions using a wearable sensor and different meteorological measurement methods
Notice bibliographique
Résumé
The aim of this study was to model the cycling displacement under uncontrolled outdoor conditions with a wearable sensor and different meteorological measurement methods. One participant completed eight courses of a distance of 9.2 ± 2.4 km with varied profiles and directions. Data were recorded every second with a power meter, a GPS and a speed sensor. The aerodynamic drag coefficient, measured by a Notio wearable sensor, and the meteorological variables provided by the Notio, a Kestrel fixed meteorological station and the OpenWeather website were integrated into the Martin mathematical model to calculate the theoretical power output. The power calculated by the model on the basis of data from Notio, Kestrel and OpenWeather were, respectively, 1 ± 4 W higher, 7 ± 15 W lower and 67 ± 111 W higher than the power measured by the sensor. The overall RMSE and R 2 , including 7325 data points, were 12.8 W and 0.77 ( p < 0.001), respectively, between the power output measured by the sensor and the power output modelled with the data from Notio. The use of the model with the wearable sensor was more precise mainly due to the relative wind measures at all points of the course. Therefore, the Notio can be useful for coaches to follow the evolution of the C d A of athletes on the field. Moreover, the model has the potential to predict the time of a cyclist just before a time trial in order to optimise his pacing strategy taking into account actual weather conditions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».