AI-coach kan guida löpare till rätt tempo

Data från Göteborgsvarvet kan hjälpa löpare att hålla rätt tempo och minska risken att gå in i väggen under lopp. Men för att skapa en AI-coach behöver forskarna tillgång till personlig träningshistorik.

Publicerad
Göteborgsvarvet 2019.

Göteborgsvarvet 2019. Efter två års coronastoppade lopp arrangeras Göteborgsvarvet igen 21 maj i år.
Bild: Glenn T Unger

Omkring 40 000–50 000 löpare springer årligen det 21 kilometer långa Göteborgsvarvet, och efter två års inställda lopp är det åter dags lördagen den 21 maj. Även i år kommer omkring 8–9 procent av löparna att gå in i väggen och behöva sänka sin fart med minst 25 procent under fem kilometer eller mer. Detta sker för det mesta mellan 10 och 15 kilometer in i loppet. Ett vanligt år springer 2 000 löpare in i väggen men om det är väldigt varmt kan det bli så många som 6 000.

Majoriteten av dem befinner sig i den nedre delen av resultatlistan och är sannolikt motionärer med relativt lite träningsmängd i benen. Många av dem har dessutom ”väggat” vid tidigare lopp och skulle uppenbarligen behöva hjälp att hitta ett tempo som de kan hålla hela loppet. Nu kan sådan hjälp vara på gång.

I ett projekt på institutionen för data- och informationsteknik vid Chalmers tekniska högskola i Göteborg har tio års data från Göteborgsvarvet analyserats och på sikt är ambitionen att ta fram en sorts AI-coach som kan föreslå hur löparna ska lägga upp sina lopp.

Moa Johansson
Moa Johansson är docent på institutionen för data- och informationsteknik vid Chalmers tekniska högskola.
Bild: Anneli Andersson

– En fungerande tjänst är nog inte alltför långt borta, säger Moa Johansson, docent vid institutionen för data- och informationsteknik och den som leder projektet.

Undvika ”väggning”

Hittills har uppgifter som mellantider, sluttider och löparnas ålder använts i datainlärningsmodellen, i kombination med temperaturdata från SMHI. Statistiken om ”väggningar” är ett exempel på vad data från loppet visar. För att kunna göra mer personliga förutsägelser behöver modellen även ha tillgång till individuella träningsdata.

– Om man kan få hjälp att hålla ett bra tempo som gör att man känner sig stark och kan öka farten i slutet av loppet, då blir man också psykologiskt mer motiverad att fortsätta träna efteråt. På så sätt kan den här coachningen ha positiva effekter för folkhälsan, säger Moa Johansson.

I dag finns löparklockor som gör förutsägelser om prestationer på lopp baserat på träningshistoriken, men de bygger sannolikt på ganska enkla modeller, tror Moa Johansson.

– De tar till exempel inte med i beräkningen om det är varmt eller kallt, eller hur banan ser ut.

Rätt sida om gränsen

Hon hoppas på ett fortsatt samarbete med Göteborgsvarvet, och förutom personliga träningsdata vore det önskvärt att även få tillgång till läkarnas data om kollapser under loppet.

– Förr var det framför allt unga, vältränade män som sprang Göteborgsvarvet, men nu är många i 40-årsåldern och uppåt, säger Moa Johansson.

En AI-coach skulle kunna guida löparna att prestera optimalt utan att gå över sin gräns och utsätta sig för hälsorisker.

F&F i din mejlbox!

Håll dig uppdaterad med F&F:s nyhetsbrev!

Beställ nyhetsbrev

Kunskap baserad på vetenskap

Prenumerera på Forskning & Framsteg!

Inlogg på fof.se • Tidning • Arkiv med tidigare nummer

Beställ i dag!
Publicerad

Upptäck F&F:s arkiv!

Se alla utgåvor