S4S - S.W.E.A.T. for Science
Research project at a glance
Departments and Instituts
Period
23.03.2014 to 30.09.2019
Project Description
Die Fragestellung nach einem effektiven, zugleich aber angemessenen Training ist in den unterschiedlichsten Bereichen von großer Relevanz. Sowohl im Leistungssport als auch für Hobbysportler ist die Steigerung der persönlichen Leistung häufig von Interesse. Ebenso kann der Reha-Sport insbesondere bei Herz-Kreislauf-Patienten eine Verbesserung der Fitness zum Ziel haben. Unabhängig vom konkreten Anwendungsfall ist es jedoch wichtig, eine durch das Training hervorgerufene Überlastung zu vermeiden, zeitgleich jedoch eine Leistungssteigerung zu erzielen.
Das Projekt S.W.E.A.T. for Science – Specific Workout, Efficient Assisted Training befasst sich mit der Modellierung von Trainingsplänen und der Vorhersage der individuellen Leistungsfähigkeit. Ziel des Projekts ist es zunächst, automatisiert individuelle Trainingspläne zu erstellen, bei denen auf möglichst effiziente Weise und ohne Überanstrengung trainiert wird. Zusätzlich werden diese Trainingspläne im Anschluss mit der Steuerung motorisierter Fahrräder kombiniert, sodass diese als Unterstützung dienen können. Dadurch wird es möglich, mit dem Fahrrad auf beliebiger Strecke unabhängig von der Steigung, eventuellem Gegenwind oder anderen das Training erschwerenden Faktoren zu trainieren, und trotzdem eine Überlastung zu vermeiden. Anhand der Leistungsvorhersagen und des auf die einzelne Person individuell angepassten Trainingsplans soll die Motor-Unterstützung gezielt einsetzen, wenn die Beanspruchung zu groß zu werden droht.
Speziell befasst sich das Projekt mit der Leistungssteigerung im Bereich des Ausdauertrainings beim Laufen und Fahrradfahren. Ein erster Aspekt besteht nun darin, die Möglichkeiten der Trainingsmodellierung zu untersuchen. Hierzu wurden bereits unterschiedliche Modelle – sowohl aus der sportwissenschaftlichen Literatur, als auch eigene – miteinander verglichen und auf Basis der Herzfrequenz Vorhersagen bei gegebenem Belastungsprofil getroffen. Mit Techniken des maschinellen Lernens sowie Methoden der Signalverarbeitung ist es bereits möglich, automatisierte Trainingspläne zu erstellen, die im weiteren Projektverlauf zur gezielten Steuerung der Motorenleistung verwendet werden sollen. Ein weiteres Ziel ist es, zusätzlich zur automatisierten und individuellen Lastunterstützung ein ebenso individuelles Motivationskonzept zu entwickeln, welches sich adaptiv auf den jeweiligen Nutzer einstellt und sie oder ihn bei der Erreichung der persönlichen Trainingsziele überlastungsfrei unterstützt.
Results
Aktuelle Abschluss- und Projektarbeiten
- Kevin Bach
- Lukas Birr
- Felix Hampe
- Bastian Lang
- Anniruddha Pal
- Christoph Schmid
- David Uhlig
Abschlossene Abschluss- und Projektarbeiten
- Kevin Kapitza: Modelling effects of physical training on human performance: a comparison of Fitness-Fatigue-Models and neural network approaches, Bachelorarbeit, 2017
- David Schäfer: Trainingsportal zur Evaluation von Trainingsmodellen, Masterarbeit, 2015
- Melanie Ludwig: Computational Prediction of Training on Physical Performance: Model Analysis and Comparison, Masterarbeit 2015
- David Schäfer: Optimierung von Trainingsplänen auf Basis von Langzeitmodellen, Masterprojekt, 2015
- Melanie Ludwig: Vergleichende Evaluierung von Kurz- und Langzeit-Trainingsmodellen, Masterprojekt, 2014
Auszeichnungen
-
Best student paper award
Melanie Ludwig, Ashok Meenakshi Sundaram, Matthias Füller, Alexander Asteroth, Erwin Prassler: On modeling the cardiovascular system and predicting the human heart rate under strain. Proceedings of the 1st International Conference on Information and Communication Technologies for Ageing Well and e-Health (ICT4AgingWell), 2015
Publications
- Melanie Ludwig, Harald Grohganz, and Alexander Asteroth. A Convolution Model for Heart Rate Prediction in Physical Exercise. In Proceedings of the 4th International Congress on Sport Sciences Research and Technology Support (icSPORTS), pages 157-164, 2016.
- Melanie Ludwig, David Schaefer, and Alexander Asteroth. Training Simulation with Nothing but Training Data - Simulating Performance based on Training Data Without the Help of Performance Diagnostics in a Laboratory. In Proceedings of the 4th International Congress on Sport Sciences Research and Technology Support (icSPORTS), pages 75-82, 2016
- Melanie Ludwig, Alexander Asteroth. Predicting Performance from Outdoor Cycling Training with the Fitness-Fatigue Model. In A. Artiga Gonzalez, R. Bertschinger, T. Dahmen, M. Gratkowski, S. Wolf, and D. Saupe, editors, Proceedings dvs-Workshop Modelling in Endurance Sports, University of Konstanz, Sept. 9–11, 2016, pages 3–6. KOPS – The Institutional Repository of the University of Konstanz, 2016.
- Matthias Füller, Ashok Meenakshi Sundaram, Melanie Ludwig, Alexander Asteroth and Erwin Prassler. Modeling and Predicting the Human Heart Rate During Running Exercise, in Information and Communication Technologies for Ageing Well and e-Health, pages 106-125, Springer, 2015
- David Schaefer, Alexander Asteroth, and Melanie Ludwig. Training plan evolution based on training models. In International Symposium on Innovations in Intelligent Systems and Applications, 2015.
- Melanie Ludwig, Ashok Meenakshi Sundaram, Matthias Füller, Alexander Asteroth, Erwin Prassler: On modeling the cardiovascular system and predicting the human heart rate under strain. Proceedings of the 1st International Conference on Information and Communication Technologies for Ageing Well and e-Health (ICT4AgingWell), 2015