起跑配速 顺利完赛的基础 通过前面的论证,我们知道了匀速策略可以最大化跑者的运动表现。 延伸阅读:跑步、马拉松比赛怎么选择配速策略(上) 那么起跑时选择什么样的配速,就成为配速策略的重要组成部分。在人潮汹涌的出发区,一不小心就可能配速“跑偏”;选择正确的起跑配速,则可能为后面的比赛奠定良好的基础。 一组来自爱尔兰都柏林大学的研究2,从过去12年的64场比赛中,收集了170万大众跑者的数据,排除了精英(男性150分钟、女性185分钟内完赛)以及步行者(完赛时间在7小时以上),以确保数据的代表性。同样地,研究人员计算了参赛跑者每5公里的平均配速,在此基础上,用前5公里的配速,与全程的平均配速进行比对,得出一个【相对配速(Relative Pace,以下简称RP)】的指标。举例来说,RP = 5%意味着前5公里的配速比全程平均配速快了5%。 在这份研究的样本中,超过68%的跑者起跑配速比全程配速高出5%以上(RP > 5%);只有9%的跑者起跑配速至少比他们的全程配速慢5%。这也符合比赛的实际情况:在热烈的起跑气氛中,很多人会忍不住快速起跑;加上起跑区人流较大,大家配速各不相同,也不利于对配速进行控制。 起跑配速RP的人数分布 数据来源:参考文献2
那么,起跑配速和最终成绩又有什么联系呢?让我们从以下两个角度进行分析:
整体 起跑配速和完赛时间的关系 下图显示了爱尔兰学者研究的结果:马拉松前5公里段中,所有跑者的平均完赛时间与相对起跑配速的关系。 最好的完赛时间(233分钟)是在前5公里非常接近他们的全程平均配速 (RP= 0%)的选手身上发现的。 可以从相差的分钟数上看到, RP = 10%的人平均完成时间增加约37分钟, 而RP= -10%的人平均完成时间增加约29分钟。 起跑配速与完赛时间的关系 数据来源:参考文献2 在无锡马的RQ跑者数据中,我们也观察到了相似的趋势:起跑配速越接近平均配速,跑者越有可能取得好成绩。 当然还需要注意的是,相对于文献的大数据样本,我们这次仅获取了1次马拉松比赛的部分跑者数据,这些跑者的起跑配速RP基本都控制在-10% ~ +15%之间——可以说,RQ用户放在整个跑马群体而言,在起跑配速上控制得更好,属于比较有经验的跑者(RQ是严肃跑者专用APP实锤了)~ 起跑配速与完赛时间的关系 数据来源:2023无锡马RQ用户 下面让我们观察不同成绩分组下的RP值: 不同成绩分组下的RP分布 可以看到,成绩在4小时以内的前三个组别用户,大多数起跑配速都能很好地控制在+10%以内(起跑配速相对于全程平均配速,最多不会超过10%)。而完赛时间4小时以上的用户,有更大的比例起跑配速超过10%。这再一次说明了,维持相对稳定的配速,起跑不要过快,对于想要破四的跑者而言,非常重要。 个体 起跑配速和个人表现的关系 看完起跑配速与整体成绩的关系,下面具体到个体层面,观察RP与个人表现的关系。 PB是跑者们孜孜以求的目标。在上文提到的研究中,作者找出了跑过3场以上马拉松的跑者,找出他们成绩最好的一场标记为“PB”,与其他“非PB”的运动记录进行对比。两种记录的平均完赛时间相差在18分钟左右。 RP与“PB”比例的关系 如上所示,RP = 0%处可以看到最高的PB人数比例(36%),对于跑得越慢和越快的跑步者来说,获得PB的可能性不断下降。事实上,77%的PB跑者的起跑配速(在所有能力水平的跑步者中)是在他们的平均配速的±5%以内。 还记得之前我们提到的跑力预测配速与跑者实际配速对比吗?现在让我们加入RP值,来考察跑者未能达到“预计配速”的原因。 我们将参加无锡马的RQ用户,按照前五公里的RP值,分为三组:5%以下, 5% - 10%, 10%以上。 可以看出,大部分起跑配速比全程配速快过10%的跑者,都未能达到与自己跑力相匹配的成绩,而且从跑力30到60区间内,都有这样的情况出现。 由此可见,配速分配失当,是发挥不如预期的主要原因之一,而且这种情况,不论在小白还是大神身上,都有可能发生。 小结 稳住配速,起跑宁慢勿快...对于参加过马拉松的跑者而言可能是老生常谈,但是不论是学术研究,还是我们详实的数据都表明,配速分配不合理是普遍存在的情况,起步时跑得过快或过慢都会影响成绩。 希望这篇文章可以帮助正在准备下一场比赛的你,找到属于自己的合适配速,通过日复一日的训练,早日练就“定速巡航”的本领~ 文 / Rui、郭子仪 参考文献 1. Hanley B., Pacing, packing and sex-based differences in Olympic and IAAF World Championship marathons[J]. Journal of sports sciences, 2016, 34(17): 1675-1681. 2. Smyth B., Fast starters and slow finishers: a large-scale data analysis of pacing at the beginning and end of the marathon for recreational runners[J]. Journal of Sports Analytics, 2018, 4(3): 229-242..
|
|