Τεχνική Αναφορά & Τύποι

Πλήρης Μαθηματική Υλοποίηση

Οδηγός Υλοποίησης

Αυτή η σελίδα παρέχει τύπους έτοιμους για αντιγραφή και μεθόδους υπολογισμού βήμα προς βήμα για όλες τις μετρήσεις του Run Analytics. Χρησιμοποιήστε τους για προσαρμοσμένες υλοποιήσεις, επαλήθευση ή βαθύτερη κατανόηση.

⚠️ Σημειώσεις Υλοποίησης

  • Όλοι οι χρόνοι θα πρέπει να μετατρέπονται σε δευτερόλεπτα για τους υπολογισμούς
  • Ο ρυθμός τρεξίματος είναι αντίστροφος (υψηλότερο % = πιο αργός ρυθμός)
  • Πάντα επικυρώνετε τις εισόδους για εύλογα εύρη τιμών
  • Χειριστείτε τις ακραίες περιπτώσεις (διαίρεση με το μηδέν, αρνητικές τιμές)

Βασικές Μετρήσεις Απόδοσης

Κρίσιμη Ταχύτητα Τρεξίματος (CRS)

Τύπος:

CRS (m/s) = (D₂ - D₁) / (T₂ - T₁)
CRS Ρυθμός (min/km) = 16.667 / CRS (m/s)

🧪 Διαδραστική Αριθμομηχανή - Δοκιμάστε τον Τύπο

CRS Ρυθμός ανά χλμ:
4:17
Βήματα υπολογισμού:
CRS (m/s) = (3600 - 1200) / (900 - 270) = 3.81 m/s
Ρυθμός/χλμ = 1000 / 3.81 = 262 δευτερόλεπτα = 4:22

Υλοποίηση σε JavaScript:

function calculateCRS(distance1, time1, distance2, time2) {
  // Convert times to seconds if needed
  const t1 = typeof time1 === 'string' ? timeToSeconds(time1) : time1;
  const t2 = typeof time2 === 'string' ? timeToSeconds(time2) : time2;

  // Calculate CRS in m/s
  const crs_ms = (distance2 - distance1) / (t2 - t1);

  // Calculate pace per km in seconds
  const pace_per_km = 1000 / crs_ms;

  // Convert to mm:ss format
  const minutes = Math.floor(pace_per_km / 60);
  const seconds = Math.round(pace_per_km % 60);

  return {
    velocity_ms: crs_ms,
    pace_seconds: pace_per_km,
    pace_formatted: `${minutes}:${seconds.toString().padStart(2, '0')}`
  };
}

// Example usage:
const result = calculateCRS(200, 150, 400, 368);
// Returns: { css_ms: 0.917, pace_seconds: 109, pace_formatted: "1:49" }

Running Stress Score (rTSS)

Πλήρης Τύπος:

rTSS = (IF²) × Διάρκεια (ώρες) × 100
IF = NSS / Ταχύτητα Κατωφλίου
NSS = Συνολική Απόσταση / Συνολικός Χρόνος (m/min)

🧪 Διαδραστική Αριθμομηχανή - Δοκιμάστε τον Τύπο

Υπολογισμένο rTSS:
31
Βήματα υπολογισμού:
NSS = 5000m / 400min = 200 m/min
Ταχύτητα Κατωφλίου = 1000 / (255/60) = 235.3 m/min
IF = 200 / 235.3 = 0.850
rTSS = 0.850² × (25/60) × 100 = 31

Υλοποίηση σε JavaScript:

function calculateRTSS(distance, timeMinutes, ftpMetersPerMin) {
  // Calculate Normalized Run Speed
  const nss = distance / timeMinutes;

  // Calculate Intensity Factor
  const intensityFactor = nss / ftpMetersPerMin;

  // Calculate hours
  const hours = timeMinutes / 60;

  // Calculate rTSS using squared intensity factor
  const rtss = Math.pow(intensityFactor, 2) * hours * 100;

  return Math.round(rtss);
}

// Example usage:
const rtss = calculateRTSS(3000, 55, 64.5);
// Returns: 65

// Helper: Convert CRS Pace to Running Speed (m/min)
function crsPaceToSpeed(crsPacePerKmSeconds) {
  // Speed in m/min = 1000m / (pace in minutes)
  return 1000 / (crsPacePerKmSeconds / 60);
}

// Example: CRS of 4:15 (255 seconds)
const speed = crsPaceToSpeed(255); // Returns: 235.3 m/min

Βιομηχανική Αποδοτικότητα: Κάθετη Αναλογία

Τύπος:

Κάθετη Αναλογία (%) = (Κάθετη Ταλάντωση ÷ Μήκος Βήματος) × 100

🧪 Διαδραστική Αριθμομηχανή - Δοκιμάστε τον Τύπο

Κάθετη Αναλογία:
7.4%
Υπολογισμός:
Κάθετη Αναλογία = (8.5 / 115) × 100 = 7.4%

Υλοποίηση σε JavaScript:

function calculateVerticalRatio(oscillationCm, strideLengthCm) {
  return (oscillationCm / strideLengthCm) * 100;
}

function calculateEfficiencyFactor(paceMetersPerMin, avgHeartRate) {
  return paceMetersPerMin / avgHeartRate;
}

Τρέξιμο Μηχανική Βηματισμού

Ρυθμός Βηματισμού (SR)

Τύπος:

SR = 60 / Χρόνος Κύκλου (δευτερόλεπτα)
SR = (Αριθμός Βημάτων / Χρόνος σε δευτερόλεπτα) × 60

🧪 Διαδραστική Αριθμομηχανή - Δοκιμάστε τον Τύπο

Ρυθμός Βηματισμού (SPM):
72
Υπολογισμός:
SR = (30 / 25) × 60 = 72 SPM

Υλοποίηση σε JavaScript:

function calculateStrideRate(strideCount, timeSeconds) {
  return (strideCount / timeSeconds) * 60;
}

// Example:
const sr = calculateStrideRate(30, 25);
// Returns: 72 SPM

Απόσταση Ανά Βήμα (DPS)

Τύπος:

DPS = Απόσταση / Αριθμός Βημάτων
DPS = Απόσταση / (SR / 60)

Υλοποίηση σε JavaScript:

function calculateDPS(distance, strideCount) {
  return distance / strideCount;
}

// Example (100m sprint):
const dps = calculateDPS(100, 52);
// Returns: 1.92 m/stride

// For longer distances:
const dpsKm = calculateDPS(1000, 800);
// Returns: 1.25 m/stride

Ταχύτητα από SR και DPS

Τύπος:

Ταχύτητα (m/s) = (SR / 60) × DPS

Υλοποίηση σε JavaScript:

function calculateVelocity(strideRate, dps) {
  return (strideRate / 60) * dps;
}

// Example:
const velocity = calculateVelocity(70, 1.6);
// Returns: 1.87 m/s

Δείκτης Βηματισμού (SI)

Τύπος:

SI = Ταχύτητα (m/s) × DPS (m/βήμα)

Υλοποίηση σε JavaScript:

function calculateStrideIndex(velocity, dps) {
  return velocity * dps;
}

// Example:
const si = calculateStrideIndex(1.5, 1.7);
// Returns: 2.55

Διάγραμμα Διαχείρισης Απόδοσης (PMC) για Τρέξιμο

Υπολογισμοί CTL, ATL, TSB

Τύποι:

CTL σήμερα = CTL χθες + (rTSS σήμερα - CTL χθες) × (1/42)
ATL σήμερα = ATL χθες + (rTSS σήμερα - ATL χθες) × (1/7)
TSB = CTL χθες - ATL χθες

Υλοποίηση σε JavaScript:

function updateCTL(previousCTL, todayRTSS) {
  return previousCTL + (todayRTSS - previousCTL) * (1/42);
}

function updateATL(previousATL, todayRTSS) {
  return previousATL + (todayRTSS - previousATL) * (1/7);
}

function calculateTSB(yesterdayCTL, yesterdayATL) {
  return yesterdayCTL - yesterdayATL;
}

// Calculate PMC for series of workouts
function calculatePMC(workouts) {
  let ctl = 0, atl = 0;
  const results = [];

  workouts.forEach(workout => {
    ctl = updateCTL(ctl, workout.tss);
    atl = updateATL(atl, workout.tss);
    const tsb = calculateTSB(ctl, atl);

    results.push({
      date: workout.date,
      tss: workout.tss,
      ctl: Math.round(ctl * 10) / 10,
      atl: Math.round(atl * 10) / 10,
      tsb: Math.round(tsb * 10) / 10
    });
  });

  return results;
}

// Example usage:
const workouts = [
  { date: '2025-01-01', tss: 50 },
  { date: '2025-01-02', tss: 60 },
  { date: '2025-01-03', tss: 45 },
  // ... more workouts
];

const pmc = calculatePMC(workouts);
// Returns array with CTL, ATL, TSB for each day

Προηγμένοι Υπολογισμοί

CRS από Πολλαπλές Αποστάσεις (Μέθοδος Παλινδρόμησης)

Υλοποίηση σε JavaScript:

function calculateCRSRegression(distances, times) {
  // Linear regression: distance = a + b*time
  const n = distances.length;
  const sumX = times.reduce((a, b) => a + b, 0);
  const sumY = distances.reduce((a, b) => a + b, 0);
  const sumXY = times.reduce((sum, x, i) => sum + x * distances[i], 0);
  const sumXX = times.reduce((sum, x) => sum + x * x, 0);

  const slope = (n * sumXY - sumX * sumY) / (n * sumXX - sumX * sumX);
  const intercept = (sumY - slope * sumX) / n;

  return {
    css: slope, // Critical running velocity (m/s)
    anaerobic_capacity: intercept // Anaerobic distance capacity (m)
  };
}

// Example with multiple test distances:
const distances = [100, 200, 400, 800];
const times = [65, 150, 340, 720]; // in seconds
const result = calculateCRSRegression(distances, times);
// Returns: { css: 1.18, anaerobic_capacity: 15.3 }

Συντελεστής Έντασης από Ρυθμό

Υλοποίηση σε JavaScript:

function calculateIntensityFactor(actualSpeed, thresholdSpeed) {
  return actualSpeed / thresholdSpeed;
}

// Example:
const if_value = calculateIntensityFactor(200, 235.3);
// Returns: 0.850 (running at 85% of threshold)

Ανάλυση Συνέπειας Ρυθμού

Υλοποίηση σε JavaScript:

function analyzePaceConsistency(segments) {
  const paces = segments.map(kilometer => kilometer.distance / kilometer.time);
  const avgPace = paces.reduce((a, b) => a + b) / paces.length;

  const variance = paces.reduce((sum, pace) =>
    sum + Math.pow(pace - avgPace, 2), 0) / paces.length;
  const stdDev = Math.sqrt(variance);
  const coefficientOfVariation = (stdDev / avgPace) * 100;

  return {
    avgPace,
    stdDev,
    coefficientOfVariation,
    consistency: coefficientOfVariation < 5 ? "Άριστη" :
                 coefficientOfVariation < 10 ? "Καλή" :
                 coefficientOfVariation < 15 ? "Μέτρια" : "Μεταβλητή"
  };
}

// Example:
const segments = [
  { distance: 1000, time: 270 },
  { distance: 1000, time: 285 },
  { distance: 1000, time: 280 },
  // ...
];
const analysis = analyzePaceConsistency(segments);
// Returns: { avgPace: 3.57, stdDev: 0.08, coefficientOfVariation: 2.2, consistency: "Άριστη" }

Ανίχνευση Κόπωσης από Αριθμό Βημάτων

Υλοποίηση σε JavaScript:

function detectFatigue(segments) {
  const firstThird = segments.slice(0, Math.floor(segments.length/3));
  const lastThird = segments.slice(-Math.floor(segments.length/3));

  const firstThirdAvg = firstThird.reduce((sum, kilometer) =>
    sum + kilometer.strideCount, 0) / firstThird.length;
  const lastThirdAvg = lastThird.reduce((sum, kilometer) =>
    sum + kilometer.strideCount, 0) / lastThird.length;

  const strideCountIncrease = ((lastThirdAvg - firstThirdAvg) / firstThirdAvg) * 100;

  return {
    firstThirdAvg: Math.round(firstThirdAvg * 10) / 10,
    lastThirdAvg: Math.round(lastThirdAvg * 10) / 10,
    percentIncrease: Math.round(strideCountIncrease * 10) / 10,
    fatigueLevel: strideCountIncrease < 5 ? "Ελάχιστη" :
                  strideCountIncrease < 10 ? "Μέτρια" :
                  strideCountIncrease < 20 ? "Σημαντική" : "Έντονη"
  };
}

// Example:
const segments = [
  { strideCount: 14 }, { strideCount: 14 }, { strideCount: 15 },
  { strideCount: 15 }, { strideCount: 16 }, { strideCount: 16 },
  { strideCount: 17 }, { strideCount: 18 }, { strideCount: 18 }
];
const fatigue = detectFatigue(segments);
// Returns: { firstThirdAvg: 14.3, lastThirdAvg: 17.7, percentIncrease: 23.8, fatigueLevel: "Έντονη" }

Επαλήθευση Δεδομένων

Έλεγχοι Ποιότητας Δεδομένων Προπόνησης

Υλοποίηση σε JavaScript:

function validateWorkoutData(workout) {
  const issues = [];

  // Check for reasonable pace ranges (3:00-10:00 per km)
  const avgPace = workout.totalTime / (workout.totalDistance / 1000);
  if (avgPace < 180 || avgPace > 600) {
    issues.push(`Ασυνήθιστος μέσος ρυθμός: ${Math.round(avgPace)}s ανά χλμ`);
  }

  // Check for reasonable stride length (0.5m - 2.5m)
  const avgStrideLength = workout.totalDistance / workout.totalStrides;
  if (avgStrideLength < 0.5 || avgStrideLength > 2.5) {
    issues.push(`Ασυνήθιστο μήκος διασκελισμού: ${avgStrideLength.toFixed(2)}m`);
  }

  // Check for reasonable stride rate (30-150 SPM)
  const avgSR = calculateStrideRate(workout.totalStrides, workout.totalTime);
  if (avgSR < 30 || avgSR > 150) {
    issues.push(`Ασυνήθιστος ρυθμός βηματισμού: ${Math.round(avgSR)} SPM`);
  }

  // Check for missing segments (gaps in time)
  if (workout.segments && workout.segments.length > 1) {
    for (let i = 1; i < workout.segments.length; i++) {
      const gap = workout.segments[i].startTime -
                  (workout.segments[i-1].startTime + workout.segments[i-1].duration);
      if (gap > 300) { // 5 minute gap
        issues.push(`Εντοπίστηκε μεγάλο κενό μεταξύ τμημάτων ${i} και ${i+1}`);
      }
    }
  }

  return {
    isValid: issues.length === 0,
    issues
  };
}

// Example:
const workout = {
  totalDistance: 2000,
  totalTime: 1800, // 30 minutes
  totalStrides: 800,
  segments: [/* kilometer data */]
};
const validation = validateWorkoutData(workout);
// Returns: { isValid: true, issues: [] }

Βοηθητικές Λειτουργίες

Εργαλεία Μετατροπής Χρόνου

Υλοποίηση σε JavaScript:

// Convert mm:ss to seconds
function timeToSeconds(timeString) {
  const parts = timeString.split(':');
  return parseInt(parts[0]) * 60 + parseInt(parts[1]);
}

// Convert seconds to mm:ss
function secondsToTime(seconds) {
  const minutes = Math.floor(seconds / 60);
  const secs = Math.round(seconds % 60);
  return `${minutes}:${secs.toString().padStart(2, '0')}`;
}

// Convert seconds to hh:mm:ss
function secondsToTimeDetailed(seconds) {
  const hours = Math.floor(seconds / 3600);
  const minutes = Math.floor((seconds % 3600) / 60);
  const secs = Math.round(seconds % 60);
  return `${hours}:${minutes.toString().padStart(2, '0')}:${secs.toString().padStart(2, '0')}`;
}

// Examples:
timeToSeconds("1:33"); // Returns: 93
secondsToTime(93); // Returns: "1:33"
secondsToTimeDetailed(3665); // Returns: "1:01:05"

Πόροι Υλοποίησης

Όλοι οι τύποι σε αυτή τη σελίδα είναι έτοιμοι για παραγωγική χρήση και επικυρωμένοι σύμφωνα με την επιστημονική βιβλιογραφία. Χρησιμοποιήστε τους για προσαρμοσμένα εργαλεία ανάλυσης, επαλήθευση ή βαθύτερη κατανόηση των υπολογισμών απόδοσης τρεξίματος.

💡 Βέλτιστες Πρακτικές

  • Επικυρώστε τις εισόδους: Ελέγξτε για εύλογα εύρη τιμών πριν τους υπολογισμούς
  • Χειριστείτε τις ακραίες περιπτώσεις: Διαίρεση με το μηδέν, αρνητικές τιμές, κενά δεδομένα
  • Στρογγυλοποιήστε κατάλληλα: CTL/ATL/TSB σε 1 δεκαδικό, rTSS σε ακέραιο
  • Αποθηκεύστε με ακρίβεια: Διατηρήστε πλήρη ακρίβεια στη βάση δεδομένων, στρογγυλοποιήστε για εμφάνιση
  • Δοκιμάστε διεξοδικά: Χρησιμοποιήστε γνωστά καλά δεδομένα για επαλήθευση υπολογισμών