Tio års data från Göteborgsvarvet har analyserats av en docent och två mastersstudenter på Chalmers. Målet är att ta fram en datainlärningsmodell för hjälpa löpare att optimera prestationen och som på sikt kan fungera som en virtuell AI-coach.

Det är docenten Moa Johansson som tillsammans med mastersstudenterna Johan Lamm och Johan Attefors drivit projektet på institutionen för data- och informationsteknik på Chalmers i Göteborg. Genom att bland annat analysera mellantider och slutresultat från tio år av Göteborgsvarvet, löparnas ålder och temperaturen under loppen arbetar forskarna med att ta fram en datainlärningsmodell för att hjälpa löparna i framtiden.

Tanken är att modellen de tar fram ska kunna hjälpa löparna att estimera sluttiden och ge dem möjligheter att utmana sig själva utan att hälsan äventyras. I ett längre perspektiv finns förhoppningen att kunna utveckla modellen än mer och ta fram en produkt som påminner om dagens löparklockor, där parametrar som personliga förutsättningar, tidigare prestationer och väderförhållanden kombineras med mätning av kroppens funktioner.

– Lite som en virtuell AI-coach som säger till när det är dags att sakta ner och öka takten, eller stanna och dricka en extra gång, säger Moa Johansson, som konstaterar att det bland medelålders löpare finns många som överskattar sin egen förmåga.

– Folk vill slå personligt rekord och vissa vill ligga på gränsen trots att de inte klarar av lika mycket som de gjort tidigare i livet.

Projektet är ett resultat av diskussioner mellan Chalmers tekniska högskola, Göteborgs universitet, RF-Sisu, GoCo Health Innovation City och Göteborgs Friidrottsförbund. Under våren skrivs en vetenskaplig artikel om projektet.

– Det är ett mycket spännande forskningsprojekt som med hjälp av ytterligare data som till exempel hjärtfrekvens kan utvecklas ännu mer och ge resultat som hjälper idrottare att undvika skador, säger Johan Lindh, tillförordnad friidrottschef på Göteborgs Friidrottsförbund. Vi hoppas på ett fortsatt samarbete och att vi ska kunna presentera evidensbaserade forskningsresultat vid kommande evenemang.

Filed under: SvenskTeknik