从职业运动到业余运动

照片：photoAC

运动技术方法的应用范围不仅限于加强顶级运动员，还包括职业运动。它也可以应用于大学运动员教育。一般的大学运动员将体育运动作为俱乐部活动，他们中的许多人一旦进入职场就不再是运动员了。我们能不能用运动科技的方法来教他们数据科学的基础知识？即使在学习统计学时，如果将其应用到自己的身体上，也会变得更容易理解。

它有可能被纳入常规的高中俱乐部活动中。例如，如果您只是跑 50 米并收集数据，您就可以找出您的最高速度是多少。然而，在橄榄球比赛中，球员很少会以最快的速度奔跑。这是因为，他在持球的那一刻，就关注着对手的动向，思考着自己的下一步行动。通过在比赛期间将 GPS 连接到球员身上，他们可以直观地看到自己的动作和移动方式。因此，让我们想想我们可以做些什么来达到最高速度。此外，这将导致应该采取什么措施来增加加速次数。

One Tap Sports 在云端管理和分析数据，如果可以利用从顶级运动员收集的数据，对于负责课外活动的老师来说可能很有用。在一些初中和高中，一名学生可能会参加三到四项课外活动。尽管他们被称为老师，但他们往往是体育业余爱好者，无法保护学生免受伤害。如果在这种情况下能够使用数据，就可以防止学生受伤。

日本与其他国家相比，据说海外国家更先进。特别是美国、加拿大、英国、澳大利亚、荷兰、德国、意大利和西班牙等国家似乎正在取得进展。为了收集数据，我们需要测量人体脉搏、体温、心率等的生物传感器，可以附着在鞋子和球拍等设备上的传感器，从外部捕捉图像的图像传感器，以及可以检测球员四肢运动的运动传感器，但海外制造商有制造这些传感器的制造商。

AMS（运动员管理系统）用于存储和管理获取的数据，已在澳大利亚、美国、加拿大、英国、爱尔兰等国家设立了公司。澳大利亚公平竞赛 AMS公司正在庆祝成立 24 周年。加拿大运动员监控该公司也有17年的历史。

海外先例

将体育技术应用于海外运动员的一个例子是使用AI（人工智能）分析数据的方法（参考资料1）。

IBM 使用其 AI 机器 Watson 来分析体育运动（参考资料 2）。 IBM jStart 是一个专门从事运动分析的团队，他们正在使用 IoT 设备收集数据并使用 Watson 进行分析，以加强女子追逐自行车比赛的实力。自行车上附有功率计，运动员身上附有心率监测器和可穿戴血氧传感器，数据通过运动员口袋里的智能手机等移动设备发送到 Watson IoT 平台。数据会在几秒钟内发送到教练的 iPad 上，并可以提醒他们缺氧等情况。当然，功率计还收集单圈时间、温度、湿度、气压、风速、风向等环境数据。它还提供了一个预测模型，可以预测玩家的问题。

在英国，一个针对 2012 年伦敦奥运会的项目已经在进行中。伦敦帝国理工学院与团队合作开发和分析生物传感器，目标是科学分析运动、塑造理想体态、批量生产金牌。他们试图根据汗液、血液、唾液等体液量、身体能力和恢复水平等生物标志物的变化，寻找最佳的热身方法和快速恢复方法（参考资料3）。

这所大学拥有开发体育技术所需的资源，包括信息技术、电子学和医学生理学系、设备、计算机体系结构、专有操作系统和其他软件、建模和数值计算、生物化学和物理材料。在这里，他致力于研究传感器信号和身体表现之间的相关性、统计数据处理、建模和调整设备以提高身体表现。

体育技术延伸到军事和商业领域

照片：photoAC

体育科技在海外正在成为一个蓬勃发展的行业，从业务规模的巨大差异就可以看出。美国的体育产业规模已达到约50万亿日元，而日本仅为其1/10，为5万亿日元。由于美国的GDP是日本的三倍，日本体育振兴机构制定了将业务规模扩大到15万亿日元的目标，但目前似乎还没有实现的途径。

此外，体育科技之所以在海外，尤其是美国、英国和澳大利亚如此受欢迎，是因为它来自国防预算。运动训练方法与士兵管理方法相似，有很多共同的能力，如动态视觉、手眼协调、对所见事物立即做出反应的能力、正确躲避的能力等。运动员受伤也很常见，士兵腰部和膝盖受伤也是如此。美国国防部下属的 DARPA（高级研究计划局）正在投资体育科技风险公司。

运动技术不仅仅是改善运动。据说它还有助于改善消费者和商人的睡眠质量。例如，需要诸如外科医生在执行手术时可以维持多少睡眠以及阈值是多少等数据。

这项技术也可能成为未来老龄化社会的一张王牌。据说，医疗费用飙升的最大问题是卧床不起的老人。如果随着年龄的增长而摔倒，并且膝关节和腿骨恶化，您很有可能卧床不起。为了减少卧床不起的老年人数量，通过增加骨骼和肌肉质量来避免骨骼相关疾病非常重要。

此外，已应用于运动技术的HRV（心率变异性）也用于检测心脏病和预防中暑。学校活动、建筑工地、仓库工作等都需要采取中暑预防措施，而且需求量很大。使用 HRV 进行传感也可用于防止日常困倦。

我们将持续关注体育科技从体育领域向商业和教育领域传播的趋势。在本系列的最后一部分，我们将介绍可以使判断更加公平的技术。