大學生體質分析及其應用研究

羅 恒 王 寧 諸躍進 傅啟明 倪啟東 葉曉燕 孫云飛

?

大學生體質分析及其應用研究

羅 恒 王 寧 諸躍進 傅啟明 倪啟東 葉曉燕 孫云飛

運動猝死引發的大學生體質討論是當前社會研究的熱點之一。依據大學生生理變化情況，本文提出了一種基于無線傳感網、大數據理論及機器學習方法等現代信息技術的大學生體質分析方法。實驗結果表明，基于多參數的大學生最佳運動強度模型能有效預估運動量，能夠在保證健康運動的同時降低運動傷害。

社會、經濟的發展使得人們對于身體健康的關注度日益提高。對于即將進入社會的當代大學生，其體質更是萬千家庭關注的焦點。黨的十八屆三中全會通過的《中共中央關于全面深入改革若干重大問題的決定》中明確提出“強化體育課和課外鍛煉，促進青少年身心健康、體魄強健”。

統計結果顯示，雖然當代大學生對于體育鍛煉持“積極態度”，但是大學生參加體育活動時發生人身傷害案例的數量卻呈逐年遞增趨勢，達到調查總人數的30%。因此，研究大學生體質狀況并依據此構建最佳運動強度模型的研究具有很強的理論和現實意義。

在國外，日本、美國等都對本科生體質及運動強度進行了深入而廣泛的研究，相對而言，我國的相關研究起步較晚。我國學界目前的探索存在一些可優化之處，如對于大學生運動狀態中的生理參數實時性觀測與分析不多、缺乏環境等因素對大學生運動時生理參數變化情況的研究以及對于測量數據分析的不充分。

研究方法

針對目前我國對大學生體質研究的不足，本文使用機器學習方法，構建了一種大學生體質分析模型，研究方法如圖1所示。通過穿戴式設備獲取大學生運動狀態下的實時生理參數變化，同時，使用無線傳感器網絡采集學生運動范圍內的環境信息（如氣壓、溫度等），通過GPRS網絡上傳至服務器端，使用大數據服務器對眾多學生的海量數據進行深度挖掘，得出一個基于多參數的大學生最佳運動強度模型。在最佳運動模型基礎上，建立反饋系統，根據環境參量，給出特定情況下的最佳運動量，在大學生運動量超過模型閾值后，及時發出警報，以減少大學生運動傷害。同時，每次運動結束后，系統將自動對比數據庫中大部分學生的平均水平，完成對個人體質能力的評估，也可以幫助個人及早發現自己身體的異常情況。

數據獲取

系統硬件主要包括服務器端設備以及學生穿戴式智能監測設備。在服務器端，采用大數據服務器，即由眾多服務器構成的大型集群，擔當起海量數據的存儲、實時處理以及深度挖掘等任務。具體為：由100臺服務器共同構成一個擁有400TB的存儲容量，1200核CPU，1500GB內存的大型服務器集群，可供約6億～8 億次的大型建筑交換數據儲存和計算。

學生可穿戴智能設備由ARM芯片作為核心微處理器，外配獨立電源，溫濕度傳感器，光強度傳感器，二氧化碳傳感器，氣壓傳感器，計步器，脈搏傳感器以及GPRS通信模塊，其主要功能是在學生運動的過程中，不斷采集周圍環境數據以及學生的運動情況，如步數和脈搏等，獲取的數據通過GPRS通信單元實時傳回服務器。服務器對接收數據進行記錄和分析，并根據學生最佳運動強度模型實時評估學生的運動情況，返回相應的運動建議。其原型機如圖2所示。

系統性能通過實驗分析及優化，實驗時間為2015年9月至2016年4月，地點為蘇州某高校，受測群體為大二的學生。為了不影響學生正常生活，測量時間選擇在體育課，實驗步驟如下：在上課前要求受測學生穿戴好智能監測設備，并利用老師簽到點名的這段時間測出學生運動前的心跳速率，通過計算平均值獲取每一位學生的一個基準數據。之后，由老師帶領學生進行熱身運動，包括1200m慢跑熱身，整個過程時間控制在10min以內；在此期間，設備將實時收集數據，并通過計算獲得每位學生簡單運動后的一個基準數據。在剩下的時間內，受測學生將繼續佩戴該設備進行上課，直至下課。為了方便研究，主要選擇了擁有籃球比賽、足球比賽以及排球比賽等擁有劇烈運動的體育課作為實驗對象。

圖1　研究方法

圖2　學生可穿戴設備原型機

數據分析

圖3所示為心率測量結果的平均值，藍色柱狀線表示運動前的脈搏基準數據，橘色柱狀圖為簡單運動后（10min慢跑）的脈搏基準數據。由圖可見，運動前男生的心跳頻率比女生的要低，在簡單運動后，男、女生心跳頻率基本一致，在簡單運動后，平均心跳頻率的增幅約為82.5%。

圖4所示為學生最佳運動強度模型計算結果與實測結果的對比。其中，1-4代表4個不同的受測者，藍色柱狀圖代表運動前的心跳速率，橘色柱狀圖代表簡單運動后的心跳速率，灰色柱狀圖代表通過最佳運動強度計算出的最佳運動時長，黃色的代表受測者實際較舒適的運動時長。由圖可見，通過模型計算出的最佳運動量與實測的結果基本保持一致，平均誤差約為10%。

應用與總結

本系統以大學生體質健康為目標，擺脫傳統研究方法在數據采集、傳輸以及分析等方面的限制，提出了一套基于現代信息技術以及大數據技術的大學生體質數據采集和分析方法。實驗表明，本方法得到的基于多參數的大學生最佳運動強度模型能有效預估運動量，降低使用者的運動傷害風險。研究成果也可廣泛應用于體育課、專業運動員訓練以及個人鍛煉中，教師/教練可通過手持終端，實時查看學生或運動員的各項體能指標以及運動情況，為教師/教練及時了解相關人員的運動量以及身體的狀況奠定基礎，通過合理規劃鍛煉內容，避免過量運動。在學生生理異常發生時，能及時發出預警信號，提早發現或避免運動傷害的發生。

圖4　最佳運動強度實驗

羅 恒1，2王 寧1，2諸躍進3傅啟明1，2倪啟東1，2葉曉燕3孫云飛3

1. 江蘇省建筑智慧節能重點實驗室；2. 蘇州市移動網絡技術與應用重點實驗室； 3. 蘇州科技大學電子與信息工程學院羅恒，男，英國愛丁堡大學博士，蘇州科技大學江蘇省建筑智慧節能重點實驗室、蘇州市移動網絡技術與應用重點實驗室學術骨干，主要研究方向為無線網絡技術及應用。

10.3969/j.issn.1001-8972.2016.11.033

蘇州市體育局體育科研局管課題（TY2015-301）；國家自然科學基金項目（61401297，61502329）；江蘇省自然科學基金項目（BK20140283），蘇州市科技計劃項目（SZS201304，SYG201255）