real-time Monitoring van de Aerobe en Anaerobe fase tijdens Training (MAAT)

Dit doctoraat is in samenwerking met Belgian Cycling Factory op basis van een Baekeland mandaat. Gebaseerd op patent van M3-Biores (International Publication Number WO2013/120151 A1) wordt met MAAT een algoritme verfijnd en uitgebreid om de fysieke conditie van wielrenners te voorspellen aan de hand van hartslag- en vermogendata. Daarbij bepaalt het het omslagpunt van de aerobe naar de anaerobe trainingsfase. Het algoritme is getest in laboratoriumomstandigheden, maar moet aangepast worden voor het veld, en voor verschillende doelgroepen van alle niveaus. Daarnaast wordt het model verder uitgebreid met machine learning om de effecten van de omgevingstemperatuur, luchtvochtigheid en in mindere mate aerodynamische positie en hydratatiestatus te integreren. De faciliteiten van Belgian Cycling Factory (BCF) zoals de windtunnel en klimaatkamer zijn hier uiterst geschikt voor. Door de uitgebreide expertise en prominente plaats van BCF in de wielerwereld is het mogelijk om elke iteratieve tussenstap van dit onderzoeksproject te testen op zowel professionele renners met het Lotto-Soudal team, als amateurrenners met de Ridley Family van wielertoeristen. De samenwerking met professor Van Breda van Universiteit Antwerpen zorgt ook dat er de nodige aandacht gegeven kan worden aan het gebruik van het model voor revalidatietoepassingen. Een tweede machine learning model wordt opgesteld op basis van de verzamelde data om optimale trainingsschema's voor verschillende types renners te voorspellen. Er worden ook gebruikersverwachtingen verzameld om ondersteuning te bieden bij de front-end ontwikkeling van een Minimal Viable Product.