大学生体质分析及其应用研究

罗 恒 王 宁 诸跃进 傅启明 倪启东 叶晓燕 孙云飞



大学生体质分析及其应用研究

罗 恒 王 宁 诸跃进 傅启明 倪启东 叶晓燕 孙云飞

运动猝死引发的大学生体质讨论是当前社会研究的热点之一。依据大学生生理变化情况，本文提出了一种基于无线传感网、大数据理论及机器学习方法等现代信息技术的大学生体质分析方法。实验结果表明，基于多参数的大学生最佳运动强度模型能有效预估运动量，能够在保证健康运动的同时降低运动伤害。

社会、经济的发展使得人们对于身体健康的关注度日益提高。对于即将进入社会的当代大学生，其体质更是万千家庭关注的焦点。党的十八届三中全会通过的《中共中央关于全面深入改革若干重大问题的决定》中明确提出“强化体育课和课外锻炼，促进青少年身心健康、体魄强健”。

统计结果显示，虽然当代大学生对于体育锻炼持“积极态度”，但是大学生参加体育活动时发生人身伤害案例的数量却呈逐年递增趋势，达到调查总人数的30%。因此，研究大学生体质状况并依据此构建最佳运动强度模型的研究具有很强的理论和现实意义。

在国外，日本、美国等都对本科生体质及运动强度进行了深入而广泛的研究，相对而言，我国的相关研究起步较晚。我国学界目前的探索存在一些可优化之处，如对于大学生运动状态中的生理参数实时性观测与分析不多、缺乏环境等因素对大学生运动时生理参数变化情况的研究以及对于测量数据分析的不充分。

研究方法

针对目前我国对大学生体质研究的不足，本文使用机器学习方法，构建了一种大学生体质分析模型，研究方法如图1所示。通过穿戴式设备获取大学生运动状态下的实时生理参数变化，同时，使用无线传感器网络采集学生运动范围内的环境信息（如气压、温度等），通过GPRS网络上传至服务器端，使用大数据服务器对众多学生的海量数据进行深度挖掘，得出一个基于多参数的大学生最佳运动强度模型。在最佳运动模型基础上，建立反馈系统，根据环境参量，给出特定情况下的最佳运动量，在大学生运动量超过模型阈值后，及时发出警报，以减少大学生运动伤害。同时，每次运动结束后，系统将自动对比数据库中大部分学生的平均水平，完成对个人体质能力的评估，也可以帮助个人及早发现自己身体的异常情况。

数据获取

系统硬件主要包括服务器端设备以及学生穿戴式智能监测设备。在服务器端，采用大数据服务器，即由众多服务器构成的大型集群，担当起海量数据的存储、实时处理以及深度挖掘等任务。具体为：由100台服务器共同构成一个拥有400TB的存储容量，1200核CPU，1500GB内存的大型服务器集群，可供约6亿～8 亿次的大型建筑交换数据储存和计算。

学生可穿戴智能设备由ARM芯片作为核心微处理器，外配独立电源，温湿度传感器，光强度传感器，二氧化碳传感器，气压传感器，计步器，脉搏传感器以及GPRS通信模块，其主要功能是在学生运动的过程中，不断采集周围环境数据以及学生的运动情况，如步数和脉搏等，获取的数据通过GPRS通信单元实时传回服务器。服务器对接收数据进行记录和分析，并根据学生最佳运动强度模型实时评估学生的运动情况，返回相应的运动建议。其原型机如图2所示。

系统性能通过实验分析及优化，实验时间为2015年9月至2016年4月，地点为苏州某高校，受测群体为大二的学生。为了不影响学生正常生活，测量时间选择在体育课，实验步骤如下：在上课前要求受测学生穿戴好智能监测设备，并利用老师签到点名的这段时间测出学生运动前的心跳速率，通过计算平均值获取每一位学生的一个基准数据。之后，由老师带领学生进行热身运动，包括1200m慢跑热身，整个过程时间控制在10min以内；在此期间，设备将实时收集数据，并通过计算获得每位学生简单运动后的一个基准数据。在剩下的时间内，受测学生将继续佩戴该设备进行上课，直至下课。为了方便研究，主要选择了拥有篮球比赛、足球比赛以及排球比赛等拥有剧烈运动的体育课作为实验对象。

图1　研究方法

图2　学生可穿戴设备原型机

数据分析

图3所示为心率测量结果的平均值，蓝色柱状线表示运动前的脉搏基准数据，橘色柱状图为简单运动后（10min慢跑）的脉搏基准数据。由图可见，运动前男生的心跳频率比女生的要低，在简单运动后，男、女生心跳频率基本一致，在简单运动后，平均心跳频率的增幅约为82.5%。

图4所示为学生最佳运动强度模型计算结果与实测结果的对比。其中，1-4代表4个不同的受测者，蓝色柱状图代表运动前的心跳速率，橘色柱状图代表简单运动后的心跳速率，灰色柱状图代表通过最佳运动强度计算出的最佳运动时长，黄色的代表受测者实际较舒适的运动时长。由图可见，通过模型计算出的最佳运动量与实测的结果基本保持一致，平均误差约为10%。

应用与总结

本系统以大学生体质健康为目标，摆脱传统研究方法在数据采集、传输以及分析等方面的限制，提出了一套基于现代信息技术以及大数据技术的大学生体质数据采集和分析方法。实验表明，本方法得到的基于多参数的大学生最佳运动强度模型能有效预估运动量，降低使用者的运动伤害风险。研究成果也可广泛应用于体育课、专业运动员训练以及个人锻炼中，教师/教练可通过手持终端，实时查看学生或运动员的各项体能指标以及运动情况，为教师/教练及时了解相关人员的运动量以及身体的状况奠定基础，通过合理规划锻炼内容，避免过量运动。在学生生理异常发生时，能及时发出预警信号，提早发现或避免运动伤害的发生。

图4　最佳运动强度实验

罗 恒1，2王 宁1，2诸跃进3傅启明1，2倪启东1，2叶晓燕3孙云飞3

1. 江苏省建筑智慧节能重点实验室；2. 苏州市移动网络技术与应用重点实验室； 3. 苏州科技大学电子与信息工程学院罗恒，男，英国爱丁堡大学博士，苏州科技大学江苏省建筑智慧节能重点实验室、苏州市移动网络技术与应用重点实验室学术骨干，主要研究方向为无线网络技术及应用。

10.3969/j.issn.1001-8972.2016.11.033

苏州市体育局体育科研局管课题（TY2015-301）；国家自然科学基金项目（61401297，61502329）；江苏省自然科学基金项目（BK20140283），苏州市科技计划项目（SZS201304，SYG201255）