基于多元热生理仿真的运动健康量化方法及系统实现

贾 楠，贾晓敏，郝晶晶，谷 敬，黄 袁

(1.河北地质大学 管理科学与工程学院，石家庄 050031；2.河北医科大学 第二直属医院，石家庄 050017；3.中山大学 数据科学与计算机学院，广州 510006)

当今时代，人们健康意识的提高、智能健康产品的出现以及运动社交的兴起，极大地促进了人们运动的热情。而如何科学、安全、有效地进行运动，已成为全民健身中关注的核心问题，同时也是当前研究人员关注的重点和热点[1]。

众所周知，盲目的、不合理的运动不仅起不到健身强体的效果，反而增加了人体的负荷，对人体安全造成严重伤害。例如，在2015年福州马拉松比赛中，腹痛呕吐16人次，脱水30人，休克2人，心跳骤停1人，其他不适47人次。因此，有效量化运动过程中的健康状态，从而避免出现更多的运动事故变得极为重要。尤其是在开始运动之前，提前量化健康状态并预测可能出现的众多运动风险，如脱水、中暑、晕厥甚至猝死等，能够极大地提高人体的运动安全性[1-2]。

在当前运动健康研究工作中，基于可穿戴式设备的健康量化和基于数据挖掘的健康量化是最为主要的两种方式。基于可穿戴式设备的健康量化是利用无线网络和大量传感器构建一个实时的人体数据收集、量化、预警系统[2-3]。例如，芬兰POLAR公司的运动心率表产品系列，能够监测人体运动过程中的心脏状态，有效判断心脏及身体的负荷[3]；美国风和公司开发的Lifeshirt，能同时监测呼吸、心电和运动参数[4]。这类系统有助于健身者监测生理变化、量化身体状态以及调整运动方案，在一定程度上可以避免由于过度运动而引起的健康事故的发生。可穿戴式健康系统侧重实时性，包括实时监测、实时量化和实时预警，即当出现预警提示时人体多处于危险的临界态，人体存在健康风险。此外，可穿戴式设备的成本、佩戴舒适度和便利性问题也会对一般用户造成困扰。基于数据挖掘的健康量化方法，则是利用大量用户历史运动数据对某种疾病或者身体状态进行分析和量化[5]。例如，CALDERON et al[6]利用决策树、KNN、SVM等多种方法对心电图进行识别和事故概率判断；LI et al[7]利用多层感知机网络对脉冲质量进行评估，从而判断心脏疾病。基于数据挖掘方法，如果没有足够的用户数据来进行分析，则该方法的准确性会受到严重影响。

为克服上述问题，笔者提出一种基于人体热生理仿真模型的运动健康量化方法。近年来，研究人员对运动过程中人体-服装-环境所构成的多耦合系统中的生理调节机制进行了深入的研究[1,8]，使得利用计算机仿真技术进行着装人体热生理仿真成为可能。该方法能够利用热生理仿真模型代替人体生理实验和织物性能测量实验，通过仿真计算获得人体运动健康密切相关的多元生理体征数据，并利用这些生理体征数据预测多场景实验条件下的人体运动生理反应，帮助人们理解在不同环境和活动级别下人体生理健康水平，从而达到人体生理状态预测和分析的目的。该方法不仅避免了使用各类可穿戴式健康设备所带来的便利性问题，同时也避免了在无用户数据积累情景下的健康量化问题。

然而，由于人体-服装-环境热湿动态交互构成的多耦合系统涉及人体生理调节、服装热湿传输等机制，使得着装人体的运动生理仿真建模极为复杂。同时，当前已知生理仿真模型如Gagge模型(又称2节点模型)[9]、Stolwijk模型(又称25节点人体模型)[10]，着重模拟人体在运动过程中的热湿变化。由于这些模型尚未考虑人体心血管生理调节机制，因此不能有效预测与人体心血管相关的运动健康风险，极大地限制了人体健康生理仿真模型的应用场景。对此，本文将人体热湿调节机制和心血管机制相结合，建立了一个更加完善的人体热生理仿真模型。

此外，在人体运动健康状态量化过程中，生理指标的阈值以及对应症状之间存在一定的模糊界限，且个人的主观认知也会产生不同的结论，从而影响运动健康量化的可行性和有效性。对此，本文通过定义运动健康模糊有限状态机来实现人体运动过程中的健康量化。

综上所述，本文的具体工作包括以下几点：首先从人体生理学角度出发，采用计算机仿真技术对人体运动生理机制进行仿真建模，通过对人体热调节机制和心率调节机制的仿真建模，获得多个与健康相关的生理仿真数据(如，内核温度，出汗率，心率等)在运动过程中的变化趋势；其次，基于已获得的多元人体生理仿真数据，本文引入模糊有限状态机进行运动健康量化和分析，通过定义模糊有限状态机中的健康状态及计算状态之间的转移概率，有效量化运动过程中健康转移序列，并预测任意时刻的健康状态；最后，建立了一个面向人体运动健康的仿真平台，并给出相关的仿真案例。通过实验分析可知，基于人体热生理仿真模型的运动健康量化结果与实际测量结果相吻合，其在规避运动风险上具有很好的指导意义。

1 人体热生理仿真模型

人体热生理仿真的研究是一个十分复杂的问题。其不仅涉及到人体的生理组成和人体内部复杂的热调节机制、心率调节机制，还涉及到服装与外界环境对人体的热传输影响[8,11]。人体热生理模型主要分为三个模块：人体模型，用于描述人体生理组织结构；热生理模型，用于描述运动热调节机制和心率调节机制；服装/环境热湿耦合传输模型，用于描述热量、汗水等在人体-服装-环境之间的传输机制。通过对人体热生理仿真模型的分析，可以仿真输出皮肤温度、内核温度、心率等多个与运动健康相关的生理体征数据,并在这些仿真数据的基础上进行运动健康风险判断和预测。

1.1 人体模型

人体是一个非几何对称的实体，各组织、器官和系统等非均匀分布在身体各部位，直接影响人体运动生理机制的运行以及相关生理现象的发生。其中，25节点人体模型是最典型且应用最广的一类非均匀多节点模型，它能够根据人体生理特征及分布情况将人体划分为6个节段，分别是头、躯干、臂、手、腿、足；每个节段又分为四层：内核、肌肉、脂肪和皮肤。此外，该模型还给出一个中心血池，用于连接身体各部分模拟大动脉、静脉，并构成人体循环系统。[10,12]本文正是在此模型基础上对人体运动过程中的热生理机制进行研究和分析。

1.2 热生理模型

1.2.1热调节机制建模

体温是人体内部热调节系统的重要信号，也是衡量人体健康状态的重要指标。研究体温分布以及人体热调节行为，构建人体热调节模型是运动生理仿真中必不可少的工作。

通常，人体被视为一个含有内热源的传热系统。人体组织的生化反应会产生能量，且这些能量中的大部分会逐步转变成热量，并通过传导、对流、辐射及蒸发等途径，不断地与外界环境进行热交换，将人体温度维持在37 ℃左右。尤其在运动过程中，人体内部能量产生和转换的过程持续且强烈发生，必将导致人体温度的快速升高，激活人体热调节系统。在热调节过程中，人体温度感受器将收集当前身体各节点的温度，并将其传送给体温调节中枢；之后由体温调节中枢对人体各组织发出产、散热的控制信号，并利用人体皮肤血流量、汗腺、骨骼肌活动等实现热调节行为，从而维持人体在运动过程中的热稳定状态[13]。

本节通过对25节点人体模型的组成成分及其热传输特性的分析和处理，分别从皮肤层、脂肪层、肌肉层、内核层以及中心血池5个方面对热调节机制进行建模分析。人体模型中身体各节段的热平衡方程如下。

内核层热平衡方程：

(1)

肌肉层热平衡方程：

(2)

脂肪层热平衡方程：

(3)

皮肤层热平衡方程：

(4)

中心血池热平衡方程：

(5)

式中：i为人体节段编号，j为某节段的层数编号；C(i,j)表示节点(i,j)的热容；T表示人体节点体温；Qqb(i,j)表示基础代谢生成热；Qb(i,j)表示身体节点间的血液循环热传导；Qd(i,j)表示同一节段相邻层之间的热传导；Qres(i,j)为呼吸热损耗；Qw(i,j)为运动做功生成热；Qcchill(i,j)为肌肉打颤生成热；Qe(i,j)表示皮肤表面与环境之间的干热损失；Qs(i,j)表示皮肤表面湿热交换，主要为蒸发热损耗。

在人体热交互过程中，影响热分布变化的生理调节现象主要有血管舒缩、汗腺活动和肌肉运动[13]。

1) 血管舒缩。人体组织之间的传热主要依靠血液循环过程中的对流热交换来完成，血管舒缩直接决定组织中血流量变化，从而影响人体内核到皮肤的温度分布。

(6)

式中：Vbf(i,j)为血流率；Vbfb(i,j)为基本血流率；Sdil为血管舒张信号；Scon为血管收缩信号；Serr(1,1)，Swrm(1,1)，Scld(1,1)，Swrms，Sclds为温度误差信号、暖信号、冷信号、人体综合暖信号、综合冷信号；Dcdil，Dsdil，Dpdil为血管舒张的控制系数；Dccon，Dscon，Dpcon为血管收缩的控制系数；Wdil(i)和Wcon(i)为各节段的血管舒张和收缩的权重系数；q为局部影响因子；a为反向热交换比率，这里取值为1；ρ为身体节点密度。

2) 汗腺活动。运动过程中，人体汗腺会分泌大量汗液，这些汗液蒸发会带走体内多余的热量，加速身体向外界环境散热，维持人体热平衡。

(7)

式中：Sswe为出汗控制信号；Vrsw(i)为节段i的出汗率；Dcswe，Dsswe，Dpswe为出汗控制系数；Wswe(i)为各节段的出汗权重系数；hfg为汗水汽化热；A(i)为节点i的体表面积；d为人体出汗量(近似等于脱水量)；m为人体体重；Rdap为脱水比。

3) 肌肉运动。肌肉运动是指人体打颤现象，即当人体体温低于某种临界值时，通过骨骼肌的自主收缩形成的一种产热现象，用于调节人体热状态。

(8)

式中：Schill为打颤控制信号；Dcchil，Dschil，Dpchil为打颤控制系数；Wchill(i)为各节段的打颤权重系数。

1.2.2心率调节机制建模

随着人体代谢水平和体内热环境的变化，人体的心血管活动会做出适应性的调整，使得心输出量和各组织器官的血流量得以满足当前新陈代谢的需求，并保持动脉压力的相对稳定，其中，最显著的适应性变化为运动心率调节[13]。研究表明，当人体完成较小强度的运动时，心率会在运动初期迅速上升，达到一定水平后在较长时间内维持一个稳定范围，这段时间内的各系统机能也处于相对稳定状态。随着运动的持续，系统机能平衡被破坏，心率将再次升高直至达到最大心率。当人体完成较大强度运动时，由于此时代谢水平很高，各系统机能不能保持在相对稳定状态，因此心率将持续增高，直至最大心率。

在心率调节过程中，神经调节和体温调节是影响心率变化的两个重要机制。其中，神经调节机制负责控制心率的陡然上升与下降；体温调节机制负责维持短时间内的心率稳定现象。基于该原理，本节对心率调节机制进行建模分析。人体运动心率的非线性调节方程为：

Vhr=N(M)+B(T)+g.

(9)

式中：Vhr为心率；N(M)为神经调节函数；B(T)为内核温度调节函数；g为噪声。

神经调节函数：

(10)

内核温度调节函数：

B(T)=p2T2+p1T+p0.

(11)

式中：M表示当前运动代谢量；T表示内核温度。由于人体胸部的内核温度与心率关系最为相关，因此选择胸部内核温度作为变量，并采用二次函数来表示内核温度与心率之间的依赖方程。模型参数g，b，c，d，k，p2，p1，p0可根据大量实验数据进行估计[14]。

心率变化与人体运动健康相关。心率过高或者过低都会增加心脏负担，导致恶心、头晕、胸闷等症状[15-16]。维持合理心率范围是保证运动效果和运动安全的必要条件。其中，目标心率和最大心率是两个常见的心率健康判断阈值。目标心率(Vthr)[17]是指在运动时理想的心跳频率，在目标心率范围内的运动一般是健康合理的。最大心率(Vmhr)[18]是指运动时的最大承受心率，超过最大心率值，则会出现健康风险，此时应该减缓或停止运动。最大心率与目标心率的计算公式分别为：

(12)

式中：a为年龄；e为运动强度；Vrhr为人体静息心率。

1.3 服装/环境热湿耦合传输模型

人体除了依靠内部自身的热调节维持体温稳定外，人体与服装、环境之间的热交换也是保持热调节机制正常运行的重要途径。其中，服装作为人体和环境的中间层，对人体运动生理健康有着十分重要的影响，主要表现为：服装阻隔了人体与环境的直接传热，人体热能、皮肤表面的水蒸气以及吸附在皮肤表面的汗液必须通过服装扩散到环境中，从而实现热调节的过程。因此，建立合理高效的服装热湿传递模型，充分考虑服装对运动中人体生理状态的影响，对建立合理全面的运动生理模型是十分关键的。

本文采用的服装热湿传输以及人体与服装热湿耦合交互模型已在我们以前的文献中给出了详细介绍，此处不再赘述[19]。

2 基于模糊有限状态机的运动健康量化

基于上述提出的人体热生理模型，我们可以通过仿真计算得到与人体运动健康密切相关的多元生理体征数据。其中，人体运动过程中出现的不适症状多与内核温度、脱水量以及心率有关[10]。因此，我们选择这三个体征作为基本健康量化指标。具体来说，生理指标的阈值以及对应症状之间存在一定的模糊界限，且个人的主观认知也会产生不同的结论，例如37.5 ℃既可被认为是正常温度，也可被认为是轻度发热。为保证运动健康量化的可行性和有效性，本节首先对人体内核温度、脱水量和心率的仿真数值进行模糊预处理；其次，基于预处理后的仿真数值定义人体运动过程中可能存在的身体症状，构建运动健康生理有限状态机；最后，利用健康状态概率计算模型来获取人体健康状态的概率值，客观量化人体运动健康状态。

2.1 人体热生理指标模糊预处理

热生理指标模糊预处理的含义，是指依据人体在日常健身活动中生理指标的变化趋势，及个人热生理状态来定义隶属函数并划分身体症状区间。在此，本文采用了梯形隶属函数来定义生理指标范围和症状区间，其表达式如公式(13)所示：

(13)

式中：隶属函数μ(x)的值可理解为出现某症状的概率值；{a,b,c,d}为参数集，用于决定梯形隶属函数的图形形状，通过调整参数变化可以很好地定义和划分身体症状区间[20]。

根据现有文献和运动生理学的实验研究表明[14]，人体内核温度可划分为五个症状，分别是低温(H)、正常(N)、低热(F1)、中度热(F2)和高热(F3)；人体脱水比可划分为四个症状，分别是正常(N)、轻度脱水(D1)、中度脱水(D2)、重度脱水(D3)；人体心率可划分为三个症状，分别是心率过缓(B)、正常(N)和心率过快(T)。三个运动健康量化指标的隶属函数如图1所示。

图1 生理指标的隶属函数Fig.1 Membership functions of physiological indicators

2.2 运动健康有限状态机定义

研究并模拟人体运动过程中的生理渐进变化有利于人体健康状态的判定。有限状态机(finite state machine,FSM)是表示有限个状态以及在这些状态之间的转移和动作等行为的数学模型[21-22]。本节中，我们通过内核温度、脱水比和心率表示人体运动身体状态，利用三个指标的数值变化作为身体状态之间的触发事件定义一个运动健康有限状态机。该状态机能够直观并全面地模拟整个过程中的运动身体状态及其变化过程，其定义如下所示。

定义1：一个运动健康有限状态机表示为

M=(∑,Q,φ,δ) .

1) ∑为所有可能的身体症状。根据三个输入指标及其模糊处理后的症状划分，共有12个身体症状，所有症状含义及其说明如表1所示。每个症状都有一个隶属度值μ(i,j,x)，且0<μ(i,j,x)<1.其中，i表示第i个输入指标；j表示第i个指标对应的症状编号；x是当前时刻的第i个指标的仿真值；μ(i,j,x)表示第i个指标的仿真值为x且对应第j个症状时的概率值。

表1 身体症状Table 1 Human body states

2)Q为所有可能的身体状态。当前状态集包含了所有由∑中症状引起的健康状态，共有60个健康状态。如，NNN代表健康；FD3N代表高热且脱水等。其中，健康状态的第一个字符表示内核温度，第二个字符表示脱水比，第三个字符表示心率。状态NNN为初始状态，任何一个状态都可作为运动结束状态。

3)φ为权重函数，该函数表示身体症状之间的转移权重。医学领域人体身体症状转移关系可定义为“从不”“偶尔 ”“时常”“经常”“一直”，对应的权重值分别为0.1,0.5,0.7,0.9,1.0[23]。

4)δ为转移函数。转移函数的形式定义为：A→βB.其中，A为身体的当前状态；B为新的目的状态；β为新提取的症状。例如，NNN→hhr NNT，表示状态NNN接收到新症状hhr后，状态转移为NNT。此外，状态是可以自转移的。例如，NNN→nt NNN，表示状态NNN接收到新症状nt后，状态仍保持在NNN上。需要注意的是，正常情况下人体生理性能是连续平滑变化的，非邻接状态之间转移的情况较少出现，如指标状态低温(H)与发烧(F1,F2,F3)、心率过缓(B)和心率过快(T)之间无直接转移行为。

2.3 健康状态概率计算模型

基于已定义的运动健康模糊有限状态机，我们引入一个健康状态概率计算模型。该模型通过当前时刻的症状转移概率、指标状态概率等来共同计算运动过程中身体生理状态转移序列及其相关概率，且概率越大，出现该状态的可能性越大。

单个指标引起的症状转移概率：

(14)

式中：si表示指标的症状集，例如i=1，对应的输入变量为tc，si={低温，正常，低热，中度热，高热}；s为输入变量对应的症状；dSi(s)为症状s的隶属函数值；ω表示当前症状和下一时刻即将出现的新症状之间的转移权重；最大值求解max的含义是当接收一个新症状时，我们选择概率最大的症状所对应的指标状态作为下一时刻的目的状态。例如：假设前一时刻内核温度为37 ℃，对应的症状为nt，当输入的内核温度仿真值为37.4 ℃时，其对应的症状和当前概率有两个，分别为nt(0.7)和sht(0.3)，症状转移权重φ(nt,nt)=0.9,φ(nt,sht)=0.7.当前由内核温度引起的症状转移概率为

μ=max{min{0.7,0.9},min{0.3,0.7}}=0.7.

第i个指标在n时刻的状态概率：

(15)

其中，μi(n-1)为第i个指标在n-1时刻的状态概率。若当前症状与上一时刻症状相同，当前指标状态μi(n)取上一时刻状态概率值μi(n-1)与当前状态转移概率值μ的平均值；若当前症状与上一时刻症状不同，则μi(n)取上一时刻状态概率的补集1-μi(n-1)与当前状态转移概率值μ的平均值。需注意的是，初始时刻的指标状态概率为1.

n时刻身体运动生理状态概率为：

(16)

式中：μovernall(n-1)为n-1时刻的身体运动生理状态概率；N为运动过程中，状态没有改变过的指标个数；M为状态改变过的指标个数，0≤N，M≤3.

3 实验验证与分析

3.1 人体热生理仿真模型验证

为验证本文提出的人体热生理仿真模型，选择20个实验对象进行实际运动生理监测。在监测过程中，我们采用吞咽式内核温度测量计、高精度体重计以及心率带进行生理指标测量[24]。为保证监测准确性，每个对象进行3次重复实验，取其平均值。实验对象生理属性的平均值和实验场景设置如表2和表3所示。

图2分别给出了实验对象在场景1和场景2中的平均内核温度的分布曲线对比图。其中，红线为

表2 实验对象Table 2 Experimental subjects

表3 实验场景Table 3 Experimental scenes

采用吞咽式内核温度计的测量结果，蓝色为基于人体热生理模型的仿真结果。误差棒范围是±0.5 ℃.通过该图可知，仿真的内核温度与测量的内核温度有相同的变化趋势，且误差均在0.5 ℃以内。因此，该仿真结果是可接受的。同时，场景1以走路为主，由于运动强度较低，其内核温度随着运动时间的增

图2 内核温度变化曲线Fig.2 Curves of core temperature

加而缓慢上升；而场景2以跑步为主，其运动强度较大，人体热生成机制的作用要大于热扩散机制，其内核温度会快速上升，并明显高于走路状态的内核温度值。

表4给出了实验对象在场景1和场景2中平均出汗量以及脱水比的结果。通过表中数值比较可知，尽管出汗量的测量结果和仿真结果存在一定误差，但脱水比的误差不足0.1%，因此，该仿真结果是可接受的。

表4 出汗量与脱水量的对比Table 4 Comparison of sweating rate and dehydration rate

图3给出了实验对象在场景1和场景2中平均心率的变化曲线对比图。其中，心率的误差棒范围在±10 min-1.通过两个图可知，仿真的心率与测量的心率有相同的变化趋势，且误差均在10 min-1以内。此外，与场景1相比，随着运动强度的增大，场景2中的心率变化要更加明显。

图3 心率变化曲线Fig.3 Curves of heart rate

3.2 运动健康量化案例

本节在前一个实验的20个对象中，随机挑选2个实验对象进行健康量化案例分析。案例1(A)为年轻男性穿T恤短裤在室温环境下慢跑120 min，案例2(B)为中年男性穿背心短裤在略高于室温的环境下快跑30 min，详细设置见表5所示。

表5 场景设置Table 5 Scene setting

案例1：对象A(男，25岁，177 cm，68 kg)身穿棉质T恤和短裤，在25℃和65% RH的环境下，以7 km/h的速度慢跑120 min.在该场景中，对象A的内核温度、脱水量、心率的变化趋势如图4所示，身体健康状态变化趋势及状态转移序列分别如图5和表6所示。

图4 实验对象A的仿真指标变化曲线Fig.4 Change curves of the simulated physiological indicators of subject A

图5 实验对象A的运动健康状态状态机Fig.5 State machine for exercise health status of subject A

表6 实验对象A的健康状态转移序列Table 6 Health state transition sequence of subject A

在图5中，浅绿色为健康状态，浅橙色为健康预警状态，橙色为危险状态。在整个运动仿真过程中，对象A共经历了NNN，F1NN，F2NN，F2NT，F2D1T以及F3D1T六个身体状态。其中，NNN状态为初始态，概率为1；F3D1T为运动结束状态，概率为0.77.如表6所示，在仿真的第5 min，人体内核温度上升且其对应的症状由nt变为sht，身体状态由NNN变为F1NN，此时，人体处于轻微发热状态，即人体温度略高于正常值；之后，内核温度缓慢增加，其对应症状变为mht和ht，对应的身体状态标识变为F2和F3；在第49 min时，人体心率对应症状从nhr变为hhr，身体状态由F2NN变为F2NT；在第114 min，对象A开始脱水，对应症状从nd变为mid，身体状态由F3NT变为F3D1T.此外，根据概率计算模型可知，身体状态的概率值越大，人体处于该状态的可能性越大。例如，在慢跑的第6 min，人体内核温度刚刚增长至低热状态，此时，对象A处于F1NN状态的概率为0.71；第10 min时，人体内核温度缓慢增加，此时，对象A处于身体状态F1NN的可能性要比第7 min大得多，此时F1NN对应的概率值为0.99.根据医学实验和研究表明，人体长期处于发热状态对人体组织和生理功能是有害的，且长期发热结合脱水会造成中暑等问题。因此，当内核温度的症状为mht或ht时，需要为用户进行健康预警。当脱水比的症状为mih时，人体进入脱水状态，此时用户需要补充水分来维持人体正常机能。当心率症状进入hhr时，人体处于心率过快状态，容易引起心脏疾病的发生，造成身体损害，此时需要及时调整运动计划，保证心率在正常安全范围内。

案例2：对象B(男，35岁，173 cm，74 kg)身穿棉质背心和短裤，在28 ℃和50% RH的环境下，以12 km/h的速度、80%的运动强度快跑30 min.

图6给出了对象B在该场景下的内核温度、脱水量、心率的变化趋势，图7给出了身体健康状态变化趋势及状态转移序列。由图7可知，与案例1中对象A相比，对象B的生理变化要迅速得多，尤其是内核温度很快增长至40 ℃，心率增长到170 min-1.对象B在运动过程的身体状态也从NNN快速更新到NNT以及F1NT，F2NT和F3NT.需要注意的是，由于心率快速达到最大值，对象B在该场景下的运动是具有很大风险的，即对象B需要调整运动计划，比如，降低运动速度，减少快跑时间等。

4 运动健康仿真平台的实现

基于上述的人体热生理建模和运动健康量化分析，实现了一个面向运动健康的计算机仿真平台。该平台主要包括数据预处理、模型仿真数值计算、运动健康量化和可视化四个模块。

数据前处理模块主要负责场景信息的定义和设置。在仿真开始之前，用户需要通过电脑、手机等交互式设备对仿真场景中的人体属性、服装属性、活动信息以及环境信息进行设置。其中，人体组织的生理参数和织物物理参数繁杂，且不同对象之间参数差异较小，因此通常将其预设为默认值。在需要时，用户可根据自身情况进行选择和修改。

图6 实验对象B的仿真指标变化曲线Fig.6 Change curves of the simulated physiological indicators of subject B

图7 实验对象B的运动健康状态状态机Fig.7 State machine for exercise health status of subject B

模型数值仿真计算模块主要负责人体热生理模型的计算。在场景信息确定后，用户需结合边界信息和仿真控制信息，对人-服装-环境系统中耦合的热生理模型进行仿真计算。仿真计算结果如内核温度的变化、心率的变化等作为运动健康量化模块的输入，并存入仿真结果数据库中以便后续使用。

运动健康量化模块主要负责量化和预测人体在仿真过程中的健康状态。基于模型仿真得到的内核温度、脱水比和心率，该模块依次实现指标模糊处理功能、状态机定义功能和健康状态概率计算功能。

在可视化模块中，人体热生理仿真数据以及人体运动健康仿真结果将以2D图表以及3D动画的形式展示给用户。其中，2D图表用于展示运动过程中的各生理指标和健康状态的变化趋势， 3D动画用于动态展示人体体温和湿度的分布情况。结合可视化结果以及运动生理学知识，能够为用户健康运动提供合理的有价值的建议。

图8为平台部分界面，包括场景定义界面、仿真控制界面以及仿真结果分析界面。

图8 仿真结果可视化界面Fig.8 Visual interface of simulation results

5 总结

随着人们对运动风险的深入认识以及对健康运动的迫切需求，面向运动健康的研究与应用已成为当前的工作热点。为此，本文深入分析了人体在运动过程中的多个生理机制，尤其是热调节机制和心率调节机制，建立了有效合理的人体热生理仿真模型。其次，基于该生理模型得到的多元仿真数据，提出一个基于模糊有限状态机的健康量化方法。该方法通过分析和计算人体在运动过程中的身体状态转移序列，能够加深对人体健康状态的理解。最后，根据应用需求，实现了一个面向运动健康的仿真平台。通过平台，用户能够在运动之前对即将开始的运动进行仿真模拟，人体热生理仿真结果以及健康量化结果都可以直观地给出，最终实现提前规避运动健康风险的目标。在后续的研究中，笔者将会加强个性化的人体运动健康量化。