基于云计算的运动训练管理系统设计

樊云

（四川文理学院，四川达州 635000）

随着科学理论与技术的发展，其与现代体育领域中的运动训练过程渗透度越来越高[1]，将计算机技术与信息技术引入现代体育事业，实现体育信息化发展是未来体育事业发展的必然趋势[2]。作为一个技术框架，运动训练管理系统内涵盖体育学、运动训练学、计算机科学、信息技术学与统计学等相关学科[3]，对其构建过程与应用进行深度设计与开发，不仅能够促进运动员运动训练水平的提升，推动在体育运动领域内其与相关需学习的发展与应用，同时还有利于运动训练的开展、调动体育运动相关人员(运动员、教练员与相关管理者)的积极性，提升运动训练的效率与质量[4]。因此，为了最大限度地保障运动训练数据的资源共享，基于云计算技术的快速计算功能，设计了运动训练管理系统，为运行训练相关数据的应用提供数据支持。

1 云计算

运动训练过程需采集大量运动员能力、运动状态信息、训练内容、训练强度以及运动量等运动训练相关数据，教练员基于所采集的数据实施下一步规划与分析，同时依照相关分析结果控制整个运动训练过程[5-6]。考虑到这些数据具有海量、复杂的特点，对其进行聚类分析，以提升训练结果分析的效率。

聚类过程中通常依据中心点与其他点的距离对数据类别实施一致度判断。对比两份数据的距离与设定阈值，确定该数据是否都与中心点为相同类别，在实际操作过程中无法直接确定两数据间的距离，因此，可利用高斯函数辅助一致度计算过程，基于此，可依照高斯分布函数图更直观地判断类别的聚合程度及相同类别数据点的分布情况。用xi表示聚类中心点，利用式（1）确定聚类中心点同其他点之间的一致度：

聚类时，为确保对全部训练数据均可实施有效分类，同时进行另分类后，全部运动数据点至不同类中心点间的距离达到最小值，优化函数为：

式（3）中，xk表示第k个节点。

为简化式（3），使：

将式（4）代入式（3），得到：

由此，可确定运动训练数据聚类优化的数据，如式（6）所示：

通过求解Sij能够确定一致度矩阵，根据一致度矩阵确定xi与xj是否属于同一类别。

基于云计算的聚类算法通过Map Reduce 编程模型来实现[7-9]，即依照设定大小将整个运动训练数据集内的文件划分为数个Block 块，分别存储在硬件基础设施层集群的各数据存储节点内。在运行聚类算法过程中，由具有调度整个集群资源功能的节点依照数据Block 块的数量，将计算任务划分为数个Map 任务，并映射至集群的不同计算节点上来实施并行计算[10-12]。Map 函数读取数据并生成中间键对，同时存储其输出。结束全部Map 阶段的任务后，不同计算节点启动Reduce 任务，以采集Map 阶段任务的输出结果，经规约处理后输出最终聚类结果，详细过程如图1 所示。

图1 Map Reduce执行过程

2 系统设计

在上述Map Reduce 执行过程的基础上，设计运动训练管理系统整体架构，一般情况下，系统内不同功能以数据信息的形式存在于计算机内[13]。考虑运动训练数据的海量性[14]，设计了基于云计算的运动训练管理系统。

2.1 系统整体结构

基于云计算的运动训练管理系统是一个有规模的体系结构，采用B/S 三层架构进行设计，由下向上分别为硬件基础设施层、功能层和云服务应用层，如图2 所示。

图2 运动训练管理系统整体结构

运动训练管理系统的功能主要为：训练管理自动化功能、运动训练计划制定功能、运动员训练信息日常管理功能、训练器材管理功能等。

图2 中，硬件设施层以云硬件为基础，其中包括资源服务器群、数据服务器群与其他服务器群，在服务器上构建对应的资源数据库，为功能层内运动训练各项功能的实现提供保障。

功能层以硬件设施层为基础，基于运动训练系统业务划分可分为人员管理模块、训练管理模块、训练器具管理模块、系统管理模块4 个模块[15-17]。

云服务应用层作为系统与使用者的交互通道，利用不同形式提升使用者与系统之间的交互能力。

2.2 功能层设计

2.2.1 人员管理模块

人员管理模块主要用于构建运动员档案信息与对应的训练信息，便于相关人员的实时查询、添加、修改、删除与统计分析等操作。人员管理模块是基于系统工程方法实施综合评价、分析，并预测构建的科学运动训练信息化体制，其结构设计如图3 所示。

图3 人员管理模块结构设计

2.2.2 训练管理模块

训练管理模块中主要包含详细的运动训练管理信息，如训练项目、内容场地、训练规则以及训练时间等，并对已经进行或正在进行的运动训练项目与参与运动训练的人员进行记录，基于训练管理信息进行数据分析，判断运动员训练结果。保存详细训练结果便于后续的统计与查询。

训练管理模块是基于云计算的运动训练管理系统设计的核心，基于此，需从训练结果分析流程对其进行详细设计。运动员训练结果分析流程可大致划分为A、B、C 3 个层次，如图4 所示。

图4 训练结果分析流程

图4 内的A 层为训练计划层，B 层为训练结果层，C 层为分析结果层；虚线框内为外部信息，实线框内为内部信息。训练计划中主要是运动员运动训练计划与运动员作息时间安排等信息，训练计划可根据比赛时间安排与教练员经验等为依据来制定。训练结果为训练过程中提取的训练计划执行情况、不同类型辅助训练情况、整套动作完成情况等不同参数。分析结果是依照参数来分析运动员训练结果，从训练结果中依据不同运动类别提取相关参数，利用数学方法对不同参数实施单独或整体的初步分析，确定参数间的相关性。同时基于运动训练姿势分析结果对不同参数实施进一步分析，以此研究科学的训练方法，提升运动训练效率和运动员运动水平。

2.2.3 训练器具管理模块

该模块主要负责运动训练器具的借用时间、借用人员、以及使用规范等信息的查询、统计与管理。

2.2.4 系统管理模块

该模块的主要功能是管理系统使用者的相关数据信息，使用者需利用正确的账号与密码登录系统，并根据账号的相应权限进行系统应用。系统管理员可对数据库与系统功能进行完善，提升系统可扩展性。

3 仿真测试

为验证文中设计的基于云计算的运动训练管理系统在实际运动训练中的应用效果，以某体育运行训练营为研究对象，进行以下应用分析。

3.1 系统开发方法评估

为验证文中系统开发的成熟度，选取成熟度等级理论，从项目确认、需求分析、设计规划、系统构建、系统实现与运行维护6 个环节出发，对文中系统的开发建设进行评价。系统不同建设环节的程度由高至低进行设定，分为5 个级别：五级最高，表示中系统构建过程中该环节开发设计质量最高；一级最低，表示文中系统构建过程中该环节开发设计质量最差。评价结果如图5 所示。分析图5 得到，文中系统开发设计过程中不同开发设计环节的成熟度评价结果均高于三级，其中，设计规划与系统实现环节成熟度评价结果高于四级，由此能够说明文中系统开发设计过程的成熟度较高，具有较高质量。

图5 系统开发设计过程评价结果

3.2 信息处理性能测试

为测试文中系统对运动训练信息的管理性能，选取均方根误差作为评价文中系统对运动训练相关信息分析性能的指标，均方根误差值与文中系统对运动训练相关信息分析性能间具有反比例相关性，即均方根误差值越小，文中系统对运动训练相关信息分析性能越好，分析结果越精准。在研究对象的全部运动员训练信息数据库内任意选取50 名运动员，利用文中系统对所选运动员的相关数据实施统计与管理，确定文中系统信息处理的均方根误差，结果如图6 所示。分析图6 可得，利用文中系统进行运动训练信息处理的均方根误差值基本低于0.10%，均方根误差上限值和下限值分别为0.124%和0.000%；所选运动员运动训练相关数据处理的均方根误差均值为0.053%。以上实验结果充分显示文中系统能够较好地处理运动员运动训练数据，对运动员运动训练产生积极影响，提升运动员运动训练的质量。

图6 运动训练信息处理的均方根误差

3.3 疲劳强度检测

正常运行状态下，系统运行状态受其硬件设备影响，有可能会出现系统数据库或带宽资源不足的问题，在文中系统正常运行状态下，这些问题表现的并不显著，但当其累计到一定值时，会对系统运行产生巨大影响，易导致文中系统崩溃。因此在进行系统性能测试过程中，需从研究对象运动员数据信息库内选取大量运动员实施长时间系统疲劳强度测试。疲劳强度测试是系统性能测试的关键指标之一，能够获取文中系统正常运行状态下由资源缺乏等造成的系统错误。文中系统疲劳强度测试针对上述实验中所选的50 名运动员，在无线网络条件下和有线网络条件下分别实施运动员运动训练数据的并发上传与并发下载测试，记录文中系统的相应速度，结果如图7 所示。综合图7 中的数据得到，该系统在数据并发上传人数高于39 人或数据并发下载人数高于35 人的条件下，系统的数据传输与处理过程出现拥堵现象。产生该现象的主要原因是文中系统运行过程中出现带宽缺失问题，针对这一问题，可通过提升系统并发用户数量阈值或提升系统硬件配置来解决，以此确保该系统中运动训练数据管理的效率。

图7 疲劳强度检测结果

4 结束语

利用电子信息化技术管理运动训练数据是当前体育运动训练管理的发展趋势。文中采用B/S 三层架构设计基于云计算的运动训练管理系统，通过应用分析验证了文中系统开发设计过程成熟度较高，可较好地处理运动员运动训练数据，同时通过相应方式提升该系统数据管理的效率，说明文中系统具有较好的可扩展性。