A data-driven analysis of training habits in amateur endurance runners

Within the running community, coaches and sport scientists often find themselves in disagreement on what are the best strategies to follow for the preparation of their athletes. At the same time, more and more non-professional runners are becoming increasingly interested in trying to optimize their training performance autonomously. In this context, with the recent advent of platforms dedicated to the storage and analysis of sport activities, the amount of data relative to the routine training sessions of amateurs has drastically increased. The scope of this thesis is to exploit such availability of information to perform an analysis on the running habits employed by this type of athletes. To achieve this, we developed a framework able to process all the data relative to the workout sessions and extract the main features characterizing them. In particular, we utilized several methods to estimate some physiological parameters of the athletes, by exclusively relying on workouts that are in no way the result of controlled experiments, so that we could generate a totally personalized and high-level view of their individual activities. Starting from this information, we then carried out a series of experiments to compare the training methods popular among different groups of runners. The results we obtained show a promising potential in this type of approach, however they also highlight a necessity to improve some aspects related to the data processing itself.

Nel mondo della corsa, spesso allenatori e scienziati dello sport si trovano in disaccordo su quale sia il metodo migliore da seguire per la preparazione dei propri atleti. Allo stesso tempo, sempre più corridori non professionisti sono interessati ad ottimizzare i propri allenamenti in maniera totalmente autonoma. In questo contesto, con il recente avvento di piattaforme dedicate all’archiviazione e analisi di attività sportive, la quantità di dati relativi alle sedute di allenamento provenienti da amatori è aumentata drasticamente. Lo scopo di questa tesi è quello di sfruttare tale disponibilità di informazioni per svolgere un’analisi sulle abitudini di corsa adottate da questa tipologia di atleti. Per fare ciò, abbiamo sviluppato un sistema in grado di processare i dati relativi alle sessioni e ricavare da esse gli elementi principali che le caratterizzano. In particolare, abbiamo utilizzato diversi metodi per stimare alcuni parametri fisiologici degli atleti, basandoci esclusivamente su allenamenti in nessun modo derivanti da esperimenti controllati, in modo da poter poi costruire una visione personalizzata e ad alto livello di ogni loro attività. A partire da queste informazioni, abbiamo poi eseguito una serie di esperimenti per confrontare le modalità di allenamento utilizzate da diversi gruppi di podisti. I risultati ottenuti mostrano delle potenzialità promettenti in questo tipo di approccio, anche se evidenziano una necessità di miglioramento per quanto riguarda alcuni aspetti legati all’elaborazione dei dati stessa.