stringtranslate.com

Пелотон

Пелотон на Джиро д'Италия 2018

В шоссейных велогонках пелотон (от французского языка , первоначально означавший « взвод » ) является основной группой или стаей гонщиков. Гонщики в группе экономят энергию, ездя близко ( с уклоном или скольжением ) к другим гонщикам (особенно позади). Снижение лобового сопротивления резкое; езда в середине хорошо развитой группы позволяет снизить сопротивление всего до 5–10%. [1] Использование этого потенциального энергосбережения приводит к сложному кооперативному и конкурентному взаимодействию между гонщиками и командами в тактике гонок. Этот термин также используется для обозначения сообщества профессиональных велосипедистов в целом.

Определение

Более формально пелотон определяется как «два или более велосипедистов, едущих достаточно близко друг к другу, чтобы занять одно из двух основных положений: (1) позади велосипедистов в зонах пониженного давления воздуха, называемых «драфтом», или ( 2) на позициях без тяги, где давление воздуха самое высокое. Велосипедисты в зонах тяги расходуют меньше энергии, чем на передних позициях». [2] Пелотон аналогичным образом определяется «как группа велосипедистов, которые связаны друг с другом взаимными энергетическими преимуществами драфта, при этом велосипедисты следуют за другими в зонах пониженного сопротивления воздуха». [3] Пелотон – сложная система, а значит, коллективное поведение складывается из простых правил взаимодействия велосипедистов. [3]

Формации

Пелотон едет по прямой, чтобы увеличить скольжение , тем самым уменьшая сопротивление и сохраняя энергию для велосипедистов, находящихся сзади, часто для ключевых гонщиков, таких как спринтеры или велосипедисты GC.

Пелотоны обычно наблюдаются во время велогонок, на которых разрешена драфта, хотя пелотоны также образуются из пригородного движения велосипедистов. [4] [5] Пелотоны путешествуют как единое целое, в котором каждый гонщик корректирует свое положение в ответ на движения соседних гонщиков и тех, кто впереди. Гонщики, идущие впереди, полностью подвержены сопротивлению ветра, поэтому они испытывают более высокие усталостные нагрузки, чем гонщики, занимающие позиции для драфта. После некоторого периода времени впереди ведущие гонщики маневрируют дальше в пелотоне, занимая позицию для драфта, чтобы восстановиться. Таким образом, пелотон находится в плавном движении, поскольку гонщики в непрерывном вращении продвигаются от задней части к передней кромке, а затем падают. Как и в случае с птичьими стаями, поведение, подобное пелотону, которое включает в себя тягу или аналогичные механизмы энергосбережения, было обнаружено в различных биологических системах. [6] [7] [8] [9]

Форма или формирование пелотона меняется в зависимости от множества факторов. Сравнительно высокие усилия по выходной мощности из-за высоких скоростей на плоской местности, сильного встречного ветра или уклонов (холмов) имеют тенденцию к рассредоточению или удлинению строя, часто в одиночную гуську. Медленный темп или резкий попутный ветер, при котором мощность велосипедистов низкая, приводят к образованию компактных группировок, в результате чего гонщики едут бок о бок, часто заполняя дорогу с одной стороны на другую. Когда у двух или более групп гонщиков есть основания оспаривать контроль над пелотоном, может образоваться несколько линий, каждая из которых стремится вызвать изнурительную усталость у других команд. Усталость является решающим фактором в исходе каждой гонки. Диапазон периферического зрения велосипедистов является важным фактором при формировании пелотона. [10]

Таким образом, эти формирования включают в себя две основные фазы поведения: компактное тихоскоростное формирование и одногрядное высокоскоростное формирование. [3] Фазы пелотона обозначаются пороговыми значениями коллективного вывода, которые можно смоделировать математически и вычислительно. [3] [11] Принципы фазового поведения, определенные Тренчардом и др. были применены для оптимизации инженерных задач. [12]

Точно так же эти пороги в формированиях пелотонов определяют переходы между кооперативным поведением пелотонов и поведением безбилетника. [13] Кооперация и безбилетность в пелотонах изучались с помощью теории игр и как социальная дилемма, [14] [15] [16] , а также рассматривались с точки зрения эквивалентности аспектам экономической теории. [17]

Базовое поведение пелотонов также было смоделировано с помощью роботов, [18] [19] , а принципы поведения пелотонов также рассматривались в связи с будущим коллективного поведения роботов. [20]

Модели и симуляции

Модель Олдса

Анализ Олдса [21] включал в себя группы отколовшихся пелотонов и группы преследования. Он определил факторы, влияющие на определение вероятности того, что отколовшейся группе удастся достичь финиша раньше, чем группы преследования. Он определил следующие критические факторы: расстояние, оставшееся в гонке, скорость отрывающейся группы, количество гонщиков как в отрывающейся, так и в преследующей группах, насколько близко гонщики притягивают друг друга, градиент и неровность трассы, а также встречный и боковой ветер (называемый факторами «спроса»). Представляя физиологические переменные гонщиков, включая выработку метаболической энергии и время до истощения («факторы предложения»), Олдс представляет итерационный алгоритм для определения средней мощности каждой группы и их относительного времени до утомления, тем самым определяя, смогут ли гонщики поймать отрыв. .

Ключевые выводы Олдса включают в себя то, что средняя скорость группы быстро увеличивается в зависимости от размера группы до пяти или шести гонщиков, а затем продолжает увеличиваться, но лишь постепенно примерно до 20 велосипедистов; расстояние между колесами является важным фактором, определяющим групповую скорость из-за преимуществ тяги; средняя скорость падает в зависимости от оставшегося расстояния; необходимое время для отколовшейся группы быстро падает, когда число гонщиков в отколовшейся группе увеличивается примерно до 10 гонщиков, но выравнивается по мере того, как количество гонщиков в отколовшейся группе приближается к числу гонщиков в преследующей группе. Точно так же Олдс заметил, что если размер группы преследователей меньше размера отколовшейся группы, а расстояние между преследователями превышает 3 метра, группа преследователей никогда не догонит ведущую группу, если предположить, что другие факторы остаются постоянными между группы.

Модель Хёнигмана и др.

Агентные компьютерные модели позволяют любому количеству независимых «агентов» с назначенными атрибутами взаимодействовать в соответствии с запрограммированными правилами поведения. Таким образом, появляется моделируемое глобальное поведение, свойства которого можно изучить и сравнить с реальными системами. [22] Что касается своих агентов-велосипедистов, Hoenigman et al. [23] определили индивидуальную максимальную выходную мощность в гетерогенном диапазоне среди велосипедистов пелотона, а также индивидуальные и командные атрибуты сотрудничества, в которых агенты делят наиболее дорогостоящую переднюю позицию или отказываются от нее, ища более дешевые позиции для драфта внутри пелотона, как согласно некоторым вероятность. Хёнигман и др. представил уравнения мощности из литературы для положений без тяги и для тяги, приблизительный анаэробный порог в процентах от максимальной мощности велосипедистов при движении в одиночку без тяги, а также параметр времени до утомления. Авторы также ввели состояние «отрыва», в котором гонщики-дезертисты увеличивают свою скорость до более высокого порога либо для отрыва, либо для того, чтобы догнать группу впереди.

Авторы провели эксперименты, варьируя отмеченные параметры в ходе смоделированной гонки по ровной дороге протяженностью 160 километров (99 миль), в которой участвовали 15 команд по 10 гонщиков. Кооператоры (те, кто желает занять самую дорогостоящую переднюю позицию) проводят 5 минут впереди, а затем перемещаются в конец стаи. Перебежчики проводят на фронте всего одну минуту. По мере приближения гонки к концу стратегии меняются так, что каждый агент постепенно увеличивает свою производительность в зависимости от оставшейся энергии до 100% от максимальной выходной мощности. Результаты модели показывают, что более слабым гонщикам лучше отказаться, а сотрудничество является хорошей стратегией для более сильных гонщиков. Результаты реалистичны по сравнению с реальными соревнованиями по велоспорту и демонстрируют эффективность такого рода агентной модели, которая способствует точному выявлению и анализу основных принципов поведения системы (в данном случае пелотона).

Симуляция Эрика Ратамеро

Симуляция пелотона Ратемеро

В своем агентном моделировании пелотонов в 2013 году Эрик Ратамеро [24] применил агентную модель скопления Виленски, которая включает в себя три основных динамических параметра: выравнивание, разделение и сплоченность. [25] Модель Виленски основана на модели скопления Крейга Рейнольдса, которая включает в себя те же параметры, которые он описал как согласование скоростей, предотвращение столкновений и центрирование скоплений. [26]

Затем Ратамаро применил алгоритм Саямы для сил сцепления и разделения [27] , чтобы регулировать ускорение агентов на основе их пропорционального расстояния в пределах определенного поля зрения. Затем Ратамеро представил энергетические параметры велосипедистов, приняв элементы уравнений Олдса для затрат энергии велосипедистов [28] и результаты производительности велосипедистов из Хёнигмана [23] и составленного уравнения Кайла. [29] Затем Ратамеро ввел пороговую энергетическую величину для моделирования порога лактата, полученную из Хёнигмана, [30] согласно которому велосипедисты-агенты, которые расходуют энергию выше этого уровня, утомляются и в конечном итоге возвращаются на свои позиции в моделируемом пелотоне. Таким образом, агенты-велосипедисты по-разному расходуют свою энергию внутри пелотона в зависимости от их позиций и близости к позициям драфта.

Модель Ратамеро демонстрирует, что велосипедисты склонны расходовать энергию более эффективно, участвуя в хорошо организованных линиях, в которых велосипедисты продвигаются вперед, даже несмотря на то, что они могут проводить больше времени на передних позициях, не занимающихся драфтом, чем некоторые велосипедисты, находящиеся внутри пелотона, чьи постоянные позиционные корректировки может привести к сокращению времени нахождения в оптимальных положениях для черчения. Модель Ратамеро демонстрирует самоорганизующееся поведение, подобное конвекции, которое Тренчард описал как фазу поведения пелотона. [31]

Моделирование Тренчарда и др.

Тренчард и др. моделирование пелотона

В своем агентном моделировании пелотонов в 2015 году [32] Тренчард и др. применил динамическую модель Ратамеро, но представил другой способ моделирования энергетических отношений между агентами-велосипедистами. В то время как Ратамеро применял постоянную максимальную устойчивую мощность для всех велосипедистов, которые затем теряют энергию по-разному в зависимости от их близости к позициям тяги, Тренчард и др. введены разные максимальные устойчивые способности для каждого велосипедиста-агента, положение которых определяется пропорцией их максимальных способностей к положению переднего гонщика, задающего скорость пелотона. Для этого они применяют уравнение:

ПЦР = [P фронт - [P фронт ⋅ (1 - d)]] / MSO следовать

где PCR - «коэффициент сходимости пелотона», описывающий двух спаренных гонщиков; передний гонщик, не тянущийся, задает темп, в то время как ведомый получает преимущество в виде снижения выходной мощности на той же скорости, что и передний гонщик. Сцепка двух велосипедистов обобщает взаимодействие нескольких гонщиков.

«P front » — это выходная мощность гонщика, идущего впереди, когда он задает темп в спаренной системе;

«d» выражает экономию энергии ведомого двигателя за счет тяги в виде доли (процента) от выходной мощности переднего гонщика;

«MSO Follow » — это максимальная устойчивая выходная мощность ведомого устройства.

Таким образом, если P front превышает MSO ведомого, ведомый не сможет поддерживать скорость гонщика, задающего темп, и должен замедлиться до скорости, меньшей или равной той скорости, которая соответствует ограничению MSO. Велосипедист-чертеж может работать на уровне MSO или ниже. Если велосипедист находится в MSO во время драфта, но условия меняются (например, гонщик отстает слишком далеко или слишком далеко в сторону от оптимального положения драфта относительно лидера), тогда ведомый должен замедлиться. Если во время драфта она находится ниже MSO, но временно выходит за пределы диапазона драфта, она может увеличить выходную мощность, чтобы поддерживать темп лидера, пока она не превышает MSO. Этот алгоритм обеспечивает реалистичное моделирование фазового поведения компактных и растянутых пелотонов при изменении скорости на протяжении гонки. Тренчард и др. протестировали модель на реальном наборе MSO для 14 велосипедистов, участвовавших в гонках на велодроме (треке). Тест моделирования позволил реалистично смоделировать реальную гонку с точки зрения фазовых колебаний и относительного положения велосипедистов.

Протокооперативное поведение в пелотонах [13]

Тренчард предложил теоретическую основу «протокооперативного» поведения пелотонов, формы сотрудничества, которая естественным образом возникает из принципов физического взаимодействия, а не из тех, которые движимы человеческими конкурентными, социологическими или экономическими мотивами. Таким образом, протокооперативное поведение включает в себя универсальные принципы, которые, как предполагает Тренчард, можно обнаружить во многих биологических системах, включающих механизмы энергосбережения. К параметрам протокооперативного поведения относятся: 1. два или более велосипедиста, объединенные целью составления выгоды; 2. выходная мощность или скорость велосипедистов; и 3. максимальная устойчивая производительность велосипедистов (MSO). Основными характеристиками протокооперативного поведения являются: 1. фаза сравнительно низкой скорости, на которой велосипедисты естественным образом обгоняют друг друга и занимают передние позиции с наибольшей стоимостью; и 2. фаза свободного движения (по сути, фаза одиночной езды, указанная выше), на которой велосипедисты могут поддерживать скорость впереди идущих, но не могут обгонять. Порог между этими двумя фазами эквивалентен коэффициенту тяги (d), ниже которого возникает кооперативное поведение, а выше которого происходит свободное катание (по одному) вплоть до второго порога, когда сцепленные велосипедисты расходятся. Применяя уравнение PCR (отмеченное выше), диапазон MSO велосипедистов на этапе бесплатного катания эквивалентен выгоде от экономии энергии при драфте (1-d). При достижении максимальных скоростей пелотоны имеют тенденцию разделяться на подгруппы так, что их диапазон MSO равен диапазону свободного движения (1-d).

Тренчард выделяет следующие принципы: [33]

Порог между компактным и растянутым пелотоном.
  1. Более слабые велосипедисты могут поддерживать темп самого сильного гонщика между PCR = d и PCR = 1 (d < PCR < 1), как фрирайдеры. В этом диапазоне PCR, эквивалентном экономии энергии (1-d), эти велосипедисты не могут пройти и занять самую дорогостоящую переднюю позицию. Более сильные велосипедисты на драфте всегда смогут обогнать более слабых велосипедистов.
  2. По мере увеличения скорости до максимальной скорости, установленной самыми сильными гонщиками, велосипедисты, чьи MSO ниже диапазона PCR (1-d), что эквивалентно энергии, сэкономленной при вытягивании, отделятся от пелотона (PCR ≥ 1).
  3. Велосипедисты могут действовать совместно (обгонять и делить наиболее дорогостоящую переднюю позицию) в комбинациях MSO на таких скоростях, что PCR ≤ d.
  4. Эти принципы подразумевают, что если велосипедисты в пелотоне демонстрируют диапазон MSO, превышающий эквивалент экономии энергии при драфте (1-d), с течением времени и постоянными колебаниями скорости пелотона пелотон разделится так, что подгруппы будут соответствовать диапазону. эквивалент 1-д.

Тренчард предполагает, что именно такое сортировочное поведение является универсальным эволюционным принципом среди биологических систем, соединенным с механизмом энергосбережения, который он и его коллеги развили далее в отношении вымерших трилобитов и слизевиков [7] [34].

Порог протокооперативности показан на рисунке справа. [35]

Стратегия

В то время как гонщики, идущие в самом начале, сталкиваются с наибольшим сопротивлением воздуха (а также гонщики, находящиеся на наветренной стороне при значительном боковом ветре ), те, кто стоит за первыми гонщиками, расположенными ближе к передней части, имеют критические преимущества.

Нахождение близко к передней части означает, что гонщик может видеть и реагировать на атаки конкурентов, а также на изменения положения с гораздо меньшими усилиями. В пелотоне иногда образуются разрывы, а близость к передней части снижает риск попасть в заднюю группу, если в пелотоне произойдет разрыв, например, после аварии. У гонщиков, находящихся впереди, гораздо меньше шансов задержаться из-за аварий.

Риск задержек или травм в результате аварий возрастает по мере того, как человек откатывается назад в пелотоне. Кроме того, на гонщиков все чаще влияет эффект аккордеона , при котором изменение скорости усиливается по мере распространения к задней части пелотона. Гонщики, следующие за ним, должны предугадать ситуацию и затормозить заранее, чтобы избежать столкновений, когда пелотон замедляется. Касание колес даже на мгновение обычно приводит к столкновению, которое распространяется по полю в виде цепной реакции, поскольку плотно собравшиеся гонщики не могут избежать столкновения с сбитыми гонщиками и велосипедами. Весь пелотон, стоящий за аварией, может быть остановлен.

Нахождение близко к фронту также имеет решающее значение в условиях сильного бокового ветра. Боковой ветер создает значительный штраф за усталость для всех, если только гонщики не образуют движущиеся группы, называемые эшелонами , в которых гонщики сотрудничают, образуя «линию темпа» на гоночной трассе, расположенной под углом поперек дороги, с ведущим гонщиком на подветренной стороне дороги. Гонщики на линии темпа, такой как эшелон, последовательно меняют позиции через короткие промежутки времени, так что ни один гонщик не должен долго накапливать чрезмерную усталость от столкновения с максимальным сопротивлением ветра на передней кромке. Размер эшелонов обязательно ограничен шириной проезжей части.

Когда большой пелотон подвергается значительному боковому ветру на узкой дороге, пелотон не может избежать разрыва на ряд мелких эшелонов. Команды, знающие о предстоящих ветровых условиях, достаточно сильные, чтобы двигаться вперед, имеющие большой опыт в движении эшелонов, могут получить важное преимущество во времени в таких обстоятельствах.

Для гонщиков, претендующих на победу в гонке, крайне важно оставаться в передней части пелотона (но не в ней), особенно при приближении к крутым поворотам, требующим торможения. Возобновление темпа после резкого поворота (особенно при ветре) обычно приводит к разделению пелотона. Как только произойдет разделение, если воля и коллективная сила тех, кто мудро размещен впереди, больше, чем тех, кто сзади, разрыв между группами сохранится (или увеличится) до конца гонки, потому что дополнительное сопротивление воздуха для отдельного человека Гонщик, пытающийся продвинуться вперед, чтобы достичь передней группы, налагает экстравагантный штраф за утомление по сравнению с теми, кто остался защищенным в пелотоне. Это особенно актуально на высокой скорости на ровных дорогах.

Когда команда маневрирует впереди пелотона, она занимает позицию, определяющую темп гонки. Команды гонщиков могут предпочесть более быстрый или медленный темп в зависимости от тактики команды.

Нахождение рядом или впереди пелотона имеет решающее значение при начале отрыва .

Несколько сильных гонщиков всегда будут пытаться оторваться от основного пелотона, пытаясь создать такое лидерство в начале гонки, что пелотон не сможет догнать его до финиша. Отрыв может быть успешным, если гонщики на брейке сильны, особенно если ни один из гонщиков в брейке не является опасным человеком (претендующим на победу в общем зачете), и если они все сплотятся как одна команда. Гонщик (или гонщики), лидирующие и также успешно оторвавшиеся от пелотона, называются Tête de la Course (французское выражение, означающее «глава гонки»). Пелотон не позволит прорваться с опасным человеком и уйти далеко вперед. Сильные команды, которые хотят вовлечь своего спринтера в борьбу за победу, выходят вперед пелотона и диктуют жесткий темп, вызывая усталость соперников, в то же время оторвавшихся гонщиков (которые индивидуально должны проводить гораздо больше времени на ветру, чем члены пелотона). последовательно поддаются усталости и обычно их ловят. В противном случае успешные прорывы часто терпят крах непосредственно перед финишем, когда расчеты гонщиков относительно личных шансов на победу разрушают непростой союз прорывов, в то время как пелотон быстро догоняет их.

Тактические факторы также применимы. [36] [37] [38] [39] [40] [41] Командная тактика обычно предполагает группировку своих членов внутри пелотона, чтобы максимизировать их способность влиять на пелотон. Например, если член команды в настоящее время находится в отколовшейся группе перед основным пелотоном, остальные члены команды обычно не будут пытаться ускорить пелотон, чтобы максимизировать шансы на успех для гонщика их отколовшейся группы. В редких случаях они могут выйти в переднюю часть пелотона и активно пытаться остановить продвижение пелотона в критический момент. Эта тактика имеет наибольшие шансы на успех на узких дорогах с крутыми поворотами, где одна команда может заполнить дорогу с одной стороны на другую.

В гонках, где финиш приходится на ровные дороги, в пределах нескольких километров от финиша, сильные команды выстраиваются в ряды, а их главный соперник в спринте находится сзади. Ведущий гонщик каждой соперничающей команды движется вперед с максимально возможной скоростью, пока не достигнет предела своей выносливости, после чего он отъезжает в сторону, позволяя следующему члену команды в очереди двигаться вперед до своего предела. Спринтер команды движется сзади, чтобы минимизировать усталость из-за сопротивления воздуха до последних ста метров или около того, когда спринтер выберет момент, чтобы вырваться из-за своего ведущего гонщика и рвануться к финишу на максимально возможной скорости.

Смотрите также

Рекомендации

  1. ^ Блокен, Берт (30 июня 2018 г.). «Аэродинамическое сопротивление велосипедных пелотонов: новые идеи, полученные с помощью CFD-моделирования и испытаний в аэродинамической трубе». Журнал ветротехники и промышленной аэродинамики . 179 : 1. doi : 10.1016/j.jweia.2018.06.011 .
  2. ^ Тренчард, Хью, 2013. «Фазовые колебания пелотона», Chaos, Solitons & Fractals, Elsevier, vol. 56(С), страницы 194–201.
  3. ^ abcd Тренчард, Хью и Ричардсон, Эшлин и Ратамеро, Эрик и Перк, Матьяж, 2014. «Коллективное поведение и идентификация фаз в велосипедных пелотонах», Physica A: Статистическая механика и ее приложения, Elsevier, vol. 405(С), страницы 92–103.
  4. ^ Альфредо Гарсия, Карлос Льорка и Хорхе Серра-Планельес (2020) Влияние конфигурации пелотона на взаимодействие между спортивными велосипедистами и автотранспортными средствами на двухполосных сельских дорогах, Журнал транспортной безопасности и безопасности, 12: 1, 136-150, DOI : 10.1080/19439962.2019.1591557
  5. ^ Ли, М., Чен, Т., Ду, Х., Ма, Н. и Си, X. (2022). Скорость и конфигурация социальных групп велосипедистов: полевое исследование. Физика А: Статистическая механика и ее приложения, 592, 126849.
  6. ^ Тренчард, Хью и Матьяж Перц. 2016. «Механизмы энергосбережения, коллективное поведение и гипотеза диапазона вариаций в биологических системах: обзор». Биосистемы 147, 40–66.
  7. ^ ab Тренчард, Хью, Карлтон Э. Бретт и Матьяж Перц, 2017. «Трилобитовые «пелотоны»: возможные эффекты гидродинамического сопротивления между ведущими и последующими трилобитами в очередях трилобитов». Палеонтология 60, 557–569.
  8. ^ Тренчард, Хью. «Клеточные пелотоны: модель ранней эволюционной сортировки клеток с применением к слизевикам Dictyostelium discoideum ». Журнал теоретической биологии 469 (2019): 75–95.
  9. ^ Тренчард, Х. 2012. «Коллективная динамика американской лысухи на воде». Нелинейная динамика, психология и науки о жизни, 17, 183–203.
  10. ^ Белден Дж., Мансур ММ, Хеллум А., Рахман С.Р., Мейер А., Пиз К., Пачеко Дж., Козиол С. и Траскотт ТТ, 2019. «Как видение управляет коллективное поведение плотных велосипедных пелотонов». Журнал интерфейса Королевского общества, 16 (156), стр. 20190197.
  11. ^ Тренчард, Хью и Ратамеро, Эрик и Ричардсон, Эшлин и Перк, Матьяж, 2015. «Модель замедления для динамики велосипедного пелотона и групповой сортировки», Applied Mathematics and Computation, Elsevier, vol. 251(С), стр. 24-3
  12. ^ Пойтрас, Г., Кормье, Г. и Нобель, А.С. 2018. «Новый алгоритм оптимизации для систем перекрытия из композитной стали: оптимизация динамики пелотона (PDO)». Building Tomorrow's Society, ежегодная конференция Канадского общества гражданского строительства, 13–16 июня 2018 г.
  13. ^ ab Тренчард, Х. 2015. «Суперорганизм пелотона и протокооперативное поведение», Applied Mathematics and Computation, Elsevier, vol. 270(С), страницы 179–192.
  14. ^ Брауэр, Т., и Поттерс, Дж. 2019. «Друзья на (почти) день: изучение отрывов в велогонках». Журнал экономической психологии, 75 (часть B), [102092]. https://doi.org/10.1016/j.joep.2018.08.001
  15. ^ Хёнигман, Ронда, Элизабет Брэдли и Аллен Лим. «Сотрудничество в велогонках: когда работать вместе, а когда действовать в одиночку». Сложность 17, нет. 2 (2011): 39–44.
  16. ^ Миньо, Ж. Ф., 2016. «Стратегическое поведение на соревнованиях по шоссейному велоспорту». В: Экономика профессионального шоссейного велоспорта (стр. 207–231). Спрингер, Чам.
  17. ^ Тренчард, Хью и Матьяз Перц. «Эквивалентности в биологических и экономических системах: динамика пелотона и эффект отскока». ПЛОС ОДИН 11, нет. 5 (2016): e0155395.
  18. ^ Бедруз, Рен Анджером, Аргел А. Бандала, Райан Рэй Висерра, Ронни Консепсьон и Элмер Дадиос. «Проектирование робота-контроллера для формирования пелотона с использованием нечеткой логики». В 2019 г. 7-я Международная конференция по технологиям и приложениям роботизированного интеллекта (RiTA), стр. 83-88. ИИЭР, 2019.
  19. ^ Бедруз, Рен Анджером Р., Хосе Мартин З. Манинго, Арвин Х. Фернандо, Аргел А. Бандала, Райан Рэй П. Вицерра и Элмер П. Дадиос. «Алгоритм динамического формирования пелотонов роевых роботов для оптимизации аэродинамических эффектов». В 2019 г. 7-я Международная конференция по технологиям и приложениям роботизированного интеллекта (RiTA), стр. 264–267. ИИЭР, 2019.
  20. ^ Тренчард, Х., 2018. «Когда роботам становится скучно и они изобретают командные виды спорта: более подходящий тест, чем тест Тьюринга?». Информация, 9(5), с.118.
  21. ^ Олдс, Т. 1998. «Математика отрыва и погони в велоспорте». Eur J App Phsiol, 77, 492–497.
  22. ^ Вулдридж, М. Введение в многоагентные системы; Уайли: Великобритания, 2009 г.
  23. ^ Аб Хёнигман, Р., Брэдли, Э., Лим, А.2011. «Сотрудничество в велогонках, когда работать вместе, а когда действовать в одиночку». Сложность 17(2) 39–44
  24. ^ Мартинс Ратамеро, Э., 2013, сентябрь. Моделирование динамики пелотона в соревновательном велоспорте: количественный подход. На Международном конгрессе по исследованиям в области спортивной науки и поддержке технологий. Спрингер, Чам. 42-56
  25. ^ Виленски, У. 1998. Модель стекания Netlogo. Центр подключенного обучения и компьютерного моделирования, Северо-Западный университет, Эванстон, Иллинойс.
  26. ^ Рейнольд, К. 1987. «Стада, стада и школы: распределенная поведенческая модель». SIGGRAPH '87 (Компьютерная графика 21 (4), июль), 25–34.
  27. ^ Саяма, H.2007. «Децентрализованный контроль и интерактивные методы проектирования крупномасштабных гетерогенных самоорганизующихся стад». В: Достижения в области искусственной жизни. Спрингер 675-684
  28. ^ Олдс, Т.1998. Математика отрыва и погони в велоспорте. Европейский журнал прикладной физиологии и физиологии труда 77(6), 492-497
  29. ^ Кайл, CR 1979. «Снижение сопротивления ветра и выходной мощности велосипедистов и бегунов, путешествующих группами». Эргономика 22(4) 387-397
  30. ^ Хёнигман , 2011 г.
  31. ^ Тренчард, Х. 2012. Сложная динамика велосипедных пелотонов. Препринт arXiv arXiv:1206.0816
  32. ^ Тренчард и др. (2015)
  33. ^ Тренчард, Х. 2015. «Суперорганизм пелотона и протокооперативное поведение», Applied Mathematics and Computation, Elsevier, vol. 270(С), при 183
  34. ^ Тренчард, Хью. «Клеточные пелотоны: модель ранней эволюционной сортировки клеток с применением к слизевикам Dictyostelium discoideum ». Журнал теоретической биологии 469 (2019): 75–95.
  35. ^ Тренчард, Х. 2015. «Суперорганизм пелотона и протокооперативное поведение», Applied Mathematics and Computation, Elsevier, vol. 270(C), 182, разрешение на перепечатку получено от Elsevier.
  36. ^ Макур, Джульетта (6 июля 2009 г.). «Шестое чувство поставило Армстронга на третье место». Газета "Нью-Йорк Таймс . Архивировано из оригинала 20 июля 2011 г.
  37. ^ Ратамеро , 2013 г.
  38. ^ Олдс , 1998 г.
  39. ^ Ратамеро, 2013 г.
  40. ^ Селлес, Н., Миньо, Ж.-Ф., Кабо, Б. и Франсуа, А. (2018), «Временные организационные формы и сотрудничество в велоспорте: что делает отрыв успешным на Тур де Франс?», Команда Управление производительностью, Vol. 24 № 3/4, стр. 122–134. https://doi.org/10.1108/TPM-03-2017-0012
  41. ^ Вольф С. и Саупе Д., 2017. Как оставаться впереди остальных: оптимальные стратегии езды на шоссейном велосипеде для двух сотрудничающих гонщиков. Международный журнал компьютерных наук в спорте, 16 (2), стр. 88–100.

Внешние ссылки

Викискладе есть медиафайлы по теме пелотонов .
Найдите пелотон в Викисловаре, бесплатном словаре.