stringtranslate.com

Пелотон

Пелотон на Джиро д'Италия 2018

В шоссейной велогонке пелотон (от французского , изначально означавшего « взвод » ) — это основная группа или стая гонщиков. Гонщики в группе экономят энергию, ездя близко ( драфтинг или слипстриминг ) к (особенно позади) другим гонщикам. Уменьшение сопротивления резкое; езда в середине хорошо развитой группы, сопротивление может быть уменьшено на целых 95%. [1] Использование этой потенциальной экономии энергии приводит к сложным кооперативным и конкурентным взаимодействиям между гонщиками и командами в тактике гонки. 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 находиться либо в одной из двух основных позиций: (1) позади велосипедистов в зонах пониженного давления воздуха, называемых «драфтингом», либо (2) в позициях без драфтинга, где давление воздуха самое высокое. Велосипедисты в зонах драфтинга тратят меньше энергии, чем в передних позициях». [2] Пелотон также определяется «как группа велосипедистов, которые связаны друг с другом посредством взаимных энергетических выгод драфтинга, посредством чего велосипедисты следуют за другими в зонах пониженного сопротивления воздуха». [3] Пелотон — это сложная система, что означает, что коллективное поведение возникает из простых правил взаимодействия велосипедистов. [3]

Формирования

Пелотон едет по прямой, чтобы увеличить скольжение , тем самым уменьшая сопротивление и экономя энергию для велосипедистов позади, часто для ключевых гонщиков, таких как спринтеры или гонщики генеральной классификации.

Пелотоны обычно наблюдаются во время велогонок, в которых разрешен драфт, хотя пелотоны также формируются из велосипедистов, путешествующих на работу. [4] [5] Пелотоны движутся как единое целое, в котором каждый гонщик вносит позиционные корректировки в ответ на движения соседних гонщиков и тех, кто впереди. Гонщики впереди полностью подвержены сопротивлению ветра, поэтому они испытывают более высокие усталостные нагрузки, чем гонщики в позициях драфта. [6] После некоторого времени впереди ведущие гонщики маневрируют дальше назад в пелотоне в позицию драфта, чтобы восстановиться. Таким образом, пелотон находится в плавном движении, поскольку непрерывное вращение гонщиков толкает сзади к переднему краю, а затем отступает. Подобно стаям птиц, поведение, подобное пелотону, которое включает драфт или аналогичные механизмы экономии энергии, было выявлено в различных биологических системах. [7] [8] [9] [10]

Форма или формирование пелотона меняется в зависимости от множества факторов. Сравнительно высокие усилия выходной мощности из-за высоких скоростей на плоской местности, сильного встречного ветра или уклонов (холмов) имеют тенденцию растягивать или удлинять формацию, часто в одну колонну. Медленный темп или резкий попутный ветер, при которых выходная мощность велосипедистов низкая, приводят к компактным формациям, таким образом, что гонщики едут бок о бок, часто заполняя дороги с одной стороны до другой. Когда две или более групп гонщиков имеют основания оспаривать контроль над пелотоном, может образоваться несколько линий, каждая из которых стремится навязать изнуряющую усталость другим командам. Усталость является решающим фактором в исходе каждой гонки. Диапазон периферического зрения велосипедистов является существенным фактором в формировании пелотона. [11]

Таким образом, эти формации включают в себя две основные фазы поведения: компактную, низкоскоростную формацию и высокоскоростную формацию в одну колонну. [3] Фазы пелотона обозначены пороговыми значениями в коллективном выходе, которые можно смоделировать математически и вычислительно. [3] [12] Принципы фазового поведения, определенные Тренчардом и др., были применены для оптимизации инженерных задач. [13]

Аналогично, эти пороги в пелотонных формированиях определяют переходы между кооперативным поведением пелотона и поведением безбилетника. [14] Кооперация и безбилетник в пелотонах изучались с использованием теории игр и как социальная дилемма, [15] [16] [17] а также рассматривались с точки зрения эквивалентности аспектам экономической теории. [18]

Базовое поведение пелотона также моделировалось с помощью роботов [19] [20], а принципы поведения пелотона также рассматривались в связи с будущим коллективным поведением роботов. [21]

Модели и симуляции

Модель Олдса

Анализ Олдса включал в себя отрыв и преследующие группы пелотона. Он определил факторы, участвующие в определении вероятности того, что отрывная группа преуспеет в достижении финиша впереди преследующих групп. Он определил следующие критические факторы: оставшееся расстояние в гонке, скорость отрывной группы, количество гонщиков в обеих группах, отрывающейся и преследующей, насколько близко гонщики тянут друг друга, градиент и неровность трассы, а также встречный и боковой ветер (называемые факторами «спроса»). Вводя физиологические переменные гонщиков, включая выработку метаболической мощности и время до истощения («факторы» предложения), Олдс представляет итерационный алгоритм для определения средней мощности каждой группы и их относительного времени до истощения, таким образом определяя, догонят ли преследователи отрыв. [22]

Основные 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 только постепенно до примерно 20 велосипедистов; расстояние между колесами является существенным фактором, определяющим скорость группы из-за преимуществ драфтинга; средняя скорость падает в зависимости от оставшегося расстояния; требуемое время опережения для отрывающейся группы быстро уменьшается по мере того, как число в отрывающейся группе увеличивается примерно до 10 гонщиков, но выравнивается по мере того, как число гонщиков в отрывающейся группе приближается к числу гонщиков в преследующей группе. Аналогичным образом Олдс заметил, что если размер преследующей группы меньше размера отрывающейся группы, а расстояние между колесами среди преследователей больше 3 метров, преследующая группа никогда не догонит лидирующую группу, предполагая, что другие факторы остаются неизменными между группами. [22]

Модель Хоенигмана и др.

Компьютерные модели на основе агентов позволяют любому количеству независимых «агентов» с назначенными атрибутами взаимодействовать в соответствии с запрограммированными правилами поведения. Таким образом, возникают смоделированные глобальные поведения, которые можно изучать на предмет их свойств и сравнивать с реальными системами. [23] Для своих агентов-велосипедистов Хёнигман и др. [24] назначили индивидуальные максимальные выходные мощности в гетерогенном диапазоне среди велосипедистов пелотона и индивидуальные и командные кооперативные атрибуты, в которых агенты разделяют самую дорогостоящую переднюю позицию или дезертируют, ища более дешевые позиции для драфтинга в пелотоне, в обоих случаях в соответствии с некоторой вероятностью. Хёнигман и др. представили уравнения мощности из литературы для позиций без драфтинга и драфтинга, приблизительный анаэробный порог в процентах от максимальной мощности велосипедистов при движении в одиночку без драфтинга и параметр времени до истощения. Авторы также ввели состояние «отрыва», в котором дезертирующие гонщики увеличивают свою скорость до более высокого порога либо для отрыва, либо для того, чтобы догнать группу впереди.

Авторы проводили эксперименты, варьируя отмеченные параметры в течение смоделированной гонки по ровной дороге протяженностью 160 километров (99 миль), в которой участвовало 15 команд по 10 гонщиков. Кооператоры (те, кто готов занять самую дорогостоящую переднюю позицию) проводят 5 минут впереди, затем переходят в конец группы. Перебежчики проводят только одну минуту впереди. По мере приближения гонки к концу стратегии меняются таким образом, что каждый агент увеличивает свою производительность постепенно, основываясь на оставшейся энергии, до 100% от своей максимальной выходной мощности. Результаты модели показывают, что более слабым гонщикам лучше отказаться от участия, в то время как сотрудничество является хорошей стратегией для более сильных гонщиков. Результаты реалистичны по сравнению с реальными соревновательными велогонками и демонстрируют эффективность такого рода агентной модели, которая облегчает точную идентификацию и анализ основных принципов поведения системы (в данном случае пелотона).

Моделирование Эрика Ратамеро

Моделирование пелотона от Ratemero

В своей агентной моделировании пелотона 2013 года Эрик Ратамеро [25] применил агентную модель стай Виленски, которая включает три основных динамических параметра: выравнивание, разделение и сплоченность. [26] Модель Виленски берет свое начало от модели стай Крейга Рейнольдса, которая включает те же параметры, которые он описал как согласование скоростей, предотвращение столкновений и центрирование стаи. [27]

Затем Ратамеро применил алгоритм Саямы для связующих и разделяющих сил [28], чтобы скорректировать ускорение агентов на основе их пропорционального расстояния в пределах определенного поля зрения. Затем Ратамеро ввел энергетические параметры велосипедистов, приняв элементы уравнений Олдса для расхода энергии велосипедистами [29] и результаты производительности велосипедистов из уравнения Хоенигмана [24] и уравнения драфтинга Кайла. [30] Затем Ратамеро ввел пороговую энергетическую величину для имитации порога лактата, полученного из уравнения Хоенигмана [31] , посредством чего велосипедисты-агенты, которые расходуют энергию выше этого уровня, устанут и в конечном итоге отступят на позицию в моделируемом пелотоне. Таким образом, велосипедисты-агенты расходуют свою энергию дифференцированно в пределах пелотона на основе их позиций и близости к позициям драфтинга.

Модель Ратамеро демонстрирует, что велосипедисты, как правило, расходуют энергию более эффективно, участвуя в хорошо организованных линиях, в которых велосипедисты продвигаются вперед, даже если они могут проводить больше времени в первых недрафтовых позициях, чем некоторые велосипедисты внутри пелотона, чьи постоянные корректировки положения могут привести к меньшему времени в оптимальных драфтовых позициях. Модель Ратамеро демонстрирует самоорганизованное конвекционное поведение, которое Тренчард описал как фазу поведения пелотона. [32]

Моделирование Тренчарда и др.

Тренчард и др. моделирование пелотона

В своей агентной симуляции пелотона 2015 года Тренчард и др. применили динамическую модель Ратамеро, но ввели другой способ моделирования энергетических отношений между велосипедистами-агентами. В то время как Ратамеро применил постоянный максимальный устойчивый выход для всех велосипедистов, которые затем теряют энергию дифференцированно в зависимости от их близости к позициям драфтинга, Тренчард и др. ввели различные максимальные устойчивые мощности для каждого велосипедиста-агента, позиции которого определяются пропорцией их максимальных мощностей к мощности переднего гонщика, который задает скорость пелотона. Для этого они применяют уравнение: [33]

PCR = [P передний - [P передний ⋅ (1 - d)]] / MSO последующий

где PCR — это «коэффициент сходимости пелотона», описывающий двух связанных гонщиков; не участвующий в драфтинге передний гонщик задает темп, в то время как следующий получает преимущество драфтинга в виде сниженной выходной мощности на той же скорости, что и передний гонщик. Сцепление двух велосипедистов обобщается на взаимодействие нескольких гонщиков. [33]

«P front » — выходная мощность переднего гонщика, задающего темп в сцепленной системе;

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

«MSO follow » — это максимальная устойчивая выходная мощность для последователя. [33]

Таким образом, если P front превышает MSO ведомого, ведомый не сможет поддерживать скорость задающего темп переднего гонщика и должен замедлиться до скорости, меньшей или равной этой скорости, представляющей ограничение MSO. Велосипедист, занимающийся драфтингом, может работать на MSO или ниже. Если велосипедист находится на MSO во время драфтинга, но условия меняются (например, гонщик слишком сильно отстает или слишком сильно отклоняется в сторону от оптимальной позиции драфтинга по отношению к лидеру), то ведомый должен замедлиться. Если он находится ниже MSO во время драфтинга, но временно выходит за пределы диапазона драфтинга, он может увеличить выходную мощность, чтобы поддерживать темп лидера, пока он не превысит MSO. Этот алгоритм создает реалистичную симуляцию колебательного фазового поведения между компактными и растянутыми пелотонами, поскольку скорости меняются на протяжении гонки. Тренчард и др. протестировали модель на реальном наборе MSO для 14 велосипедистов, которые участвовали в гонке на велодроме (треке). Тест на моделирование дал реалистичную симуляцию реальной гонки с точки зрения фазовых колебаний и относительного положения велосипедиста. [33]

Протокооперативное поведение в пелотонах

Тренчард предложил теоретическую основу для «протокооперативного» поведения пелотона, формы сотрудничества, которая естественным образом возникает из физических интерактивных принципов, в отличие от тех, которые обусловлены человеческими конкурентными, социологическими или экономическими мотивами. Таким образом, протокооперативное поведение включает в себя универсальные принципы, которые, как предполагает Тренчард, могут быть найдены во многих биологических системах, включающих механизмы экономии энергии. Параметры протокооперативного поведения включают: 1. два или более велосипедиста, объединенных выгодой драфтинга; 2. выходная мощность или скорость велосипедистов; и 3. максимальные устойчивые выходы велосипедистов (MSO). Основными характеристиками протокооперативного поведения являются: 1. сравнительно низкоскоростная фаза, в которой велосипедисты естественным образом обгоняют друг друга и делят самые дорогие передние позиции; и 2. фаза свободной езды (по сути, фаза одиночной колонны, указанная выше), в которой велосипедисты могут поддерживать скорость впереди идущих, но не могут обогнать. Порог между этими двумя фазами эквивалентен коэффициенту драфтинга (d), ниже которого происходит кооперативное поведение, а выше которого происходит свободная езда (по одному) до второго порога, когда связанные велосипедисты расходятся. Применяя уравнение PCR (отмеченное выше), диапазон MSO велосипедистов в фазе свободной езды эквивалентен экономии энергии при драфтинге (1-d). При движении на максимальных скоростях пелотоны имеют тенденцию сортироваться на подгруппы таким образом, что их диапазоны MSO равны диапазону свободной езды (1-d). [14]

Тренчард выделяет следующие принципы: [34]

Порог между компактным и растянутым пелотоном.
  1. Более слабые велосипедисты могут поддерживать темп сильнейшего 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 обогнать и разделить самую затратную переднюю позицию. Более сильные велосипедисты на позициях драфта всегда смогут обогнать более слабых велосипедистов впереди.
  2. По мере увеличения скорости до максимальных скоростей, установленных сильнейшими гонщиками, велосипедисты, чьи MSO ниже диапазона PCR (1-d), эквивалентного энергии, сэкономленной за счет драфтинга, будут отделяться от пелотона (PCR ≥ 1).
  3. Велосипедисты могут демонстрировать кооперативное поведение (обгон и разделение наиболее затратной передней позиции) 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 драфтинге (1-d), с течением времени и при постоянных колебаниях скорости пелотона пелотон разделится таким образом, что подгруппы будут попадать в диапазон, эквивалентный 1-d.

Именно это сортировочное поведение Тренчард полагает универсальным эволюционным принципом среди биологических систем, связанным с механизмом экономии энергии, который он и его коллеги развили далее в отношении вымерших трилобитов и слизистой плесени [8] [35]

Стратегия

В то время как гонщики, находящиеся в самом начале, испытывают наибольшее сопротивление воздуха (а также те, кто находится с наветренной стороны при сильном боковом ветре ), те, кто находится позади первых нескольких гонщиков, находящихся ближе к переднему краю, имеют решающее преимущество.

Нахождение близко к передним позициям означает, что гонщик может видеть и реагировать на атаки конкурентов и изменения позиции с гораздо меньшими усилиями. Иногда в пелотоне образуются разрывы, и нахождение близко к передним позициям снижает риск попадания в заднюю группу, если в пелотоне произойдет разрыв, например, после аварии. Гонщики, находящиеся близко к передним позициям, гораздо реже будут иметь задержки из-за попадания в аварии.

Возрастает риск задержек или травм из-за попадания в аварии, когда человек падает дальше назад в пелотоне. Кроме того, гонщики все больше подвержены эффекту аккордеона , при котором изменение скорости усиливается по мере распространения к задней части пелотона. Гонщики, следующие за ними, должны предвидеть и тормозить заранее, чтобы избежать столкновений, когда пелотон замедляется. Касание колес даже на мгновение обычно приводит к столкновению, которое распространяется по всему полю в цепной реакции, поскольку плотно сбитые гонщики не могут избежать столкновения с упавшими гонщиками и мотоциклами. Весь пелотон позади аварии может быть остановлен.

Быть близко к переднему краю также критически важно в условиях сильного бокового ветра. Боковой ветер создает существенный штраф усталости для всех, если только гонщики не образуют движущиеся группы, называемые эшелонами, в которых гонщики сотрудничают, чтобы сформировать «линию темпа» в виде гоночной трассы, расположенной под углом поперек дороги, с ведущим гонщиком на наветренной стороне дороги. Гонщики для линии темпа, такой как эшелон, последовательно меняют позиции через короткие интервалы, так что ни один гонщик не должен долго накапливать чрезмерную усталость от столкновения с максимальным сопротивлением ветра на переднем крае. Эшелоны обязательно ограничены по размеру шириной проезжей части.

Когда большой пелотон подвергается сильному боковому ветру на узкой дороге, пелотон не может избежать разбиения на несколько небольших эшелонов. Команды, знающие о ветровых условиях впереди, достаточно сильные, чтобы выдвинуться вперед, имеющие опыт езды эшелоном, могут получить важное преимущество во времени в этих обстоятельствах.

Для гонщиков, борющихся за победу в гонке, крайне важно оставаться вблизи (но не в) передней части пелотона, особенно при приближении к крутым поворотам, требующим торможения. Возобновление темпа после крутого поворота (особенно в ветер) обычно приводит к разделению в пелотоне. Как только происходит разделение, если воля и коллективная сила тех, кто разумно поставлен впереди, больше, чем тех, кто сзади, разрыв между группами сохранится (или увеличится) до конца гонки, потому что дополнительное сопротивление воздуха для одного гонщика, пытающегося продвинуться вперед, чтобы достичь передней группы, налагает экстравагантный штраф усталости по сравнению с теми, кто остался защищенным в пелотоне. Это особенно актуально на высокой скорости на ровных дорогах.

Когда команда выходит вперед пелотона, она занимает позицию, позволяющую диктовать темп гонки. Команды гонщиков могут предпочесть более быстрый или более медленный темп в зависимости от тактики команды.

Нахождение рядом с пелотоном или в его передней части имеет решающее значение при начале отрыва .

Несколько сильных гонщиков всегда будут пытаться оторваться от основного пелотона, пытаясь создать такое внушительное преимущество в начале гонки, что пелотон не сможет их догнать до финиша. Отрывы могут быть успешными, когда отрывающие гонщики сильны, особенно если ни один из гонщиков в отрыве не является опасным человеком (претендующим на победу в общем зачете), и если они все сплотятся как команда. Гонщик (или гонщики), которые лидируют и также успешно оторвались от пелотона, называются Tête de la Course (французское выражение, означающее «глава гонки»). Пелотон не позволит отрыву с опасным человеком уйти далеко вперед. Сильные команды, которые хотят вывести своего спринтера на борьбу за победу, выходят вперед пелотона и диктуют жесткий темп, навязывая соперникам усталость, в то время как отрывающие гонщики (которые по отдельности должны проводить гораздо больше времени под воздействием ветра, чем члены пелотона) последовательно поддаются усталости и обычно их догоняют. В противном случае успешные отрывы часто распадаются перед самым финишем, когда расчеты гонщиков относительно личных шансов на победу разрушают непрочный альянс отрыва, в то время как пелотон быстро догоняет.

Также применяются тактические факторы. [36] [37] [38] [39] [40] [41] Тактика команды обычно включает в себя группировку своих членов внутри пелотона, чтобы максимизировать их способность влиять на пелотон. Например, если член команды в настоящее время находится в отрывной группе впереди основного пелотона, остальные члены команды обычно не будут пытаться ускорить пелотон, чтобы максимизировать шансы на успех для гонщика отрывной группы. Редко они могут переместиться в начало пелотона и активно пытаться проверить прогресс пелотона в критический момент. Эта тактика имеет наилучшие шансы на успех на узких дорогах с крутыми поворотами, где одна команда может заполнить дорогу от одной стороны до другой.

В гонках, где финиш находится на ровных дорогах, в нескольких километрах от финиша, сильные команды выстраиваются в ряды, а их главный соперник в спринте оказывается сзади. Ведущий гонщик каждой соревнующейся команды едет вперед с максимально возможной скоростью, пока не достигнет предела своей выносливости, после чего он съезжает в сторону, позволяя следующему члену команды ехать вперед на пределе своих возможностей. Спринтер команды скользит сзади , чтобы минимизировать усталость из-за сопротивления воздуха до последней сотни метров или около того, когда спринтер выберет момент, чтобы вырваться из-за своего ведущего гонщика, чтобы рвануть к финишу на максимально возможной скорости.

Смотрите также

Ссылки

  1. ^ Блокен, Берт (2018-06-30). "Аэродинамическое сопротивление в велосипедных пелотонах: новые идеи с помощью моделирования CFD 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», Хаос, солитоны и фракталы, Elsevier, т. 56(C), 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, т. 405(C), страницы 92–103.
  4. ^ Альфредо Гарсия, Карлос Льорка и Хорхе Серра-Планеллес (2020) Влияние конфигурации пелотона на взаимодействие между спортивными велосипедистами и автотранспортными средствами на двухполосных сельских дорогах, Журнал по безопасности на транспорте, 12:1, 136-150, DOI: 10.1080/19439962.2019.1591557
  5. ^ Ли, М., Чен, Т., Ду, Х., Ма, Н. и Си, Х. (2022). Скорость и конфигурация социальных групп велосипедистов: полевое исследование. Physica A: Статистическая механика и ее приложения, 592, 126849.
  6. ^ Яу, Натан (2018-07-27). "Расчет сопротивления ветра в велосипедном пелотоне". FlowingData . Получено 2024-05-28 .
  7. ^ Тренчард, Хью и Матьяж Перц. 2016. «Механизмы экономии энергии, коллективное поведение и гипотеза диапазона вариации в биологических системах: обзор». Bio Systems 147, 40–66.
  8. ^ ab Trenchard, Hugh, Carlton E. Brett и Matjaž Perc 2017. «Трилобитовые „пелотоны“: возможные эффекты гидродинамического сопротивления между ведущими и последующими трилобитами в очередях трилобитов». Палеонтология 60, 557–569.
  9. ^ Тренчард, Хью. «Клеточные пелотоны: модель ранней эволюционной сортировки клеток с применением к слизевому грибку Dictyostelium discoideum ». Журнал теоретической биологии 469 (2019): 75–95.
  10. ^ Тренчард, Х. 2012. «Коллективная динамика американских лысух на воде». Нелинейная динамика, психология и науки о жизни, 17, 183–203.
  11. ^ Belden, J., Mansoor, MM, Hellum, A., Rahman, SR, Meyer, A., Pease, C., Pacheco, J., Koziol, S. и Truscott, TT, 2019. «Как зрение управляет коллективным поведением плотных велосипедных пелотонов». Журнал интерфейса Королевского общества, 16(156), стр.20190197.
  12. ^ Тренчард, Хью и Ратамеро, Эрик и Ричардсон, Эшлин и Перк, Матьяж, 2015. «Модель замедления для динамики велосипедного пелотона и групповой сортировки», Прикладная математика и вычисления, Elsevier, т. 251(C), страницы 24-3
  13. ^ Poitras, G., Cormier, G. и Nobelle, AS. 2018. «Новый алгоритм оптимизации для композитных стальных систем настила пола: оптимизация динамики Peloton (PDO)». Building Tomorrow's Society, ежегодная конференция Канадского общества гражданского строительства, 13–16 июня 2018 г.
  14. ^ ab Trenchard, H. 2015. «Суперорганизм пелотона и протокооперативное поведение», Прикладная математика и вычисления, Elsevier, т. 270(C), страницы 179–192
  15. ^ 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
  16. ^ Хенигман, Ронда, Элизабет Брэдли и Аллен Лим. «Сотрудничество в велогонках — когда работать вместе, а когда в одиночку». Complexity 17, № 2 (2011): 39–44.
  17. ^ Миньо, Дж. Ф., 2016. «Стратегическое поведение в соревнованиях по шоссейному велоспорту». В: Экономика профессионального шоссейного велоспорта (стр. 207–231). Springer, Cham.
  18. ^ Тренчард, Хью и Матьяс Перк. «Эквивалентности в биологических и экономических системах: динамика пелотона и эффект отскока». PLOS ONE 11, № 5 (2016): e0155395.
  19. ^ Бедруз, Рен Анжером, Арджел А. Бандала, Райан Рей Висерра, Ронни Консепсьон и Элмер Дадиос. «Проектирование контроллера робота для формирования пелотона с использованием нечеткой логики». В 2019 году 7-я Международная конференция по технологиям и приложениям интеллекта роботов (RiTA), стр. 83-88. IEEE, 2019.
  20. ^ Бедруз, Рен Анжером Р., Хосе Мартин З. Манинго, Арвин Х. Фернандо, Арджел А. Бандала, Райан Рай П. Висерра и Элмер П. Дадиос. «Алгоритм конфигурации динамического формирования пелотона роевых роботов для оптимизации аэродинамических эффектов». В 2019 г. 7-я Международная конференция по технологиям и приложениям интеллекта роботов (RiTA), стр. 264–267. IEEE, 2019.
  21. ^ Тренчард, Х., 2018. «Когда роботы скучают и изобретают командные виды спорта: более подходящий тест, чем тест Тьюринга?». Информация, 9(5), стр.118.
  22. ^ ab Olds, T. 1998. «Математика отрыва и преследования в велоспорте». Eur J App Phsiol, 77, 492–497
  23. ^ Вулдридж, М. Введение в многоагентные системы; Wiley: Великобритания, 2009.
  24. ^ ab Hoenigman, R., Bradley, E., Lim, A.2011. «Сотрудничество в велогонках: когда работать вместе, а когда в одиночку». Complexity 17(2) 39–44
  25. ^ Мартинс Ратамеро, Э., 2013, сентябрь. Моделирование динамики пелотона в соревновательном велоспорте: количественный подход. В Международном конгрессе по исследованиям и технологиям в области спортивной науки. Springer, Cham. 42-56
  26. ^ Wilensky, U. 1998. Модель стадного взаимодействия Netlogo. Центр связанного обучения и компьютерного моделирования, Северо-Западный университет, Эванстон, Иллинойс.
  27. ^ Рейнольд, К. 1987. «Стада, стада и косяки: распределенная поведенческая модель». SIGGRAPH '87 (Компьютерная графика 21(4), июль), 25–34.
  28. ^ Саяма, Х.2007. «Децентрализованное управление и интерактивные методы проектирования для крупномасштабных гетерогенных самоорганизующихся роев». В: Достижения в области искусственной жизни. Springer 675-684
  29. ^ Олдс, Т.1998. Математика отрыва и преследования в велоспорте. Европейский журнал прикладной физиологии и физиологии труда 77(6), 492-497
  30. ^ Кайл, CR 1979. «Уменьшение сопротивления ветра и выходной мощности гонщиков на велосипедах и бегунов, путешествующих группами». Эргономика 22(4) 387-397
  31. ^ Хёнигман , 2011
  32. ^ Тренчард, Х. 2012. Сложная динамика велосипедных пелотонов. Препринт arXiv arXiv:1206.0816
  33. ^ abcd Тренчард и др. (2015)
  34. ^ Тренчард, Х. 2015. «Суперорганизм пелотона и протокооперативное поведение», Прикладная математика и вычисления, Elsevier, т. 270(C), на стр. 183
  35. ^ Тренчард, Хью. «Клеточные пелотоны: модель ранней эволюционной сортировки клеток с применением к слизевому грибку Dictyostelium discoideum ». Журнал теоретической биологии 469 (2019): 75–95.
  36. ^ Macur, Juliet (2009-07-06). «Sixth Sense Has Armstrong in Third Place». New York Times . Архивировано из оригинала 20-07-2011.
  37. ^ Ратамеро , 2013
  38. ^ Олдс , 1998
  39. ^ Ратамеро, 2013
  40. ^ Селле, Н., Миньо, Ж.-Ф., Кабо, Б. и Франсуа, А. (2018), «Временные организационные формы и кооперация в велоспорте: что делает отрыв успешным на Тур де Франс?», Управление эффективностью команды, т. 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 всех: оптимальные стратегии шоссейного велоспорта для двух сотрудничающих гонщиков. Международный журнал компьютерных наук в спорте, 16(2), стр. 88-100.

Внешние ссылки

На Викискладе есть медиафайлы по теме Pelotons .
Найдите слово «пелотон» в Викисловаре, бесплатном словаре.