配速神器－等強配速解析

Effort Pace（等強配速）為運動員提供個人化的實時數據，顯示你當下的付出程度相當於在平坦地形上跑出的配速，讓你更輕易調整當下速度。

在跑界，運動員一直用心率、配速或功率等工具追蹤訓練。這些指標各有用處，但亦各有局限：心率在間歇訓練時會出現滯後，亦可能因運動以外的壓力而突然飆升；功率在單車訓練中表現出色，但對跑手而言往往不夠穩定，亦不夠直觀；GPS 配速也許是跑手最熟悉的工具，但它只顯示你跑得有多快，卻沒有考慮你實際付出了多少努力。

舉例來說：同樣是每公里 7 分鐘的配速，在平路上可能只是一課輕鬆的有氧跑；但在陡峭的山徑上要維持同樣速度，身體付出的努力其實相當於在平路上以每公里 4 分鐘奔跑。兩個場景錄得的配速數字一模一樣，努力程度卻天差地別。這正是使用普通配速的盲點，跑手在路跑時能夠根據平路配速判斷身體付出程度。但不同的山路斜度也大相徑庭，因此跑手無法使用普通配速去判斷身體付出的付出程度，從而去調整自己的速度。

為了解決這個問題，部分平台推出了 Grade Adjusted Pace（GAP，坡度校正配速），按坡度調整配速。GAP 迅速流行起來，尤其受越野跑手歡迎。不過，GAP 是建基於大眾數據：以 Strava 為例，其 GAP 公式採用了超過 240,000 名運動員的數據建立。這種做法雖然具備廣泛的適用性，卻欠缺個人化。

Effort Pace 的誕生

COROS 運動員 Kilian Jornet 曾與 PickleTech（一個專注科學化 AI 的數據科學團隊）合作，利用 760 小時的運動紀錄重建出個人化版本的 GAP（見下圖）。結果證明，只要使用單一運動員的歷史數據，GAP 就能做到個人化，並應用於訓練之上。

以 Kilian Jornet 數據建立的個人化 GAP 模型。圖片由 PickleTech 提供。

COROS 的 Effort Pace 是建基於每位運動員歷史數據的完全個人化指標。EvoLab 演算法會根據你的強項與弱項不斷微調你的個人模型，並從你的訓練歷史中學習，反映你面對不同坡度時的實際反應。

想進一步了解 PickleTech 與 Kilian 的 GAP 模型，可參閱他們的 Individualization GAP Model 網誌。

如何使用 Effort Pace

在 Trail Run（越野跑）模式下，Effort Pace 會預設顯示於錶面數據頁；你亦可以透過自訂運動數據頁面，將它加入其他運動模式。每當你離開傳統的平坦路段、努力程度會在短時間內大幅波動時，我們建議以 Effort Pace 作為主要的強度指標。

每一次跑步（路跑、運動場跑步或越野跑），只要符合 EvoLab 條件，都會用於改進 Effort Pace 演算法，確保它時刻保持高度個人化。目前，Effort Pace 能夠將你內在的努力程度，真實轉化為跑手熟悉而信賴的外在指標——配速。

Effort Pace 亦會參與計算路跑及越野跑的訓練負荷（Training Load），確保你所有 EvoLab 指標都準確無誤，並按你實際的努力程度度身訂造。

Effort Pace 只會因應坡度作出調整，並不考慮天氣或海拔因素；但當地形改變時，它仍然能更清晰地反映你的努力程度。

COROS App 及 COROS Training Hub 上的訓練課表建立工具同樣支援 Effort Pace。換言之，即使地形多變，你都可以按實際的努力強度區間規劃訓練課表。