什麼是比賽時間預測計算機?
這個計算機能根據你既有的一筆成績,推估你在另一個距離大約能跑出多快。它採用 Pete Riegel 廣為引用的耐力公式,用來描述跑步速度如何隨距離拉長而下降。不論你是跑 5K、10K、半馬還是全馬,都適用,並支援公里、英里或公尺等單位。
使用方式
先輸入你在某個已知距離跑出的時間(時、分、秒),接著填入該次比賽的距離,以及你想預測的目標距離,再選擇單位。計算機便會回傳預估的完賽時間,以及每單位距離的平均配速。想得到最準確的結果,建議以一場近期、全力以赴、且距離與目標相近的比賽成績作為基準。
公式解析
Riegel 公式為 $$T_2 = T_1 \cdot \left( \frac{D_2}{D_1} \right)^{1.06}$$ 其中 \(T_1\) 是你的已知時間、\(D_1\) 是該成績的距離;\(D_2\) 是目標距離,\(T_2\) 則是預測時間。指數 \(1.06\) 就是所謂的「疲勞係數」——它反映了一個事實:你無法把短距離的配速完整撐到更長的距離。如果指數等於 \(1.0\),配速就會維持不變;正因為它略大於 \(1.0\),預測時間會比距離增加得稍微快一些。
實例試算
假設你用 25:00(1500 秒)跑完一場 5 公里比賽,想預測自己的 10 公里成績。距離比 \(D_2/D_1 = 10/5 = 2\),那麼 \(2^{1.06} \approx 2.0851\),因此 $$T_2 \approx 1500 \times 2.0851 \approx 3127.6 \text{ 秒}$$ 約等於 52:08。這個結果比單純把 5K 成績加倍(50:00)略慢一些,正好反映出實際跑步時的疲勞效應。
不同單位下的標準賽跑距離(公里、英里、公尺)
Riegel 公式只需要兩個距離的比值,因此只要兩個距離使用相同單位,任何單位都可以。以下列出本計算機接受的三種單位(km、mi、m)下的常見比賽距離。
| 比賽 | 公里 | 英里 | 公尺 |
|---|---|---|---|
| 1500 m | 1.5 | 0.932 | 1,500 |
| 1 英里 | 1.609 | 1.000 | 1,609.344 |
| 3K | 3 | 1.864 | 3,000 |
| 5K | 5 | 3.107 | 5,000 |
| 10K | 10 | 6.214 | 10,000 |
| 15K | 15 | 9.321 | 15,000 |
| 10 英里 | 16.093 | 10.000 | 16,093.44 |
| 半程馬拉松 | 21.0975 | 13.109 | 21,097.5 |
| 全程馬拉松 | 42.195 | 26.219 | 42,195 |
一英里恰好等於 1,609.344 公尺,一公里約等於 0.6214 英里。
同一個 5K 成績的預測時間
下表將 \(T_2 = T_1 \cdot (D_2/D_1)^{1.06}\) 套用於三個 5K 樣本時間。以 5K 為起點的倍數約為 2.085(10K)、4.600(半程馬拉松)和 9.591(全程馬拉松)。時間四捨五入至最接近的秒,配速以每公里計,同樣四捨五入至最接近的秒。
| 5K 時間(配速) | 10K(配速) | 半程馬拉松(配速) | 全程馬拉松(配速) |
|---|---|---|---|
| 20:00(4:00/km) | 41:42(4:10/km) | 1:32:00(4:22/km) | 3:11:49(4:33/km) |
| 25:00(5:00/km) | 52:07(5:13/km) | 1:55:00(5:27/km) | 3:59:47(5:41/km) |
| 30:00(6:00/km) | 1:02:33(6:15/km) | 2:18:00(6:32/km) | 4:47:44(6:49/km) |
25:00 的 5K 成績計算範例:\(T_1 = 25 \times 60 = 1500\) 秒。全程馬拉松的部分,\(T_2 = 1500 \cdot (42.195/5)^{1.06} = 1500 \cdot 9.591 \approx 14{,}387\) 秒,即 3:59:47。平均配速為 \(14{,}387 / 42.195 \approx 341\) 秒/公里,即每公里 5:41。
如何解讀你的預測時間
Riegel 公式是一種經驗模型。它使用 1.06 的指數,將某一距離的成績外推至另一距離。由於指數大於 1,預測時間的增長快於距離,因此比賽距離越長,平均配速就越慢。在上述範例中,5K 每公里 5:00 的配速,在 10K 會約為每公里 5:13,在全程馬拉松則約為每公里 5:41。
- 體能與努力程度相同:預測假設已知成績是盡全力且配速得當的表現,並且你在比賽當天的體能與當時相同。
- 路線與條件相近:公式未納入坡度、路面、海拔、高溫、濕度和風力。較多坡道或較炎熱的比賽通常會比預測慢,而快速平坦的路線則可能更快。
- 準確度隨距離遞減:相近距離之間的預測(例如 5K 到 10K,或 10K 到半程馬拉松)通常比跨度較大的預測(例如 5K 到全程馬拉松)更可靠。
- 全程馬拉松預測假設具備耐力訓練:公式無法衡量訓練量、長距離跑的經驗、補給或配速策略。全程馬拉松的預測描述的是,具備相應耐力訓練的跑者可能達到的成績。若沒有這類訓練,實際時間通常會比預測慢。
- 最佳輸入值:近期且有紀錄的比賽成績,通常比隨意或估計的努力程度更適合作為輸入。
請將結果視為特定距離下潛在能力的估計,而非保證的完賽時間。
常見問題
準確度如何?在與已知比賽距離大約 2 倍範圍內的預測,結果相當可靠。若是跨度極大的推算(例如從 5K 直接預測全馬),預估往往會偏樂觀。
距離單位會影響結果嗎?不會——公式只用到 \(D_2/D_1\) 的比值,因此只要單位前後一致,預測結果都相同。
為什麼指數是 1.06?Riegel 是從大量、橫跨各種距離的比賽成績資料中推導出這個數值;它代表訓練有素跑者的平均耐力衰退幅度。