stringtranslate.com

Pelotón

Pelotón en el Giro de Italia 2018

En una carrera ciclista de ruta , el pelotón (del francés , que originalmente significa ' pelotón ') es el grupo o manada principal de ciclistas. Los ciclistas de un grupo ahorran energía al viajar cerca ( en drafting o a rebufo ) de otros ciclistas (particularmente detrás). La reducción de la resistencia es espectacular; Al viajar en medio de un grupo bien desarrollado, la resistencia se puede reducir a tan solo un 5-10%. [1] La explotación de este potencial de ahorro de energía conduce a complejas interacciones cooperativas y competitivas entre corredores y equipos en tácticas de carrera. El término también se utiliza para referirse a la comunidad de ciclistas profesionales en general.

Definición

Más formalmente, un pelotón se define como "dos o más ciclistas que viajan lo suficientemente cerca como para estar ubicados en una de dos posiciones básicas: (1) detrás de los ciclistas en zonas de presión de aire reducida, denominadas 'drafting', o ( 2) en posiciones sin drafting donde la presión del aire es más alta. Los ciclistas en zonas de drafting gastan menos energía que en posiciones delanteras". [2] Un pelotón ha sido definido de manera similar "como un grupo de ciclistas que están acoplados a través de los beneficios energéticos mutuos del drafting, mediante el cual los ciclistas siguen a otros en zonas de resistencia del aire reducida". [3] Un pelotón es un sistema complejo, lo que significa que el comportamiento colectivo surge de reglas simples de interacción de los ciclistas. [3]

formaciones

Pelotón circulando en línea recta para aumentar el rebufo , reduciendo así la resistencia y conservando energía para los ciclistas detrás, a menudo para ciclistas clave como velocistas o ciclistas de la general.

Los pelotones se suelen observar durante las carreras de bicicletas en las que se permite el drafting, aunque también se forman pelotones a partir del tráfico de ciclistas. [4] [5] Los pelotones viajan como una unidad integrada en la que cada ciclista realiza ajustes posicionales en respuesta a los movimientos de los ciclistas adyacentes y de los que están delante. Los ciclistas que van delante están totalmente expuestos a la resistencia del viento, por lo que experimentan mayores cargas de fatiga que los ciclistas en posiciones de drafting. Después de un período de tiempo al frente, los corredores que van en cabeza maniobran más atrás en el pelotón hasta una posición de redacción para recuperarse. Por lo tanto, el pelotón está en movimiento fluido a medida que una rotación continua de ciclistas empuja desde atrás hasta el borde de ataque y luego retrocede. Al igual que las bandadas de aves, en una variedad de sistemas biológicos se ha identificado un comportamiento similar al de un pelotón que implica tracción o mecanismos similares de ahorro de energía. [6] [7] [8] [9]

La forma o formación del pelotón cambia según múltiples factores. Los esfuerzos de producción de potencia comparativamente altos debido a las altas velocidades en una topografía plana, un fuerte viento en contra o pendientes (colinas) tienden a extenderse o alargarse la formación, a menudo en una sola fila. Un ritmo lento o un viento de cola fuerte en el que la potencia de los ciclistas es baja dan como resultado formaciones compactas, de modo que los ciclistas viajan uno al lado del otro, a menudo llenando las carreteras de un lado al otro. Cuando dos o más grupos de corredores tienen motivos para disputar el control del pelotón, se pueden formar varias líneas, cada una de las cuales busca imponer una fatiga debilitante a los otros equipos. La fatiga es un factor decisivo en el resultado de cada carrera. El rango de visión periférica de los ciclistas es un factor importante en la formación del pelotón. [10]

Así, estas formaciones comprenden dos fases principales de comportamiento: una formación compacta de baja velocidad y una formación en fila única de alta velocidad. [3] Las fases del pelotón están indicadas por umbrales en la producción colectiva que pueden modelarse matemática y computacionalmente. [3] [11] Los principios de comportamiento de fase identificados por Trenchard et al. Se han aplicado para optimizar problemas de ingeniería. [12]

De manera similar, estos umbrales en las formaciones de pelotón definen las transiciones entre el comportamiento cooperativo del pelotón y el comportamiento de aprovechamiento gratuito. [13] La cooperación y el parasitismo en pelotones se han estudiado utilizando la teoría de juegos y como un dilema social, [14] [15] [16] y también se han considerado en términos de equivalencias con aspectos de la teoría económica. [17]

Los comportamientos básicos del pelotón también se han modelado con robots, [18] [19] y también se han considerado los principios del comportamiento del pelotón en relación con el futuro del comportamiento colectivo de los robots. [20]

Modelos y simulaciones

modelo de edad

El análisis de Olds [21] involucró la escapada del pelotón y los grupos perseguidores. Identificó los factores involucrados en la determinación de la probabilidad de que un grupo disidente lograra llegar a la meta antes que los grupos perseguidores. Identificó los siguientes factores críticos: la distancia restante en la carrera, la velocidad del grupo de fuga, el número de corredores tanto en el grupo de fuga como en el de persecución, qué tan cerca se acercan los corredores entre sí, la pendiente y aspereza del recorrido, y los vientos en contra y cruzados (referidos como factores de "demanda"). Al presentar las variables fisiológicas de los ciclistas, incluida la producción de energía metabólica y el tiempo hasta el agotamiento (factores de "oferta"), Olds presenta un algoritmo iterativo para determinar la potencia media de cada grupo y sus tiempos relativos hasta el agotamiento, determinando así si los perseguidores alcanzarán la escapada. .

Los hallazgos clave de Olds incluyen que la velocidad media del grupo aumenta rápidamente en función del tamaño del grupo hasta cinco o seis ciclistas, y luego continúa aumentando, pero sólo gradualmente, hasta aproximadamente 20 ciclistas; el espacio entre ruedas es un determinante importante de la velocidad del grupo debido a las ventajas de redacción; la velocidad media cae en función de la distancia restante; El tiempo de espera requerido para un grupo disidente disminuye rápidamente a medida que el número del grupo disidente aumenta hasta aproximadamente 10 ciclistas, pero se estabiliza a medida que el número de ciclistas en el grupo disidente se acerca al número de ciclistas en el grupo perseguidor. De manera similar, Olds observó que si el tamaño del grupo perseguidor es menor que el tamaño del grupo que se separa y el espacio entre las ruedas entre los perseguidores es mayor a 3 metros, un grupo perseguidor nunca alcanzará a un grupo líder, suponiendo que otros factores permanezcan constantes entre los grupos.

Modelo de Hoenigman et al.

Los modelos informáticos basados ​​en agentes permiten que cualquier número de "agentes" independientes con atributos asignados interactúen de acuerdo con reglas de comportamiento programadas. De esta manera surgen comportamientos globales simulados que pueden estudiarse por sus propiedades y compararse con sistemas reales. [22] Para sus agentes ciclistas, Hoenigman et al. [23] asignaron producciones de potencia máxima individuales en un rango heterogéneo entre los ciclistas del pelotón y atributos cooperativos individuales y de equipo en los que los agentes comparten la posición delantera más costosa, o desertan buscando posiciones de reclutamiento de menor costo dentro del pelotón, ambos según algunos probabilidad. Hoenigman et al. introdujeron ecuaciones de potencia de la literatura para posiciones sin drafting y con drafting, un umbral anaeróbico aproximado como porcentaje de la potencia máxima de los ciclistas cuando viajan solos sin drafting, y un parámetro de tiempo hasta el agotamiento. Los autores también introdujeron un estado de "escapada" en el que los ciclistas desertores aumentan su velocidad a un umbral más alto, ya sea para escaparse o para alcanzar a un grupo por delante.

Los autores realizaron experimentos variando los parámetros observados en una carrera en carretera plana simulada de 160 kilómetros (99 millas) que contenía 15 equipos de 10 ciclistas. Los cooperadores (aquellos que están dispuestos a tomar la posición delantera más costosa) pasan 5 minutos al frente y luego rotan hacia la parte trasera del grupo. Los desertores sólo pasan un minuto al frente. A medida que la carrera se acerca al final, las estrategias cambian de modo que cada agente aumenta su producción de forma incremental en función de la energía restante hasta el 100% de su potencia máxima. Los resultados del modelo muestran que a los ciclistas más débiles les conviene desertar, mientras que la cooperación es una buena estrategia para los ciclistas más fuertes. Los resultados son realistas en comparación con el ciclismo competitivo del mundo real y demuestran la eficacia de este tipo de modelo basado en agentes que facilita la identificación y el análisis precisos de los principios subyacentes del comportamiento del sistema (en este caso, el pelotón).

La simulación de Erick Ratamero

Simulación del pelotón de Ratemero

En su simulación de pelotón basada en agentes de 2013, Erick Ratamero [24] aplicó el modelo de flocado basado en agentes de Wilenski que incorpora tres parámetros dinámicos principales: alineación, separación y cohesión. [25] El modelo de Wilenski se origina a partir del modelo de flocado de Craig Reynolds que incorpora los mismos parámetros, que describió como coincidencia de velocidad, evitación de colisiones y centrado del rebaño. [26]

Luego, Ratamaro aplicó el algoritmo de Sayama para fuerzas cohesivas y separadoras [27] para ajustar la aceleración de los agentes en función de su espaciamiento proporcional dentro de un campo de visión definido. Luego, Ratamero introdujo los parámetros energéticos de los ciclistas, adoptando elementos de las ecuaciones de Olds para el gasto energético de los ciclistas, [28] y los resultados del rendimiento del ciclista de Hoenigman, [23] y la ecuación de dibujo de Kyle. [29] Ratamero luego introdujo una cantidad energética umbral para simular el umbral de lactato derivado de Hoenigman, [30] mediante el cual los ciclistas-agentes que gastan energía por encima de este nivel se fatigarán y eventualmente volverán a su posición dentro del pelotón simulado. Por lo tanto, los ciclistas-agentes gastan su energía de manera diferente dentro del pelotón según sus posiciones y su proximidad a las posiciones de redacción.

El modelo de Ratamero demuestra que los ciclistas tienden a gastar energía de manera más eficiente al participar en líneas bien organizadas en las que los ciclistas avanzan hacia el frente, aunque podrían pasar más tiempo en posiciones delanteras que no son de drafting que algunos ciclistas internos al pelotón cuyos continuos ajustes posicionales puede resultar en menos tiempo en posiciones óptimas de redacción. El modelo de Ratamero exhibe un comportamiento similar a la convección autoorganizada que Trenchard describió como una fase del comportamiento del pelotón. [31]

Simulación de Trenchard et al.

Trenchard y cols. simulación de pelotón

En su simulación de pelotón basada en agentes de 2015, [32] Trenchard et al. aplicaron el modelo dinámico de Ratamero, pero introdujeron una forma diferente de modelar las relaciones energéticas entre ciclistas-agentes. Mientras que Ratamero aplicó una producción sostenible máxima constante para todos los ciclistas que luego pierden energía de manera diferencial según su proximidad a las posiciones de tiro, Trenchard et al. introdujo diferentes capacidades máximas sostenibles para cada ciclista-agente cuyas posiciones están determinadas por la proporción de sus capacidades máximas con respecto a la del ciclista delantero que marca la velocidad del pelotón. Para ello aplican la ecuación:

PCR = [P frente - [P frente ⋅ (1 - d)]] / MSO seguir

donde PCR es el "índice de convergencia del pelotón", que describe dos corredores acoplados; el piloto que va delante sin drafting marca el ritmo, mientras que el que le sigue obtiene el beneficio del drafting de una producción de potencia reducida a la misma velocidad que el piloto delantero. El acoplamiento de dos ciclistas se generaliza a interacciones de múltiples ciclistas.

"P delantera " es la potencia producida por el piloto delantero cuando marca el ritmo dentro del sistema acoplado;

"d" expresa el ahorro de energía del seguidor debido a la tracción, como una fracción (porcentaje) de la potencia de salida del piloto delantero;

"MSO follow " es la producción de energía máxima sostenible para el seguidor.

Por lo tanto, si P frente excede el MSO del seguidor, el seguidor no podrá mantener la velocidad del ciclista delantero que marca el ritmo y deberá desacelerar a una velocidad menor o igual a esa velocidad representativa de la limitación del MSO. Un ciclista de drafting puede operar a MSO o por debajo de él. Si el ciclista está en MSO mientras se desplaza pero las condiciones cambian (por ejemplo, el ciclista se queda demasiado atrás o demasiado al lado de la posición óptima de desplazamiento, con respecto al líder), entonces el seguidor debe desacelerar. Si está por debajo del MSO mientras realiza el drafting pero cae temporalmente fuera del rango de drafting, puede aumentar la producción de potencia para mantener el ritmo del líder siempre y cuando no exceda el MSO. Este algoritmo produce una simulación realista del comportamiento de la fase oscilante entre pelotones compactos y estirados a medida que las velocidades varían a lo largo de una carrera. Trenchard y cols. Probó el modelo con un conjunto real de MSO para 14 ciclistas que participaron en una carrera en velódromo (pista). La prueba de simulación produjo una simulación realista de la carrera real en términos de oscilaciones de fase y posiciones relativas de los ciclistas.

Comportamiento protocooperativo en pelotones [13]

Trenchard propuso un marco teórico para el comportamiento "protocooperativo" del pelotón, una forma de cooperación que surge naturalmente de principios físicos interactivos en contraposición a los impulsados ​​por motivaciones humanas competitivas, sociológicas o económicas. De esta manera, el comportamiento protocooperativo implica principios universales que, según la hipótesis de Trenchard, pueden encontrarse en muchos sistemas biológicos que implican mecanismos de ahorro de energía. Los parámetros del comportamiento protocooperativo incluyen: 1. dos o más ciclistas acoplados por beneficio de redacción; 2. potencia o velocidad de los ciclistas; y 3. producción máxima sostenible (MSO) de los ciclistas. Las principales características del comportamiento protocooperativo son: 1. una fase de velocidad comparativamente baja en la que los ciclistas se adelantan naturalmente y comparten las posiciones delanteras de mayor costo; y 2. una fase de conducción libre (esencialmente la fase de fila única identificada anteriormente), en la que los ciclistas pueden mantener la velocidad de los que van delante, pero no pueden pasar. El umbral entre estas dos fases es equivalente al coeficiente de drafting (d), por debajo del cual se produce un comportamiento cooperativo y por encima del cual se produce el free-riding (en fila india) hasta un segundo umbral cuando los ciclistas acoplados divergen. Aplicando la ecuación PCR (anotada anteriormente), el rango de MSO de los ciclistas en la fase de conducción libre es equivalente al beneficio de ahorro de energía del dibujo (1-d). Cuando se los conduce a velocidades máximas, los pelotones tienden a clasificarse en subgrupos de modo que sus rangos de MSO sean iguales al rango de conducción libre (1-d).

Trenchard extrae los siguientes principios: [33]

Umbral entre pelotón compacto y estirado.
  1. Los ciclistas más débiles pueden mantener el ritmo del ciclista más fuerte entre PCR = d y PCR = 1 (d < PCR < 1), como ciclistas libres. En esta gama PCR, equivalente al ahorro energético (1-d), estos ciclistas no pueden adelantar y comparten la posición delantera más costosa. Los ciclistas más fuertes en posiciones de drafting siempre podrán adelantar a los ciclistas más débiles por delante.
  2. A medida que las velocidades aumentan hasta las velocidades máximas establecidas por los ciclistas más fuertes, los ciclistas cuyos MSO estén por debajo del rango PCR (1-d), equivalente a la energía ahorrada mediante el drafting, se separarán del pelotón (PCR ≥ 1).
  3. Los ciclistas pueden adoptar un comportamiento cooperativo (pasar y compartir la posición delantera más costosa) en combinaciones de MSO a velocidades tales que PCR ≤ d.
  4. Estos principios implican que si los ciclistas en un pelotón exhiben un rango de MSO mayor que el ahorro de energía equivalente al drafting (1-d), con el tiempo y las fluctuaciones continuas en la velocidad del pelotón, el pelotón se dividirá de manera que los subgrupos quepan dentro del rango. equivalente de 1-d.

Es este comportamiento de clasificación el que Trenchard plantea la hipótesis de que es un principio evolutivo universal entre los sistemas biológicos acoplado a un mecanismo de ahorro de energía, que él y sus colaboradores han desarrollado aún más en relación con los trilobites extintos y el moho limoso [7] [34].

El umbral protocooperativo se muestra en la figura de la derecha. [35]

Estrategia

Mientras que los ciclistas que van delante encuentran la mayor resistencia del aire (y también los del lado de barlovento cuando hay un viento cruzado significativo ), los que están detrás de los primeros ciclistas cerca del frente tienen ventajas críticas.

Estar cerca del frente significa que el ciclista puede ver y reaccionar a los ataques de los competidores y a los cambios de posición con mucho menos esfuerzo. A veces se forman huecos en el pelotón, y estar cerca del frente reduce el riesgo de quedar atrapado en el grupo de atrás si se produce una ruptura en el pelotón, por ejemplo, después de una caída. Los pasajeros que se encuentran cerca del frente tienen muchas menos probabilidades de sufrir retrasos debido a su participación en choques.

Existe un riesgo cada vez mayor de sufrir retrasos o lesiones por verse involucrado en colisiones a medida que uno cae más atrás en el pelotón. Además, los ciclistas se ven cada vez más afectados por el efecto acordeón , en el que un cambio de velocidad se amplifica a medida que se propaga hacia la parte trasera del pelotón. Los corredores que le siguen deben anticiparse y frenar temprano para evitar colisiones cuando el pelotón reduce la velocidad. Tocar las ruedas aunque sea por un momento normalmente resulta en un choque, que se extiende por el campo en una reacción en cadena, ya que los ciclistas densamente poblados no pueden evitar golpear a los ciclistas y bicicletas caídos. Todo el pelotón detrás del accidente puede ser detenido.

Estar cerca del frente también es fundamental en condiciones de viento cruzado fuerte. Los vientos cruzados crean una importante penalización por fatiga para todos, a menos que los ciclistas formen grupos en movimiento llamados escalones en los que los ciclistas colaboran para formar una "línea de paso" en un patrón de pista de carreras en ángulo a lo largo de la carretera, con el ciclista líder en el lado de la carretera contra el viento. Los ciclistas de una línea de ritmo, como un escalón, cambian secuencialmente de posición a intervalos cortos para que ningún ciclista deba acumular durante mucho tiempo una fatiga excesiva al enfrentar la máxima resistencia al viento en el borde de ataque. Los escalones están necesariamente limitados en tamaño por el ancho de la calzada.

Cuando un pelotón grande está expuesto a un fuerte viento cruzado en una carretera estrecha, el pelotón no puede evitar dividirse en varios escalones pequeños. Los equipos conscientes de las condiciones del viento que se avecinan, lo suficientemente fuertes como para pasar al frente y con mucha experiencia en conducción escalonada, pueden obtener una importante ventaja de tiempo en estas circunstancias.

Es fundamental que los corredores que compiten por ganar una carrera permanezcan cerca (pero no al frente) del pelotón, especialmente cuando se aproximan a curvas cerradas que requieren frenar. Retomar el ritmo después de un giro brusco (especialmente con viento) provoca habitualmente división en el pelotón. Una vez que se produce una división, si la voluntad y la fuerza colectiva de los que están sabiamente colocados al frente es mayor que la de los que están detrás, la brecha entre los grupos permanecerá (o aumentará) hasta el final de la carrera, porque la resistencia aérea adicional para un solo grupo El intento de un corredor de avanzar para alcanzar el grupo de cabeza impone una penalización de fatiga extravagante, en comparación con aquellos que permanecieron protegidos en el pelotón. Esto es especialmente cierto a alta velocidad en carreteras llanas.

Cuando un equipo maniobra al frente del pelotón, se ha colocado en posición de dictar el ritmo de la carrera. Los equipos de ciclistas pueden preferir un ritmo más rápido o más lento dependiendo de las tácticas del equipo.

Estar cerca o al frente del pelotón es fundamental a la hora de iniciar una escapada .

Unos pocos corredores fuertes siempre intentarán separarse del pelotón principal, intentando construir una ventaja tan dominante al principio de la carrera que el pelotón no pueda alcanzarlos antes de la meta. Las escapadas pueden tener éxito cuando los corredores de la fuga son fuertes, especialmente si ninguno de los corredores de la fuga es un hombre peligroso (en la contienda por una victoria en la competencia general), y si todos trabajan juntos como un equipo. El corredor (o corredores) que están a la cabeza y que también se han separado con éxito del pelotón se denominan Tête de la Course (una expresión francesa que significa “cabeza de carrera”). El pelotón no permitirá que una escapada con un hombre peligroso le ponga muy por delante. Los equipos fuertes que quieren que su velocista compita por la victoria llegan al frente del pelotón y imponen un ritmo duro, imponiendo fatiga a los rivales, mientras que los corredores fugados (que individualmente deben pasar mucho más tiempo expuestos al viento que los miembros del pelotón) secuencialmente sucumben a la fatiga y normalmente quedan atrapados. Las escapadas exitosas a menudo se desmoronan justo antes de la meta, donde los cálculos de los corredores sobre sus posibilidades personales de victoria destruyen la incómoda alianza de ruptura, mientras el pelotón se pone al día rápidamente.

También se aplican factores tácticos. [36] [37] [38] [39] [40] [41] Las tácticas de equipo generalmente implican agrupar a sus miembros dentro del pelotón para maximizar su capacidad de afectar al pelotón. Por ejemplo, si un miembro del equipo se encuentra actualmente en un grupo disidente delante del pelotón principal, los miembros restantes del equipo normalmente no intentarán acelerar el pelotón, para maximizar las posibilidades de éxito del corredor del grupo disidente. En raras ocasiones, pueden pasar al frente del pelotón y buscar activamente controlar el progreso del pelotón en un momento crítico. Esta táctica tiene mayores posibilidades de éxito en carreteras estrechas, con curvas cerradas, donde un solo equipo puede llenar la carretera de un lado a otro.

En las carreras en las que la meta es en carreteras llanas, a pocos kilómetros de la meta, los equipos fuertes se forman en filas, con su principal contendiente al sprint detrás. El corredor líder de cada equipo contendiente avanza al ritmo más alto que puede lograr, hasta que alcanza el límite de su resistencia, cuando luego se desvía hacia un lado, permitiendo que el siguiente miembro del equipo en la fila avance hasta su límite. El velocista del equipo se desplaza en la parte trasera para minimizar la fatiga debido a la resistencia del aire hasta los últimos cien metros aproximadamente, cuando el velocista elegirá el momento para salir corriendo detrás de su corredor líder para cargar hasta la meta a la mayor velocidad posible.

Ver también

Referencias

  1. ^ Bloqueado, Bert (30 de junio de 2018). "Resistencia aerodinámica en pelotones ciclistas: nuevos conocimientos mediante simulación CFD y pruebas en túnel de viento". Revista de Ingeniería Eólica y Aerodinámica Industrial . 179 : 1. doi : 10.1016/j.jweia.2018.06.011 .
  2. ^ Trenchard, Hugh, 2013. "Oscilaciones de fase del pelotón", Caos, solitones y fractales, Elsevier, vol. 56(C), páginas 194–201.
  3. ^ abcd Trenchard, Hugh & Richardson, Ashlin & Ratamero, Erick & Perc, Matjaž, 2014. "Comportamiento colectivo e identificación de fases en pelotones de bicicletas", Physica A: Mecánica estadística y sus aplicaciones, Elsevier, vol. 405(C), páginas 92-103.
  4. ^ Alfredo García, Carlos Llorca y Jorge Serra-Planelles (2020) Influencia de la configuración del pelotón en la interacción entre ciclistas deportivos y vehículos de motor en caminos rurales de dos carriles, Journal of Transportation Safety & Security, 12:1, 136-150, DOI : 10.1080/19439962.2019.1591557
  5. ^ Li, M., Chen, T., Du, H., Ma, N. y Xi, X. (2022). La velocidad y configuración de los grupos sociales ciclistas: un estudio de campo. Physica A: Mecánica estadística y sus aplicaciones, 592, 126849.
  6. ^ Trenchard, Hugh y Matjaž Perc. 2016. “Mecanismos de ahorro de energía, comportamiento colectivo y la hipótesis del rango de variación en sistemas biológicos: una revisión”. Biosistemas 147, 40–66.
  7. ^ ab Trenchard, Hugh, Carlton E. Brett y Matjaž Perc 2017. "'Pelotones' de trilobites: posibles efectos de arrastre hidrodinámico entre los trilobites principales y siguientes en colas de trilobites". Paleontología 60, 557–569.
  8. ^ Trenchard, Hugh. "Pelotones celulares: un modelo de clasificación celular evolutiva temprana, con aplicación al moho limoso Dictyostelium discoideum ". Revista de biología teórica 469 (2019): 75–95.
  9. ^ Trenchard, H. 2012. "Dinámica del agua del colectivo de fochas americanas". Dinámica no lineal, psicología y ciencias biológicas, 17, 183–203.
  10. ^ Belden, J., Mansoor, MM, Hellum, A., Rahman, SR, Meyer, A., Pease, C., Pacheco, J., Koziol, S. y Truscott, TT, 2019. "Cómo la visión gobierna el comportamiento colectivo de densos pelotones ciclistas". Revista de la interfaz de la Royal Society, 16 (156), p.20190197.
  11. ^ Trenchard, Hugh & Ratamero, Erick & Richardson, Ashlin & Perc, Matjaž, 2015. "Un modelo de desaceleración para la dinámica del pelotón de bicicletas y la clasificación de grupos", Matemáticas y Computación Aplicadas, Elsevier, vol. 251(C), páginas 24-3
  12. ^ Poitras, G., Cormier, G. y Nobelle, AS. 2018. "Algoritmo de optimización novedoso para sistemas de pisos de plataformas de acero compuesto: optimización de la dinámica del pelotón (PDO)". Building Tomorrow's Society, conferencia anual de la Sociedad Canadiense de Ingeniería Civil, 13 al 16 de junio de 2018
  13. ^ ab Trenchard, H. 2015. "El superorganismo del pelotón y el comportamiento protocooperativo", Matemáticas Aplicadas y Computación, Elsevier, vol. 270 (C), páginas 179-192
  14. ^ Brouwer, T. y Potters, J. 2019. "Amigos por (casi) un día: estudio de escapadas en carreras ciclistas". Revista de Psicología Económica, 75 (parte B), [102092]. https://doi.org/10.1016/j.joep.2018.08.001
  15. ^ Hoenigman, Rhonda, Elizabeth Bradley y Allen Lim. "Cooperación en las carreras de bicicletas: cuándo trabajar juntos y cuándo hacerlo solo". Complejidad 17, núm. 2 (2011): 39–44.
  16. ^ Mignot, JF, 2016. "Comportamiento estratégico en las competiciones de ciclismo de ruta". En: La economía del ciclismo de ruta profesional (págs. 207-231). Springer, Cham.
  17. ^ Trenchard, Hugh y Matjaz Perc. "Equivalencias en sistemas biológicos y económicos: dinámica del pelotón y efecto rebote". MÁS UNO 11, no. 5 (2016): e0155395.
  18. ^ Bedruz, Rhen Anjerome, Argel A. Bandala, Ryan Rhay Vicerra, Ronnie Concepcion y Elmer Dadios. "Diseño de un controlador de robot para la formación de pelotones mediante lógica difusa". En 2019, Séptima Conferencia Internacional sobre Tecnología y Aplicaciones de Inteligencia Robótica (RiTA), págs. 83-88. IEEE, 2019.
  19. ^ Bedruz, Rhen Anjerome R., José Martín Z. Maningo, Arvin H. Fernando, Argel A. Bandala, Ryan Rhay P. Vicerra y Elmer P. Dadios. "Algoritmo de configuración de formación dinámica de pelotones de robots enjambre para la optimización de efectos aerodinámicos". En 2019, Séptima Conferencia Internacional sobre Tecnología y Aplicaciones de Inteligencia Robótica (RiTA), págs. IEEE, 2019.
  20. ^ Trenchard, H., 2018. "Cuando los robots se aburren e inventan deportes de equipo: ¿una prueba más adecuada que la prueba de Turing?". Información, 9(5), p.118.
  21. ^ Olds, T. 1998. "Las matemáticas de escapar y perseguir en bicicleta". Eur J App Phsiol, 77, 492–497
  22. ^ Wooldridge, M. Introducción a los sistemas multiagente; Wiley: Reino Unido, 2009.
  23. ^ ab Hoenigman, R., Bradley, E., Lim, A.2011. "Cooperación en las carreras de motos, cuándo trabajar juntos y cuándo hacerlo solo". Complejidad 17(2) 39–44
  24. ^ Martins Ratamero, E., 2013, septiembre. Modelado de la dinámica del pelotón en el ciclismo competitivo: un enfoque cuantitativo. En Congreso Internacional de Apoyo a la Investigación y Tecnología en Ciencias del Deporte. Springer, Cham. 42-56
  25. ^ Wilensky, U. 1998. Modelo de flocado de Netlogo. Centro de Aprendizaje Conectado y Modelado por Computadora, Universidad Northwestern, Evanston, Il.
  26. ^ Reynold, C. 1987. "Bandadas, rebaños y escuelas: un modelo de comportamiento distribuido". SIGGRAPH '87 (Computer Graphics 21(4), julio), 25–34.
  27. ^ Sayama, H.2007. "Control descentralizado y métodos de diseño interactivo para enjambres autoorganizados heterogéneos a gran escala". En: Avances en la vida artificial. Saltador 675-684
  28. ^ Viejos, T.1998. Las matemáticas de escaparse y perseguir en bicicleta. Revista europea de fisiología aplicada y fisiología ocupacional 77(6), 492-497
  29. ^ Kyle, CR 1979. "Reducción de la resistencia al viento y la producción de potencia de ciclistas y corredores que viajan en grupos". Ergonomía 22(4) 387-397
  30. ^ Hoenigman , 2011
  31. ^ Trenchard, H. 2012. La compleja dinámica de los pelotones de bicicletas. preimpresión de arXiv arXiv:1206.0816
  32. ^ Trenchard y col. (2015)
  33. ^ Trenchard, H. 2015. "El superorganismo del pelotón y el comportamiento protocooperativo", Matemáticas Aplicadas y Computación, Elsevier, vol. 270(C), en 183
  34. ^ Trenchard, Hugh. "Pelotones celulares: un modelo de clasificación celular evolutiva temprana, con aplicación al moho limoso Dictyostelium discoideum ". Revista de biología teórica 469 (2019): 75–95.
  35. ^ Trenchard, H. 2015. "El superorganismo del pelotón y el comportamiento protocooperativo", Matemáticas Aplicadas y Computación, Elsevier, vol. 270(C), en 182, permiso para reimprimir recibido de Elsevier
  36. ^ Macur, Julieta (6 de julio de 2009). "El sexto sentido tiene a Armstrong en tercer lugar". New York Times . Archivado desde el original el 20 de julio de 2011.
  37. ↑ Ratamero , 2013
  38. ^ Viejos , 1998
  39. ^ Ratamero, 2013
  40. ^ Scelles, N., Mignot, J.-F., Cabaud, B. y François, A. (2018), "Formas organizativas temporales y cooperación en el ciclismo: ¿Qué hace que una escapada sea exitosa en el Tour de Francia?", Equipo Gestión del desempeño, vol. 24 No. 3/4, págs. 122-134. https://doi.org/10.1108/TPM-03-2017-0012
  41. ^ Wolf, S. y Saupe, D., 2017. Cómo mantenerse a la vanguardia: estrategias óptimas de ciclismo de ruta para dos ciclistas que cooperan. Revista Internacional de Ciencias de la Computación en el Deporte, 16(2), págs.88-100.

enlaces externos

Wikimedia Commons tiene medios relacionados con los pelotones .
Busque pelotón en Wikcionario, el diccionario gratuito.