stringtranslate.com

Pelotón

El pelotón en el Giro de Italia 2018

En una carrera ciclista de ruta , el pelotón (del francés , que originalmente significaba ' pelotón ' ) es el grupo principal o grupo de ciclistas. Los ciclistas de un grupo ahorran energía al circular cerca ( a rebufo o detrás ) de otros ciclistas (particularmente detrás de ellos). La reducción de la resistencia es drástica; al circular en medio de un grupo bien desarrollado, la resistencia puede reducirse hasta en un 95 %. [1] La explotación de este potencial ahorro de energía conduce a interacciones cooperativas y competitivas complejas entre ciclistas y equipos en las tácticas de carrera. El término también se utiliza para referirse a la comunidad de ciclistas profesionales en general.

Definición

En términos más formales, un pelotón se define como "dos o más ciclistas que circulan lo suficientemente cerca como para ubicarse en una de dos posiciones básicas: (1) detrás de los ciclistas en zonas de presión de aire reducida, conocidas como '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 se ha definido de manera similar "como un grupo de ciclistas que están acoplados entre sí a través de los beneficios energéticos mutuos del drafting, por 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 interacciones de los ciclistas. [3]

Formaciones

El pelotón se desplaza en línea recta para aumentar la estela , reduciendo así la resistencia y conservando la energía para los ciclistas que van detrás, a menudo para los ciclistas clave, como los velocistas o los ciclistas de la clasificación general.

Los pelotones se observan típicamente durante las carreras de bicicletas en las que se permite el rebufo, aunque los pelotones también se forman a partir del tráfico de ciclistas que se desplazan al trabajo. [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 van por delante. Los ciclistas que van al frente están totalmente expuestos a la resistencia del viento, por lo que experimentan mayores cargas de fatiga que los ciclistas en posiciones de rebufo. [6] Después de un período de tiempo al frente, los ciclistas que van en cabeza maniobran más atrás en el pelotón hasta una posición de rebufo para recuperarse. De este modo, el pelotón está en movimiento fluido a medida que una rotación continua de ciclistas empuja desde atrás hasta el borde delantero, para luego alejarse. Al igual que las bandadas de pájaros, se ha identificado un comportamiento similar al del pelotón que implica rebufo o mecanismos similares de ahorro de energía en una variedad de sistemas biológicos. [7] [8] [9] [10]

La forma o formación del pelotón cambia según múltiples factores. Los esfuerzos de alta potencia comparativamente debidos a altas velocidades en topografía plana, un fuerte viento en contra o pendientes (colinas) tienden a dispersar o alargar la formación, a menudo en una sola fila. Un ritmo lento o un fuerte viento de cola en el que la potencia de salida de los ciclistas es baja da como resultado formaciones compactas de modo que los ciclistas circulan uno al lado del otro, a menudo llenando las carreteras de un lado a otro. Cuando dos o más grupos de ciclistas tienen motivos para disputarse el control del pelotón, pueden formarse varias filas, 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 significativo en la formación del pelotón. [11]

Por lo tanto, estas formaciones comprenden dos fases principales de comportamiento: una formación compacta de baja velocidad y una formación de una sola fila de alta velocidad. [3] Las fases de pelotón se indican mediante umbrales en la salida colectiva que se pueden modelar matemática y computacionalmente. [3] [12] Los principios de comportamiento de fase identificados por Trenchard et al. se han aplicado para optimizar problemas de ingeniería. [13]

De manera similar, estos umbrales en las formaciones de pelotón definen transiciones entre el comportamiento cooperativo del pelotón y el comportamiento de oportunismo. [14] La cooperación y el oportunismo en pelotones se han estudiado utilizando la teoría de juegos y como un dilema social, [15] [16] [17] y también se han considerado en términos de equivalencias con aspectos de la teoría económica. [18]

También se han modelado comportamientos básicos del pelotón con robots, [19] [20] y también se han considerado los principios del comportamiento del pelotón en relación con el futuro del comportamiento colectivo de los robots. [21]

Modelos y simulaciones

Modelo de Olds

El análisis de Olds [22] incluía los grupos de escapada y de persecución. Identificó los factores que intervienen en la determinación de la probabilidad de que un grupo de escapada consiga llegar a la meta por delante de los grupos de persecución. Identificó los siguientes factores críticos: la distancia restante en la carrera, la velocidad del grupo de escapada, la cantidad de ciclistas tanto en el grupo de escapada como en el de persecución, la proximidad entre los ciclistas, la pendiente y la aspereza del recorrido, y los vientos en contra y en contra (denominados factores de "demanda"). Al introducir las variables fisiológicas de los ciclistas, incluida la producción de potencia 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 a la escapada.

Los hallazgos clave de Olds incluyen que la velocidad media del grupo aumenta rápidamente como una función del tamaño del grupo hasta cinco o seis ciclistas, y luego continúa aumentando pero solo gradualmente hasta aproximadamente 20 ciclistas; el espaciado de las ruedas es un determinante significativo de la velocidad del grupo debido a las ventajas de ir a rebufo; la velocidad media cae como una función de la distancia restante; el tiempo de ventaja requerido para un grupo de escapada cae rápidamente a medida que el número de ciclistas en el grupo de escapada aumenta hasta aproximadamente 10 ciclistas, pero se estabiliza a medida que el número de ciclistas en el grupo de escapada 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 de escapada y el espaciado de las ruedas entre los perseguidores es mayor de 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. [23] Para sus agentes ciclistas, Hoenigman et al. [24] asignaron potencias máximas 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 drafting de menor costo dentro del pelotón, ambos de acuerdo con cierta probabilidad. Hoenigman et al. introdujeron ecuaciones de potencia de la literatura para posiciones de drafting y no drafting, un umbral anaeróbico aproximado como un 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 "separación" en el que los ciclistas que desertan aumentan su velocidad a un umbral más alto ya sea para separarse o para alcanzar a un grupo que va por delante.

Los autores realizaron experimentos variando los parámetros observados en una carrera en ruta plana simulada de 160 kilómetros (99 millas) en la que participaron 15 equipos de 10 ciclistas. Los cooperadores (aquellos dispuestos a ocupar la posición delantera más costosa) pasan 5 minutos al frente y luego rotan hacia la parte posterior del grupo. Los desertores pasan solo 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 que les queda hasta el 100% de su potencia máxima de salida. Los resultados del modelo muestran que los ciclistas más débiles obtienen mejores resultados si desertan, mientras que la cooperación es una buena estrategia para los ciclistas más fuertes. Los resultados son realistas cuando se comparan 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).

Simulación de Erick Ratamero

Simulación del pelotón de Ratemero

En su simulación de pelotón basada en agentes de 2013, Erick Ratamero [25] aplicó el modelo de agrupamiento basado en agentes de Wilenski que incorpora tres parámetros dinámicos principales: alineación, separación y cohesión. [26] El modelo de Wilenski se origina a partir del modelo de agrupamiento de Craig Reynolds que incorpora los mismos parámetros, que describió como coincidencia de velocidad, prevención de colisiones y centrado del grupo. [27]

Ratamaro aplicó entonces el algoritmo de Sayama para fuerzas de cohesión y separación [28] para ajustar la aceleración de los agentes en función de su espaciamiento proporcional dentro de un campo de visión definido. Ratamero introdujo entonces los parámetros energéticos de los ciclistas, adoptando elementos de las ecuaciones de Olds para el gasto energético de los ciclistas [29] y los resultados del rendimiento de los ciclistas de Hoenigman [24] y la ecuación de drafting de Kyle [30] . Ratamero introdujo entonces una cantidad energética umbral para simular el umbral de lactato derivado de Hoenigman [31] , por el cual los ciclistas-agentes que gastan energía por encima de este nivel se fatigarán y eventualmente retrocederán a su posición dentro del pelotón simulado. Por lo tanto, los ciclistas-agentes gastan su energía de manera diferencial dentro del pelotón en función de sus posiciones y la proximidad a las posiciones de drafting.

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 sin rebufo que algunos ciclistas internos al pelotón cuyos continuos ajustes posicionales pueden resultar en menos tiempo en posiciones óptimas de rebufo. El modelo de Ratamero exhibe un comportamiento autoorganizado similar a la convección que Trenchard describió como una fase del comportamiento del pelotón. [32]

Simulación de Trenchard et al.

Trenchard y cols. simulación de pelotón

En su simulación de pelotón basada en agentes de 2015, [33] Trenchard et al. aplicaron el modelo dinámico de Ratamero, pero introdujeron una forma diferente de modelar las relaciones energéticas entre ciclistas y 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 drafting, Trenchard et al. introdujeron diferentes capacidades sostenibles máximas para cada ciclista-agente cuyas posiciones están determinadas por la proporción de sus capacidades máximas con respecto a la del ciclista delantero que establece la velocidad del pelotón. Para esto, aplicaron la ecuación:

PCR = [P frontal - [P frontal ⋅ (1 - d)]] / MSO sigue

donde PCR es la "ratio de convergencia del pelotón", que describe dos ciclistas acoplados; el ciclista delantero que no va a rebufo marca el ritmo, mientras que el que va detrás obtiene el beneficio de ir a rebufo de una potencia reducida a la misma velocidad que el ciclista delantero. El acoplamiento de dos ciclistas se generaliza a interacciones de múltiples ciclistas.

"P frontal " es la potencia de salida del ciclista que va delante cuando marca el ritmo dentro del sistema acoplado;

"d" expresa el ahorro de energía del seguidor debido al rebufo, como una fracción (porcentaje) de la potencia del conductor delantero;

"MSO follow " es la potencia máxima sostenible para el seguidor.

Por lo tanto, si la P delantera supera 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 la velocidad representativa de la limitación del MSO. Un ciclista que va a rebufo puede operar en o por debajo del MSO. Si el ciclista está en MSO mientras va a rebufo pero las condiciones cambian (por ejemplo, el ciclista se queda demasiado atrás o demasiado al costado de la posición óptima de rebufo, con respecto al líder), entonces el seguidor debe desacelerar. Si está por debajo del MSO mientras va a rebufo pero temporalmente queda fuera del rango de rebufo, puede aumentar la potencia de salida para mantener el ritmo del líder siempre que 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 del curso de una carrera. Trenchard et al. probaron el modelo contra un conjunto real de MSO para 14 ciclistas que participaron en una carrera de 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[14]

Trenchard propuso un marco teórico para el comportamiento "protocooperativo" del pelotón, una forma de cooperación que surge naturalmente de los principios de interacción física en oposición a los impulsados ​​por motivaciones humanas competitivas, sociológicas o económicas. De esta manera, el comportamiento protocooperativo involucra principios universales que Trenchard plantea como hipótesis que pueden encontrarse en muchos sistemas biológicos que involucran mecanismos de ahorro de energía. Los parámetros del comportamiento protocooperativo incluyen: 1. dos o más ciclistas acoplados por ventaja de ir a rebufo; 2. la potencia o velocidad de los ciclistas; y 3. la 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 una sola fila identificada anteriormente), en la que los ciclistas pueden mantener la velocidad de los que van adelante, pero no pueden adelantar. 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 un comportamiento de free-ride (en fila india) hasta un segundo umbral cuando los ciclistas acoplados divergen. Aplicando la ecuación PCR (mencionada anteriormente), el rango de MSO de los ciclistas en la fase de free-ride es equivalente al beneficio de ahorro de energía del drafting (1-d). Cuando se conducen a velocidades máximas, los pelotones tienden a organizarse en subgrupos de modo que sus rangos de MSO sean iguales al rango de free-ride (1-d).

Trenchard extrae los siguientes principios: [34]

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 oportunistas. En este rango de PCR, equivalente al ahorro de energía (1-d), estos ciclistas no pueden pasar y compartir la posición delantera más costosa. Los ciclistas más fuertes en posiciones de drafting siempre podrán pasar a los ciclistas más débiles que estén por delante.
  2. A medida que se aumentan las velocidades hasta las velocidades máximas establecidas por los ciclistas más fuertes, los ciclistas cuyos MSO estén por debajo del rango de PCR (1-d), equivalente a la energía ahorrada al ir a 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 de 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 tal manera que los subgrupos quepan dentro del rango equivalente a 1-d.

Trenchard plantea la hipótesis de que este comportamiento de clasificación 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 mucilaginoso [8] [35].

El umbral protocooperativo se muestra en la figura de la derecha. [36]

Estrategia

Mientras que los corredores que van en la parte delantera encuentran la mayor resistencia del aire (y también aquellos en el lado barlovento cuando hay un viento cruzado significativo ), aquellos que van detrás de los primeros corredores cerca del frente tienen ventajas críticas.

Estar cerca de la cabeza 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 de la cabeza reduce el riesgo de quedar atrapado en el grupo de atrás si se produce una fuga en el pelotón, por ejemplo, después de una caída. Los ciclistas que están cerca de la cabeza tienen muchas menos probabilidades de sufrir retrasos debido a accidentes.

Existe un riesgo cada vez mayor de sufrir retrasos o lesiones por colisiones a medida que uno se queda 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 a la parte trasera del pelotón. Los ciclistas que van detrás deben anticiparse y frenar con antelación para evitar colisiones cuando el pelotón disminuye la velocidad. El hecho de tocar las ruedas, aunque sea por un momento, normalmente da lugar a un choque, que se propaga por todo el pelotón en una reacción en cadena, ya que los ciclistas, que van apiñados, no pueden evitar chocar con los ciclistas y las bicicletas derribados. Todo el pelotón que va detrás del choque puede verse detenido.

Estar cerca del frente también es fundamental en condiciones de viento cruzado fuerte. Los vientos cruzados crean una penalización significativa de fatiga para todos, a menos que los corredores formen grupos móviles llamados escalones en los que los corredores colaboran para formar una "línea de ritmo" en un patrón de pista de carreras en ángulo a través de la carretera, con el corredor líder en el lado de barlovento de la carretera. Los corredores de una línea de ritmo, como un escalón, cambian de posición secuencialmente a intervalos cortos para que ningún corredor deba acumular fatiga excesiva por enfrentar la máxima resistencia del viento en el borde delantero. Los escalones están necesariamente limitados en tamaño por el ancho de la carretera.

Cuando un gran pelotón se ve expuesto a un fuerte viento cruzado en una carretera estrecha, no puede evitar dividirse en varios escalones pequeños. Los equipos que conocen las condiciones del viento que se avecinan, que son lo suficientemente fuertes como para pasar a la cabeza y que tienen mucha experiencia en la conducción en escalones, pueden obtener una importante ventaja de tiempo en estas circunstancias.

Para los ciclistas que aspiran a ganar una carrera es fundamental mantenerse cerca (pero no en) la parte delantera del pelotón, especialmente cuando se acercan a curvas cerradas que requieren frenar. Retomar el ritmo después de una curva cerrada (especialmente con viento en contra) suele provocar la división del pelotón. Una vez que se produce una división, si la voluntad y la fuerza colectiva de los que se ubicaron sabiamente al frente es mayor que la de los que se ubicaron detrás, la brecha entre los grupos se mantendrá (o aumentará) hasta el final de la carrera, porque la resistencia adicional del aire para un solo ciclista que intenta avanzar para alcanzar al grupo delantero impone una penalización de fatiga extravagante, en comparación con los que permanecieron protegidos en el pelotón. Esto es particularmente cierto a alta velocidad en carreteras llanas.

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

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

Algunos ciclistas fuertes siempre intentarán separarse del pelotón principal, tratando de 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 ciclistas de la fuga son fuertes, especialmente si ninguno de los ciclistas 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 ciclista (o ciclistas) que están en cabeza y también han logrado separarse del pelotón se conocen como Tête de la Course (una expresión francesa que significa "cabeza de carrera"). El pelotón no permitirá que una escapada con un hombre peligroso se adelante mucho. Los equipos fuertes que quieren que su velocista compita por la victoria se colocan al frente del pelotón y dictan un ritmo duro, imponiendo fatiga a los rivales, mientras que los ciclistas de la fuga (que individualmente deben pasar mucho más tiempo expuestos al viento que los miembros del pelotón) sucumben secuencialmente a la fatiga y normalmente son alcanzados. Las escapadas que normalmente habrían tenido éxito a menudo se desorganizan justo antes de la meta, donde los cálculos de los ciclistas sobre sus posibilidades personales de victoria destruyen la inestable alianza de la escapada, mientras que el pelotón los alcanza rápidamente.

Los factores tácticos también se aplican. [37] [38] [39] [40] [41] [42] 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 está actualmente en un grupo de escapada frente al pelotón principal, los miembros restantes del equipo normalmente no harán ningún intento de acelerar el pelotón, para maximizar las posibilidades de éxito para su ciclista del grupo de escapada. Rara vez, pueden moverse al frente del pelotón y buscar activamente verificar el progreso del pelotón en un momento crítico. Esta táctica tiene la mejor probabilidad de éxito en carreteras estrechas, con curvas cerradas, donde un solo equipo puede llenar la carretera de un lado al otro.

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

Véase también

Referencias

  1. ^ Blocken, Bert (30 de junio de 2018). "Arrastre aerodinámico en pelotones de ciclismo: 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 y Richardson, Ashlin y Ratamero, Erick y 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 Garcia, Carlos Llorca & Jorge Serra-Planelles (2020) Influencia de la configuración del pelotón en la interacción entre ciclistas deportivos y vehículos de motor en carreteras 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 la configuración de los grupos sociales de ciclistas: un estudio de campo. Physica A: Mecánica estadística y sus aplicaciones, 592, 126849.
  6. ^ Yau, Nathan (27 de julio de 2018). "Cálculo de la resistencia del viento en el pelotón ciclista". FlowingData . Consultado el 28 de mayo de 2024 .
  7. ^ 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”. Bio Systems 147, 40–66 .
  8. ^ ab Trenchard, Hugh, Carlton E. Brett y Matjaž Perc 2017. “'Pelotones' de trilobites: posibles efectos de arrastre hidrodinámico entre los trilobites líderes y los siguientes en las colas de trilobites”. Paleontología 60, 557–569.
  9. ^ Trenchard, Hugh. “Pelotones celulares: un modelo de clasificación celular evolutiva temprana, con aplicación al moho mucilaginoso Dictyostelium discoideum ”. Journal of Theoretical Biology 469 (2019): 75–95.
  10. ^ Trenchard, H. 2012. “Dinámica del colectivo de fochas americanas en el agua”. Dinámica no lineal, psicología y ciencias de la vida, 17, 183–203.
  11. ^ 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 pelotones densos de ciclismo". Journal of the Royal Society Interface, 16(156), p.20190197.
  12. ^ Trenchard, Hugh y Ratamero, Erick y Richardson, Ashlin y Perc, Matjaž, 2015. "Un modelo de desaceleración para la dinámica del pelotón de bicicletas y la clasificación de grupos", Applied Mathematics and Computation, Elsevier, vol. 251(C), páginas 24-3
  13. ^ Poitras, G., Cormier, G. y Nobelle, AS. 2018. "Nuevo algoritmo de optimización para sistemas de pisos de acero compuesto: optimización de dinámica de Peloton (PDO)". Building Tomorrow's Society, conferencia anual de la Sociedad Canadiense de Ingeniería Civil, 13 al 16 de junio de 2018
  14. ^ ab Trenchard, H. 2015. "El superorganismo pelotón y el comportamiento protocooperativo", Applied Mathematics and Computation, Elsevier, vol. 270(C), páginas 179–192
  15. ^ Brouwer, T., y Potters, J. 2019. "Amigos por (casi) un día: estudio de las escapadas en las carreras ciclistas". Journal of Economic Psychology, 75 (parte B), [102092]. https://doi.org/10.1016/j.joep.2018.08.001
  16. ^ Hoenigman, Rhonda, Elizabeth Bradley y Allen Lim. "Cooperación en las carreras ciclistas: cuándo trabajar en equipo y cuándo hacerlo solo". Complexity 17, n.º 2 (2011): 39–44.
  17. ^ Mignot, JF, 2016. "Comportamiento estratégico en las competiciones de ciclismo de ruta". En: La economía del ciclismo de ruta profesional (pp. 207-231). Springer, Cham.
  18. ^ Trenchard, Hugh y Matjaz Perc. "Equivalencias en sistemas biológicos y económicos: dinámica del pelotón y efecto rebote". PLOS ONE 11, núm. 5 (2016): e0155395.
  19. ^ 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, 7.ª Conferencia internacional sobre tecnología y aplicaciones de inteligencia robótica (RiTA), págs. 83-88. IEEE, 2019.
  20. ^ Bedruz, Rhen Anjerome R., Jose Martin Z. Maningo, Arvin H. Fernando, Argel A. Bandala, Ryan Rhay P. Vicerra y Elmer P. Dadios. "Algoritmo de configuración de formación de pelotones dinámicos de robots enjambre para la optimización de efectos aerodinámicos". En 2019, 7.ª Conferencia internacional sobre tecnología y aplicaciones de inteligencia robótica (RiTA), págs. 264-267. IEEE, 2019.
  21. ^ Trenchard, H., 2018. "Cuando los robots se aburren e inventan deportes de equipo: ¿una prueba más adecuada que el test de Turing?". Información, 9(5), p.118.
  22. ^ Olds, T. 1998. "Las matemáticas de la escapada y la persecución en el ciclismo". Eur J App Phsiol, 77, 492–497
  23. ^ Wooldridge, M. Introducción a los sistemas multiagente; Wiley: Reino Unido, 2009.
  24. ^ ab Hoenigman, R., Bradley, E., Lim, A. 2011. "Cooperación en las carreras de bicicletas: cuándo trabajar en equipo y cuándo hacerlo solo". Complexity 17(2) 39–44
  25. ^ Martins Ratamero, E., 2013, septiembre. Modelado de la dinámica del pelotón en el ciclismo de competición: un enfoque cuantitativo. En el Congreso Internacional sobre Investigación y Apoyo Tecnológico en Ciencias del Deporte. Springer, Cham. 42-56
  26. ^ Wilensky, U. 1998. Modelo de flocado Netlogo. Centro para el aprendizaje conectado y modelado basado en computadora, Universidad Northwestern, Evanston, Il.
  27. ^ Reynold, C. 1987. "Rebaños, manadas y cardúmenes: un modelo de comportamiento distribuido". SIGGRAPH '87 (Computer Graphics 21(4), julio), 25–34.
  28. ^ Sayama, H. 2007. "Métodos de diseño interactivo y de control descentralizado para enjambres autoorganizados heterogéneos a gran escala". En: Advances in Artificial Life. Springer 675-684
  29. ^ Olds, T. 1998. Matemáticas de la escapada y la persecución en el ciclismo. Revista europea de fisiología aplicada y fisiología ocupacional 77(6), 492-497
  30. ^ Kyle, CR 1979. "Reducción de la resistencia al viento y de la potencia de salida de ciclistas de carreras y corredores que viajan en grupos". Ergonomía 22(4) 387-397
  31. ^ Hoenigman , 2011
  32. ^ Trenchard, H. 2012. La dinámica compleja de los pelotones de bicicletas. Preimpresión arXiv arXiv:1206.0816
  33. ^ Trenchard y otros (2015)
  34. ^ Trenchard, H. 2015. "El superorganismo pelotón y el comportamiento protocooperativo", Applied Mathematics and Computation, Elsevier, vol. 270(C), en 183
  35. ^ Trenchard, Hugh. “Pelotones celulares: un modelo de clasificación celular evolutiva temprana, con aplicación al moho mucilaginoso Dictyostelium discoideum ”. Journal of Theoretical Biology 469 (2019): 75–95.
  36. ^ Trenchard, H. 2015. "El superorganismo pelotón y el comportamiento protocooperativo", Applied Mathematics and Computation, Elsevier, vol. 270(C), en 182, permiso para reimprimir recibido de Elsevier
  37. ^ Macur, Juliet (6 de julio de 2009). "Sixth Sense tiene a Armstrong en tercer lugar". New York Times . Archivado desde el original el 20 de julio de 2011.
  38. ^ Ratamero , 2013
  39. ^ Viejos , 1998
  40. ^ Ratamero, 2013
  41. ^ Scelles, N., Mignot, J.-F., Cabaud, B. y François, A. (2018), "Formas organizativas temporales y coopetición en el ciclismo: ¿Qué hace que una escapada tenga éxito en el Tour de Francia?", Team Performance Management, vol. 24 n.º 3/4, págs. 122-134. https://doi.org/10.1108/TPM-03-2017-0012
  42. ^ 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 informática en el deporte, 16(2), pp.88-100.

Enlaces externos