TCU 功率訓練教室 — Strava 單車功率分析與 AI 智能教練平台

什麼是 TCU 功率訓練教室？

TCU 功率訓練教室是由 TCU 單車聯盟打造的專業功率分析平台。我們整合 Strava 騎乘數據，運用先進的運動科學演算法，為每一位單車騎士提供深度的訓練數據分析與個人化建議。無論您是剛接觸功率計的新手，還是追求突破極限的菁英車手，TCU 功率訓練教室都能幫助您用數據驅動訓練、用科學提升表現。

核心功能

PMC 訓練負荷管理

透過 Performance Management Chart（PMC）圖表，即時追蹤您的長期訓練負荷（CTL）、短期訓練負荷（ATL）和訓練壓力平衡（TSB）。這三個關鍵指標幫助您掌握體能狀態，了解目前是處於巔峰狀態還是需要恢復休息，科學規劃訓練週期與比賽備戰策略。

FTP 功能閾值功率追蹤

FTP（Functional Threshold Power）是衡量騎士有氧耐力的黃金指標。本教室持續追蹤您的 FTP 變化趨勢，透過多種估算方法（20 分鐘測試、60 分鐘功率、臨界功率模型）交叉驗證，讓您清楚看到訓練成效。每當 FTP 提升，系統會自動調整功率區間，確保訓練強度始終精準。

功率區間分析

基於 Andrew Coggan 博士的七區功率分區模型，本平台將您的每一次騎乘分解為不同的功率區間。從主動恢復區（Zone 1）到神經肌肉功率區（Zone 7），每個區間代表不同的生理適應目標。透過區間分佈分析，您可以了解自己的訓練是否平衡，是否投入足夠的時間在需要加強的區間。

MMP 最大平均功率曲線

MMP（Mean Maximal Power）曲線展示您在不同持續時間下能輸出的最大功率。從 1 秒的爆發力到 60 分鐘的耐力表現，MMP 曲線全面呈現您的功率特徵。透過與歷史數據的比較，您可以精準識別自己是衝刺型選手還是耐力型選手，找出需要強化的弱點區域。

AI 智能教練

TCU 的 AI 智能教練結合機器學習技術，根據您的歷史訓練數據、體能狀態和目標，自動生成個人化的訓練建議。AI 教練會分析您的訓練模式，提供每日訓練摘要、恢復建議、訓練強度調整，甚至預測未來的 FTP 變化趨勢，讓您的訓練更有效率、更科學。

GoldenCheetah 進階指標

靈感來自知名開源分析軟體 GoldenCheetah，我們提供一系列進階騎乘指標：W' Balance（無氧功能儲備追蹤）、CP 臨界功率模型（三參數擬合）、效率因子（EF = NP/HR）、標準化功率（NP）等。這些專業指標幫助進階騎士深度理解每一次騎乘的生理反應與表現特徵。

區段比較工具

將不同時間的騎乘數據並排比較，追蹤同一路線或相似區段的表現變化。比較功率輸出、心率反應、踏頻節奏、速度等關鍵指標，量化訓練進步的幅度。這個工具特別適合追蹤特定爬坡路段或計時路線的長期進步。

Getting Started — 如何開始使用

Getting started takes just three steps. First, sign in with a Strava account and authorize access to activity history. Second, the system automatically syncs historical rides and wattage sensor recordings. Third, navigate to the Analysis page to immediately begin exploring accumulated ride metrics. All calculations run in real-time — no waiting required. Begin a free science-based athletic journey today.

Who Is This For — 適合誰使用

This platform is designed for any cyclist who measures watt output on the bike. Road cyclists, track cyclists, triathletes, and mountain bikers — if you upload rides to Strava with wattage figures, the application delivers professional-grade analytics. Whether a recreational rider wanting to understand stress balance TSB, or a competitive athlete optimizing FTP Functional Threshold and CTL Chronic Load for peak race performance, meaningful insights are available at every level.

Supported cycling disciplines include road racing, criterium racing, time trial, triathlon cycling leg, mountain bike cross country, velodrome track cycling, and gravel riding. Any watt sensor compatible with Strava is supported, including Garmin Vector, Favero Assioma, Stages, Quarq, Pioneer, SRM, Shimano, and Wahoo KICKR smart trainer output estimates.

Technology Stack — 技術架構

The platform is built with modern web technologies including React TypeScript frontend, Python backend analytics engine, PostgreSQL via Supabase, and Strava API OAuth 2.0 integration. Fitness metrics are computed using established sports science models: Andrew Coggan seven-zone intensity model, Banister impulse-response model for CTL ATL TSB, Morton three-parameter CP model for W prime and CP, and proprietary machine learning models for AI coaching recommendations.