Universiteit Leiden

nl en
ANP

Superbenen kweken voor de Tour met hulp van Leidse data science

Alleen de fitste renners maken kans op geel in de loodzware Tour de France. Team Jumbo-Visma werkt samen met Leidse datawetenschappers. Zij analyseerden de etappes en prestaties van Jumbo-Visma’s renners in voorgaande grote rondes. En ze onderzoeken hoe de fitheid van klassementrijders als Primož Roglič en Steven Kruijswijk bepaald kan worden.

De Tour de France van 2020 werd voor Jumbo-Visma een ware wielerthriller. Maar liefst elf dagen lang reed de Sloveense ster Primož Roglič in het geel. Tot die één-na-laatste dag, toen de klimtijdrit op het menu stond en Parijs niet ver meer was. Bijna twee minuten moest Roglič inleveren op Tadej Pogacar die op de valreep de Tour won. ‘Ik had vandaag niet de benen om harder te gaan’, zei de teleurgestelde Sloveen destijds in een reactie. ‘Ik kon gewoon niet harder pushen. Ik kon niet de wattages rijden die nodig waren om te winnen.’ 

In de wielerwereld draait alles om de wattages, de hoeveelheid vermogen die een coureur kan leveren op de pedalen. Had Roglič misschien iets teveel gegeven in de etappes ervoor? Die vraag zal nog lang hebben nagedreund bij de coureur en de staf van deze prominente Nederlandse wielerploeg. Dit jaar hopen ze op revanche en misschien dat de bijdrage van Leidse datawetenschappers daarbij helpt. 

Jumbo-Visma: 'Dankzij data science kunnen we zaken ontdekken die we nu nog over het hoofd zien'

Data Science en wielrennen

Na een eerdere samenwerking werkt deze wielerploeg opnieuw samen met de datawetenschappers van het Leiden Institute of Advanced Computer Science (LIACS). Vanuit Leiden trekt Arno Knobbe de samenwerking. Hij is hoofd van de onderzoeksgroep Data Mining & Sport. Voor deze fervente wielrenliefhebber is het onderzoek een uitgelezen kans om slimme datamodellen te ontwikkelen die ook nog eens toepasbaar zijn in de praktijk. 

Analyses eerdere wedstrijden

Het team van Knobbe analyseerde de uitslagen van de klassiekers en grote rondes van de afgelopen drie jaar. Wat deden de renners in de dagen voor de cruciale etappes, en wat was de uitslag op de beslissende dag? Knobbe: ‘Een grote ronde kent een aantal dagen waarop een renner er echt moet staan, tijdens tijdritten en aankomsten bergop. Als ze dan niet fit zijn, gaan ze tijd inleveren.’ Bij één renner ontdekte het onderzoeksteam een bepaald patroon. Bij een bepaald belastingniveau in drie achtereenvolgende dagen leverde de coureur de volgende dag een paar minuten in. Zo rekende datawetenschapper Arie-Willem de Leeuw ook voor de Giro d’Italia en de Tour de France van 2020 alle etappes door en en merkte op: als de renner op dit soort dagen deze inspanning levert, gaat hij waarschijnlijk de vierde dag inleveren. En is het verstandiger om in aanloop naar die beslissende etappe iets rustiger aan te doen, bijvoorbeeld door wat meer knechten in te zetten. 

Primoz Roglic, kopman van Jumbo-Visma, fietst in de gele trui een berg op tussen het publiek, tijdens de Tour van 2020
Primož Roglič, kopman van Jumbo-Visma, in de gele trui tijdens de Tour van 2020. Na 11 dagen in de gele trui verloor hij zijn koppositie op de een-na-laatste dag aan Tadej Pogacar. Foto ANP

Enthousiasme bij Jumbo-Visma

Jumbo-Visma is enthousiast over de samenwerking. ‘De resultaten van dit onderzoek hebben we meegenomen in het bepalen van onze tactische aanpak van nieuwe wedstrijden dit jaar’, zegt Mathieu Heijboer, Head of Performance van Jumbo-Visma. Het zijn extreem drukke dagen in aanloop naar en tijdens de Tour. ‘We verzamelen dagelijks ontzettend veel data, veel meer dan we eigenlijk kunnen analyseren. Door middel van data science wordt het eenvoudiger om grote datasets te analyseren en kunnen we zaken ontdekken die we nu nog over het hoofd zien.’ 

Onderzoek klassementsrenners

De Leidse wetenschappers bestuderen ook de effecten van trainingen. Ze nemen de persoonlijke data van Jumbo-Visma’s klassementsrenners onder de loep, zoals die van Primož Roglič, Steven Kruijswijk en George Bennet. Knobbe: ‘Als je merkt dat een renner op de dag van de wedstrijd niet helemaal fit is, dan is het eigenlijk al te laat. Als trainer wil je zien hoe dat historisch zo is gekomen. Wij proberen met onze data patronen te vinden die signaleren: als de renner op dit moment deze zware trainingsactiviteit krijgt, is de belasting wellicht te zwaar.’   

Leren van de Jumbo-Visma schaatsploeg

Uit tactische overwegingen kunnen met betrekking tot het wielrennen nog geen specifieke namen en voorbeelden genoemd worden. Wel kan Knobbe een voorbeeld geven uit zijn schaatsonderzoek voor het schaatsteam van Jumbo-Visma. Het bleek dat Olympisch kampioen Kjeld Nuis soms in de laatste vijf dagen voor een wedstrijd iets te zwaar trainde in de ochtend waardoor hij licht vermoeid bij de wedstrijd aankwam. Wedstrijden waarbij de voorbereiding op deze manier te zwaar was, pakten statistisch vaak slechter uit dan gemiddeld. Vanaf dat moment bouwde het team een drempelwaarde in het trainingsprogramma. Zodra in de laatste vijf dagen een persoonsgebonden maximale belasting bereikt wordt, verschijnt er een rood vlaggetje en wordt zijn schema teruggeschroefd. 

Vermogensmeter en hartslagband

De klassementsrijders hebben allemaal een vermogensmeter op hun fiets en ze dragen een hartslagband. Zo is op elk trainingsmoment te volgen wat ze aan het doen zijn, hoe zwaar ze trappen en hoe belastend dat is voor hun lichaam. Zodra de renners in de buurt van de teambus zijn, worden de data via wifi naar de cloud gestuurd. Uit de relatie tussen het wattage (hoe hard fietst de renner?) en hartslag (hoe zwaar vindt diens lichaam dit?), valt veel af te leiden over de fitheid. Alleen is die relatie niet eenduidig want de context van de prestatie is net zo goed belangrijk. Bevindt de renner zich op zeeniveau of op 3000 meter hoogte in ijle lucht? En zit de renner aan het begin van een etappe of tegen zijn limiet aan het eind? Al deze factoren nemen de onderzoekers mee in hun model.

Kaart van Frankrijk met daarop de route van de Tour de France 2021
De route van de Tour de France 2021. Voor de tacktiek maakt Jumbo-Visma gebruik van de analyses van het Leidse onderzoeksteam.

Data slim tegen elkaar weg strepen

Daarnaast speelt natuurlijk ook het moment in het seizoen een belangrijke rol. Knobbe: ‘We modelleren de data en alle aspecten die meettellen en proberen die op een slimme manier tegen elkaar weg te strepen. Zodat we uiteindelijk onderaan de streep de balans op kunnen maken hoe fundamenteel fit de renner is en en welke factoren daar mogelijk van invloed op zijn.'

'Het gaat om die paar procentjes verschil in inzicht waardoor de renners op het podium kunnen komen'

Trainingsschema’s

Terwijl de renners zwoegen op Franse of Italiaanse bergtoppen zit Mathieu Heijboer ondertussen in Nederland te puzzelen. Hij is de man die de renners zo fit mogelijk voor de wedstrijd probeert te krijgen. Mede op basis van de datamodellen en de aanbevelingen uit Leiden adviseert hij over de trainingsschema’s van de individuele renners. Knobbe: ‘We vertalen onze data en doen zo helder mogelijk aanbevelingen voor de staf. Daarbij proberen we ons ons ook echt te verplaatsen in de wielrenners: is het verstandig om op bepaalde dagen voluit te gaan of niet?’ Omdat het onderzoek nog niet zo lang loopt, monitoren ze wel de data maar zullen ze  geen analyses opleveren tijdens deze Tour de France.  

Heijboer denkt dat het gebruik van data science belangrijker gaat worden in de wielersport. ‘De mogelijkheden om data te verzamelen rondom trainingen en wedstrijden worden steeds makkelijker. Het aantal beschikbare wearables groeit explosief. Maar je hebt hier alleen iets aan als je de data ook goed kunt interpreteren, en daarin kan data science zeker een belangrijke rol spelen.’ 

Jumbo-Visma in de Tour van 2020
Jumbo-Visma tijdens de Tour van 2020: aan kop van het peleton in de etappe naar La Roche-sur-Foron. Foto Filip Bossuyt

Onderbuikgevoel

De vraag is hoeveel meerwaarde al die data hebben. Renners en trainers merken toch zelf ook wie er fit is? ‘Natuurlijk voelen de renners en de coaches al veel aan met hun onderbuikgevoel’, zegt Knobbe. ‘Maar het gaat om die paar procentjes verschil in inzicht waardoor ze net op het podium kunnen komen of zelfs op de hoogste trede.’ De datawetenschapper was al een wielrenliefhebber voordat hij aan dit onderzoek begon. ‘Het is voor mij extra leuk om dichtbij het vuur te zitten. Maar ook wetenschappelijk gezien zijn er mooie uitdagingen: wat is de wiskundige structuur van deze sportdata en hoe kunnen we daar slimme dingen mee doen?’ Knobbe benadrukt dat het onderzoek nog diverse uitdagingen heeft. ‘Wielrennen is een opvallend complexe sport, veel complexer dan schaatsen bijvoorbeeld, dus we zijn nog wel een tijdje zoet met het modelleren van alle omgevingsfactoren die van invloed kunnen zijn.’

Daarnaast zit er ook een interessante fysiologische kant aan het onderzoek. ‘Personalisatie is heel belangrijk in ons onderzoek. Uit de sport science weten we al jaren hoe een gemiddeld menselijk lichaam reageert op verschillende soorten training, maar wij gaan een stapje verder en helpen bij die laatste paar procent wat een individuele renner nodig heeft.'

Parijs is nog ver, maar Knobbe kan bijna niet wachten en heeft een paar dagen vrij genomen om ‘zijn’ renners komende weken intensief te volgen op televisie. En daarna gaat hij met zijn team weer hard aan de slag want het onderzoek loopt nog minstens het hele jaar door.

Data science in de sport

De datawetenschappers van het LIACS onderzoeken ook andere sporten. Al jaren onderzoeken ze de data en de prestaties van de schaatsploeg van Jumbo-Visma. Daarnaast lopen er ook onderzoeken in het volleybal en voetbal. Zo onderzoekt Rens Meerhoff in samenwerking met de KNVB de spelposities van Nederlandse teams in de eredivisie. Hiermee probeert hij te achterhalen in welke situaties er meer kans is op succes.

Het samenwerken met datawetenschappers is nog geen gemeengoed in de wielersport. Naast Jumbo-Visma werken ook enkele grote ploegen zoals INEOS  en Education First met datawetenschappers.  

Tekst: Linda van Putten

Deze website maakt gebruik van cookies.  Meer informatie.