Pelotonomics: waarom de kracht van het peloton bepalend is voor de Tour de France

Pelotonomics: waarom de kracht van het peloton bepalend is voor de Tour de France

Vorig artikel Volgend artikel

Het ‘peloton’ – een groep wielrenners uit rivaliserende ploegen die samenwerken in achtervolging op de kopgroep. Het is een van de meest iconische en tegelijkertijd verwarrende aspecten van de Tour de France.

Het peloton is een tegenstelling in beweging, waarin zowel samenwerking als meedogenloze rivaliteit de boventoon voeren. Het peloton dwingt rivalen tot samenwerking om zo de grootste kans te hebben op een individuele of teamoverwinning. Gedurende de koers kan het peloton een schijnbaar onaantastbare groep ontsnapte renners na het opslokken ervan veranderen in een op het oog dwaze actie.

Dat is precies waar de kracht van het peloton ligt. Ondanks de risico’s en gedwongen samenwerking met de concurrentie zitten er veel voordelen aan het opereren als één team. Renners die zich in het midden van het peloton bevinden, ervaren een windweerstandsreductie tot soms wel veertig procent. Niet gek dus dat teams hun beste sprinter veilig in het midden houden zodat deze zijn energie kan sparen tot het einde van de race – om die opgebouwde reserves vervolgens los te laten in een ware snelheidsexplosie. Ontsnapte renners op voorsprong missen die bescherming en verspelen al veel van hun energiereserves.

Pelotonomics

Wij noemen deze gecompliceerde balanceeract ‘pelotonomics’. Elk jaar verzamelen we miljoenen datapunten van Tour de France-deelnemers; van het moment dat ze voor het eerst de voeten in de pedalen klikken tot en met de laatste etappe in Parijs.

Dit jaar verwerken we meer dan 150 miljoen datapunten, waardoor fans toegang krijgen tot een schat aan gegevens over hun favoriete renners, teams en etappes. Als het er tijdens etappe vijf bijvoorbeeld op begint te lijken dat de kopgroep het peloton voor zal blijven, weten we dat meteen. Net als de kijkers, die met datavisualisaties via elk platform op de hoogte worden gehouden. En dat niet alleen, want machine learning en predictive analytics geven ons nog meer inzicht in hoe die spectaculaire pelotons precies functioneren.

Stel je voor

Honderden coureurs beuken door het slaperige Franse dorpje Mouilleron-Saint Germain tijdens de 185 kilometer lange tweede etappe van de Tour de France 2018. De etappe in West-Frankrijk lijkt gemaakt voor een massasprint.

Live GPS-coördinaten tonen aan dat een kleine groep coureurs vroeg in de race demarreerde en nu koortsachtig een gat probeert te slaan tussen hen en het peloton. Het peloton maakt vaart tijdens het eerste deel van de koers. Subtiele veranderingen in de snelheid en positie van renners laten zien hoe de verschillende teams plannen aan het maken zijn om de kopgroep bij te halen. De GPS-sensors registreren een bijna onmerkbare versnelling bij het team dat aan kop gaat.

Alleen al tijdens de afgelopen minuten zijn er duizenden datapunten verzamelend. Als we de predictive analytics mogen geloven zal het peloton de kopgroep net voor de explosieve massasprint bereiken. Met nog één kilometer te gaan en net voorbij de rode boog vliegt het peloton daadwerkelijk de uitgeputte kopgroep voorbij. Vanuit de comfortabele plek in de race centers verwerken dataspecialisten razendsnel deze data en voorzien renners in hun team van gedetailleerde informatie. Over hun exacte snelheid en versnelling die nodig zijn om de kop van het peloton te bereiken en de eindsprint in te zetten.

Hoe volgen we het peloton?

Verhalen als deze horen we geregeld tijdens de Tour de France. Maar weinig mensen realiseren zich hoeveel technologie en wetenschap erbij komt kijken om er een coherent verhaal van te maken. Voor de Tour de France wordt elke fiets ten eerste voorzien van een sensor waarmee snelheid en locatie worden gemeten. Deze gegevens worden gecombineerd met omgevingsfactoren als windkracht en -richting, hellingsgraden en hoogte.

Alles is mogelijk tijdens deze titanenstrijd. In de derde etappe van de Tour de France van 2015 raakten twintig coureurs verstrikt in een enorme valpartij. Data onthulde de gemiddelde snelheid op het moment van de crash: maar liefst 42 kilometer per uur.

Rate of catch

Dit jaar zetten we onze data in om een ‘rate of catch’-voorspelling te produceren, waarbij we kunnen voorspellen wanneer het peloton de kopgroep zal bereiken – en hoe ze dat voor elkaar hebben gekregen.

Daarnaast publiceren we gedetailleerde profielen van elke coureur. Zo weten fans van Tom Dumoulin niet alleen waar hij staat in het klassement, maar ook hoe hij gepresteerd heeft op elk moment van de koers.

Deze gedetailleerde inzichten doen niets af aan het spektakel, maar helpen ons wel te begrijpen hoe bijzondere situaties ontstaan en op hoe deze het eindklassement van misschien wel het meest unieke sportevenement ter wereld bepalen.

Deze blogpost is geschreven door Peter Gray, Senior Director of the Sports Practice – Technology bij Dimension Data.

[Afbeelding © Thomas Launois - Adobe Stock]

Reageren is uitgeschakeld omdat er geen cookies opgeslagen worden.

Cookies toestaan Meer informatie over cookies