在很多球队里，评价一个球员快不快，往往只看一个指标：最高速度。谁跑到33km/h，谁就更强。
问题是——比赛中的冲刺并没有那么简单，不止是“跑得快”，还包括在不同速度下的加速度能力。
对于需要频繁启动、变向和加速的足球运动员而言，这一特征往往比单一最高速度更能反映专项体能水平。
比赛对足球运动员的跑动需求
有研究显示，在较低阈值（如 >1 m/s²）定义下，职业球员单场比赛可能会完成超过600次加速和减速动作，且约15%–20%的跑动距离发生在持续加减速过程中。
足球比赛中频繁的变向和节奏切换，在对抗和防守场景中十分常见。因此足球比赛的核心并不是简单的“直线冲刺”，而是不断制动、变向、重新启动的能力。
如何测试球员的加速能力？
传统的测试方法依赖10米、20米或30米线性冲刺，这类测试便于实施，但需要将球员从常规训练中分离出来，只测“最大速度”，这会忽略了球员的：
1. 加速能力
2. 不同速度区间的输出能力
Morin 等人在 2021 年提出了一种更聪明的办法，他们直接在常规训练中采集GPS数据，建立每个人的加速度-速度（acceleration-speed, AS）曲线，据此估计理论最大加速度和理论最高速度。
从方法论角度看，AS 曲线比单点速度更完整。它反映的是运动员在不同速度水平下能够提供多大的加速度。除了关心“最快能跑多快”，还能了解球员在不同速度的加速能力。
研究数据与结果
本次研究的研究对象为16名职业男子足球运动员，作者在多次训练课中收集GPS数据，总样本量超过70万个数据点。
研究人员将数据分类，从速度 3.0 m/s 开始，每隔 0.2 m/s 划分一个小区间，每个区间中挑出加速度最大的数据点，代表最大输出能力，排除干扰。
研究发现，一个人的“加速度”和“当前速度”呈非常规整的线性负相关（即：跑得越快，能再增加的速度就越小），并在AS加速度-速度曲线中，推算出两个理想化的极限指标。
1. 理论最大加速度（论文示例：7.88 m/s²）
2. 理论最大速度（论文示例：9.19 m/s）
虽然这些极限值在实战中不一定能跑到，但它们是衡量一个人体能潜力的“标尺”，适合用来长期追踪训练效果。
建立个人曲线的好处
训练中的GPS数据足以生成个体化的AS曲线，具有较好的重复性。它帮助区分不同类型的球员，从而针对每个人的位置和身体状况，制定更科学的训练计划。
这种监控方式干扰小，球员无需脱离正常的训练节奏，就可以评估其体能表现，尤其适合节奏紧凑、赛程密集的球队。
体能评估不需要复杂的测试，训练本身就可以提供足够有价值的信息。
科学训练离不开精准的数据支撑，使用gpexe体能背心，可以轻松实现球员的个体化阈值管理，提升训练质量，让球队掌握职业级数据。
参考来源：
Individual acceleration-speed profile in-situ: A proof of concept in professional football players
