러닝 데이터를 믿기 전에 — GCT·VO·LSS를 해석하는 기준

Garmin과 Stryd의 GCT·VO·LSS·ILR은 어떻게 만들어지고 어디까지 비교할 수 있을까? 측정값·계산값·추정값을 구분하고, 조건을 통제해 러닝 데이터를 해석하는 기준을 정리한다.

 

지난 글에서는 심박 벨트와 발 센서, 두 갈래의 선택지가 각각 무엇을 새로 보여주는지 정리했다. 이제 GCT, VO, LSS, ILR 같은 숫자들이 손에 들어왔다고 하자.

 

다음 질문은 이것이다. 이 숫자들을 어떻게 봐야 할까?

---

숫자는 결과다

GCT가 짧아졌다. 그런데 동시에 페이스가 빨라졌다면?

 

LSS가 높아졌다. 그런데 체중이 달라졌다면?

 

VO가 낮아졌다. 그런데 케이던스가 높아졌다면?

 

이런 경우 하나의 숫자만 보고 폼이 좋아졌다고 말하기 어렵다. GCT, VO, LSS 같은 숫자는 지금 이 순간 몸이 움직인 결과다. LSS 역시 속도, 접지시간, 체중, 주법 같은 여러 변수와 함께 움직인다.

 

그러니 숫자 자체를 목표로 삼기보다, 무엇이 이 숫자를 이렇게 만들었는지를 먼저 봐야 한다.

 

나도 숫자를 최적화의 대상으로 보지 않는다. 몸이 지금 어떻게 움직이고 있는지 보여주는 신호로 본다.

---

그 숫자는 어떻게 만들어졌나

Garmin이나 Stryd 화면에 267ms라는 숫자가 뜬다고 해서, 발밑의 힘판(force plate)이 267ms를 직접 재고 있는 것은 아니다.

 

숫자가 만들어지는 방식은 대략 세 단계로 나눠볼 수 있다.

 

1) 센서가 직접 측정하는 값

가속도, 각속도, 시간, 기압 변화 등이다. 손목이나 발에 달린 센서가 물리적으로 감지하는 신호다.

 

2) 그 신호로 계산하는 움직임 지표

케이던스, GCT, VO, 스트라이드 길이 등이 여기에 들어간다. 센서 신호를 일정한 규칙으로 처리해 얻는 값이다.

 

3) 알고리즘이나 모델을 통해 추정하는 지표

러닝파워, LSS, ILR 등이다. 센서 신호에 기기별 알고리즘이나 물리적 모델을 적용해 만든다. LSS처럼 다리의 스프링 특성을 모델링한 값도 있고, 제조사의 자체 알고리즘으로 계산되는 값도 있다.

 

같은 러너와 같은 센서라도 페이스와 케이던스가 달라지면 GCT 차이를 몸의 변화로만 해석할 수 없다.

 

그렇다고 직접 측정한 값이 항상 더 믿을 만하고, 모델로 계산한 값은 덜 유용하다는 뜻은 아니다. 예를 들어 Stryd는 LSS 같은 자체 계산값을 모션캡처나 힘판 같은 기준 장비와 비교해 검증했다고 밝히고 있다.

 

숫자가 어떻게 만들어졌는지와, 그 숫자를 실제 분석에 얼마나 잘 쓸 수 있는지는 별개의 문제다.

---

정확한가보다 먼저, 비교가 가능한가

실제로 데이터를 볼 때 나는 먼저 다른 질문을 한다.

 

"이 값이 정확한가?"보다 "지금 비교하려는 두 값이 비교 가능한가?"다.

 

GCT가 지난달보다 10ms 짧아졌다고 하자. 그것만으로는 별 의미가 없을 수 있다. 페이스가 빨라졌는지, 케이던스가 달라졌는지,

 

신발이 바뀌었는지부터 확인해야 한다.

 

같은 러너와 같은 센서라도 페이스와 케이던스가 달라지면 GCT 차이를 몸의 변화로만 해석할 수 없다.

 

러닝 다이내믹스는 절대값 하나보다 비슷한 조건에서 어떻게 변하는지를 볼 때 훨씬 유용하다.

 

내 데이터를 비교할 때도 기본 원칙은 단순하다. 보고 싶은 변수 하나를 제외하고 나머지 조건을 최대한 비슷하게 맞춘다.

 

같은 사람, 같은 장비를 기본으로 두고 페이스·경사·신발·노면처럼 결과에 영향을 줄 수 있는 조건을 확인한다. 물론 모든 조건을 완전히 같게 만드는 건 현실적으로 어렵다. 앞으로 체중, 케이던스, 경사처럼 일부러 바꿔볼 변수도 있다.

 

중요한 건 무엇을 보려고 하는지 알고, 그와 함께 무엇이 달라졌는지를 확인하는 것이다.

 

특히 Garmin과 Stryd처럼 측정 위치와 알고리즘이 다른 장비의 절대값은 하나의 연속된 척도처럼 보지 않는다. 장비를 바꾼 뒤 값이 달라졌다고 해서 몸이 달라졌다고 말할 수는 없다.

 

앞으로 실험 결과를 볼 때도 숫자부터 보기보다, 무엇을 통제했고 무엇이 달라졌는지부터 확인하려 한다.

---

어떤 숫자가 분석하기 좋은 숫자인가

숫자를 이야기할 때 흔히 "정확한가"부터 묻는다. 하지만 개인 데이터를 계속 추적하려면 타당도·반복성·변화 민감도를 따로 봐야 한다.

 

① 기준값과 얼마나 가까운가 — 타당도

 

힘판이나 모션캡처 같은 기준 장비와 비교했을 때 얼마나 비슷한 값을 보여주는가.

 

② 반복했을 때 얼마나 비슷한가 — 반복성

 

비슷하게 뛰었는데도 매번 값이 크게 흔들린다면, 그 차이가 몸의 변화인지 측정 자체의 흔들림인지 구분하기 어렵다.

 

③ 변화가 생겼을 때 그 변화를 잡아내는가 — 변화 민감도

 

절대값에 어느 정도 차이가 있더라도, 내가 만든 변화를 꾸준히 반영한다면 개인 추적에는 충분히 쓸 수 있다.

 

이 셋은 같은 이야기가 아니다.

 

기준 장비와 조금 다른 값을 보여주더라도, 같은 장비에서 반복 측정했을 때 안정적이고 내 변화에 일관되게 반응한다면 개인의 변화를 추적하는 데는 가치가 있다. 반대로 절대값이 꽤 정확하더라도 측정할 때마다 크게 흔들리면 작은 변화를 읽기 어렵다.

 

나는 절대값의 정확도만큼이나 반복성과 변화 민감도를 중요하게 보려고 한다. 특히 보고 싶은 건 같은 조건에서 내 몸의 변화가 숫자에 어떻게 나타나는가다.

---

앱 화면보다 더 볼 수 있다

Garmin이나 Stryd 앱은 많은 숫자를 보여준다. 하지만 FIT·CSV 시계열 데이터를 직접 열어보면 하나의 평균값만 봤을 때는 지나쳤던 패턴도 확인할 수 있다.

 

FIT 파일에 들어 있는 것은 가속도 센서의 원시 파형 자체가 아니다. 페이스, 케이던스, GCT, VO, 파워, LSS, ILR처럼 장비가 이미 한 번 계산한 값들이 시간순으로 저장되어 있다.

 

그래서 여기서 하려는 일은 새로운 원시 신호를 얻는 것이 아니다. 이미 기록된 데이터를 질문에 맞게 다시 잘라보는 것이다.

 

예를 들면 이런 식이다.

• 특정 페이스 구간의 GCT만 비교한다.
• 페이스가 올라갈 때 LSS가 어떻게 변하는지 본다.
• 러닝 후반부에 GCT·LSS·ILR이 점진적으로 달라지는지 확인한다.
• 좌우 비대칭이 속도에 따라 커지거나 줄어드는지 본다.
• 경사가 올라갈 때 각 지표가 어떻게 바뀌는지 본다.
• 같은 페이스 구간을 체중 변화 전후로 비교한다.
• 케이던스를 바꿨을 때 GCT·VO·LSS가 함께 어떻게 움직이는지 본다.

 

평균값 하나만으로는 보이지 않던 변화가 시계열에서는 드러난다. 조건별 구간을 나누면 지표가 언제, 어떻게 달라졌는지 볼 수 있다.

 

앞으로 하려는 분석도 대부분 이런 방식이다.

 

앱 화면이 보여주는 평균값 하나보다, 조건을 나눠보고 지표 사이의 관계를 보고 그 변화가 반복되는지를 확인하는 쪽에 가깝다.

 

더 많은 숫자를 만드는 것이 목적은 아니다.

---

k_leg를 직접 계산해볼 수도 있다

 

시계열 데이터를 다루다 보면 앱이 보여주는 값과는 별개로 직접 계산해볼 수 있는 것도 있다.

 

예를 들어 Stryd가 보여주는 LSS와 별도로, GCT·체공시간·속도·다리 길이 같은 값을 이용해 공개된 스프링-매스 모델로 k_leg를 계산해볼 수 있다.

 

그렇다고 Stryd의 LSS가 틀렸기 때문에 다시 계산하는 것은 아니다. 최근 연구에서는 고훈련 트레일 러너를 대상으로 Stryd LSS와 Morin 방식으로 계산한 값이 평지와 +12% 오르막에서 모두 높은 일치도를 보였다. 물론 모든 속도, 경사, 러너에서 두 값이 항상 같다는 뜻은 아니다.

 

내가 궁금한 건 오히려 그다음이다.

 

두 값은 어떤 조건에서 비슷하고, 어떤 조건에서 갈라질까?

 

직접 계산해보는 이유도 여기에 있다. 계산 방법과 실제 비교는 별도 글에서 자세히 다뤄볼 생각이다.

---

그래서 이제부터 볼 것

많은 지표를 한꺼번에 보면 오히려 아무것도 보이지 않는다. 그래서 하나씩 질문을 정해놓고 보려고 한다.

 

가장 먼저 살펴볼 숫자는 GCT다.

 

발이 땅에 닿아 있는 시간이라는 정의는 단순하지만, 실제 GCT는 속도와 케이던스뿐 아니라 주법이나 피로 상태에 따라서도 달라

질 수 있다. GCT가 짧아졌다는 사실만으로 좋아졌다고 말하지 않으려면, 무엇이 GCT를 움직이는지부터 봐야 한다.

 

그중 비교적 쉽게 바꿔볼 수 있는 변수부터 시작한다.

 

케이던스다.

 

케이던스를 바꾸면 GCT는 얼마나 달라질까?

 

관련하여 읽을 글

[달릴 때 Garmin이 기록하는 숫자들은 실제로 무엇을 의미할까]

[심박 벨트냐 발 센서냐 — 러닝 데이터를 더 보려면 무엇이 필요할까]