VR身体活动模式评估:混合交叉实验和聚类分析

【作者】 张特犀； 肖小悦； 茅洁；

【机构】 武汉体育学院；

【摘要】 研究目的:《柳叶刀》在2021年发表"身体活动专辑"中指出每年因缺乏体育锻炼而造成的死亡人数总数超过500,0000,缺乏身体活动、锻炼不足是导致慢性疾病产生的重大危险因素之一。与不运动进行相比,有规律的身体活动可以降低感染各式疾病的风险,减轻压力,有助于改善健康。对年轻人来说,主动游戏将比传统的有氧活动更有趣,更适合日常身体活动。VR运动具备主动活动的优点,目前已有研究者着手探究基于虚拟现实环境的运动游戏是否等效于传统运动,但还需要对VR运动中身体活动水平和能量消耗情况进行研究。本研究比较15分钟不同强度的VR身体活动后受试者的运动享受程度以及身体活动水平。对VR身体活动下的数据使用模糊C均值(FCM)聚类分析,通过聚类结果分析可得VR运动强度与传统运动强度相匹配,VR身体活动模式的运动效果能够达传统运动模式运动效果。探究VR运动强度与传统运动强度的关系,评估VR身体活动模式,探究基于虚拟现实环境的运动游戏是否等效于传统运动,界定VR运动是否能够成为满足身体活动指南的一种有趣的运动方式。研究方法:混合交叉实验,32名年轻人(平均年龄=22.2±2.5岁),包括15名男性和17名女性,分四次访问实验室。第一次访问,受试者填写问卷,了解基本情况,讲解实验流程,熟悉VR运动游戏。第2-4次到访实验室时采用沉浸式运动,包括低、中、高三种运动强度。受试者在测试前熟悉游戏,同时进行热身活动,受试者每次进行15分钟不同强度的VR运动,使用Actigraph GT3X加速度计收集VR身体活动的加速度数据共8640条,使用模糊C均值(FCM)聚类对数据进行聚类、评估。采用感觉量表(FS)和感觉唤醒量表(FAS)来测量和评价受试者运动过程中的情绪效价和情绪唤醒程度。VR运动干预前询问受试者实验前的FS&FAS。VR运动干预后,再次询问受试者实验后的FS&FAS。研究结果:VR身体活动前后,FS平均值分别为1.59和2.36(P=0.002),在中强度VR身体活动前后统计分析具有显著性,VR身体活动能够提高运动的享受程度且中强度的VR身体活动对提高受试者运动享受程度最佳。FAS平均值分别为2.31和3.30(P<0.001),不同VR身体活动强度下的实验数据均具有显著性,揭示了VR运动能够提高受试者的激动程度。按活动计数的强度参考标准可以将运动强度划分为久坐行为(<100counts/min)、低强度身体活动(100-1951counts/min)、中等强度身体活动(1952-5724 counts/min)和高强度身体活动(≥5725 counts/min)。通过模糊C均值聚类,得到右手臂加速度计数的聚类中心按低中高强度分别为1497.83、5069.72、9670.28,右大腿加速度计数的聚类中心按低中高强度分别为656.74、2014.44、4653.12,上下肢整体加速度计数的聚类中心按低中高强度分别为992.51、3301.96、5880.32。通过模糊C均值算法对VR身体活动进行强度划分,不同运动强度下的VR身体活动符合活动计数切点运动强度参考标准,模糊C均值聚类效果良好,能够准确地对VR运动进行活动强度分类。但对上肢和下肢分开分析,在其对应强度下,上肢运动强度偏高,其中高强度运动活动程度大于参考范围。下肢活动计数在其对应强度下,运动强度偏低,其中高强度运动活动程度小于参考范围。根据VR运动的特点,受试者主要通过控制手柄进行活动,并且由于空间的限制,下肢与上肢的运动活动存在活动差异。上肢活动强度和活动程度大于腿部运动程度。研究结论:(1)VR身体活动能提升受试者的运动享受程度与情绪激动程度;(2)本文结合运动传感器、数据挖掘、虚拟现实等新兴技术提出一种身体活动模式评估方法。其采用Actigraph运动传感器捕获大学生VR运动数据,运用模糊C均值聚类无监督学习方法,科学合理地评估VR身体活动模式;(3)运用模糊C均值算法对VR运动数据进行运动强度聚类分析,分析可得VR身体活动模式下的运动强度与传统运动强度参考标准相匹配,沉浸式身体活动方式丰富了运动形式,增加了运动的娱乐性和趣味性,开拓了有效运动、快乐运动的新视角。(1)VR身体活动提高受试者的情绪激动程度,其良好的交互感受能够吸引到受试者,并且随着VR运动强度的提高,激动程度也会越大,这可能也是由于运动本身致使人激动也有关,需要进一步验证。(2)本实验只对上下肢进行了分析,VR运动作为全身活动,还需要对更多部分进行更全面的分析。(3)FCM聚类分析的Purity评估分别为:腕部加速度计数聚类为79.02%,下肢加速度计数聚类为88.75%,综合加速度计数聚类为78.45%,数据聚类结果较为理想。但数据记录为每分钟加速度计数的值,数据集的强度标签是根据受试者所进行游戏所属于强度标注的,本研究选取的VR运动多为间歇运动方式,为保证运动强度完整性,未将间歇时刻的数据剔除,间歇时刻的运动强度与标签不匹配,故真实准确率是偏高的。在未来的研究中可选取持续运动的VR游戏,来研究该算法对于VR运动的聚类准确率。更多还原