
大数据揭示人类百米疯狂 2015人类跑最快的一年
本周末,国际田联钻石联赛斯德哥尔摩站将在瑞典举行,由于距离北京田径世锦赛仅剩20天时间,博尔特、鲍威尔、加特林、盖伊等四大名角儿都选择了休战,显然是想把最好的状态留到北京鸟巢。
事实上,北京鸟巢的百米大战确实值得期待,因为全世界的百米选手今年都疯了——截至7月25日,在规定风速下,已经有27人65次“破十”,而这些9秒级选手全都要聚集北京,破十,那是必须的。华西都市报记者陈甘露
到底是因为今年的世锦赛年还是明年的里约奥运年,或者仅仅是因为更科学的训练方式让快成一道闪电成为必然,总之,短跑选手们的神经都像是受了刺激,集体井喷式爆发。“不破十都不好意思说自己是跑百米的”,人类历史上百米成绩最好的一年,我们正在共同见证。
有一种疯狂叫“非美牙选手”10人破十有人快过博尔特
翻开国际田联男子4×100米纪录排名,第一名:美国队;第二名:牙买加队;第三名:美国B队……于是,在短跑的世界里,有一种“种族”叫做“非美牙选手”——美国、牙买加之外的短跑选手。
美国和牙买加飞人大战已经是连续多年世锦赛和奥运会不变的“连续剧”,而这一次北京,估计决赛场上他们会占据一半多的江山。不过,本赛季之所以能号称人类历史百米成绩最好的一年,还多亏了“非美牙选手”的崛起,一共有10人在本赛季打破了10秒关口,其中,包括唯一的黄种人——苏炳添。
目前,这10人都要参加世锦赛,其中,最有实力让美、牙飞人们吓一跳的,应该是法国新秀维考特,他在法国巴黎跑出了9秒86,这个成绩在本赛季排名第四。随后,他又在维尔诺夫达斯克跑出了9秒92、罗马和伦敦跑出9秒98,他也是“非美牙选手”里本赛季进10秒次数最多的。
作为百米场上的标志,一道闪电博尔特恰恰在本赛季没有什么技惊四座的表演,上周在伦敦两次刷出9秒87,个人赛季最佳,放在前两年这个成绩还真不错了,可今年,排在他前面有13人次——加特林4次、鲍威尔5次(平2次)、布莱德曼、维考特、盖伊、布罗梅尔各1次。而“非美牙选手”里,布莱德曼、维考特两人都超过了博尔特。
另外八名“非美牙选手”有几位都非常让人惊讶:有过切尔西青训史的英国选手格米利跑出了9秒97。两外两位南非选手都在七月震惊世界:杰斯在瑞士的一场小比赛里,跑出了9秒97,西姆比内在光州大运会决赛上同样跑出了9秒97。
稍微朝后面看一点点,本赛季有四人次刷出了10秒整、五人次跑到10秒01、十一人次跑到了10秒02。可以说,稍微提一口气,破十不是没有可能。
上届世锦赛,苏炳添和张培萌携手晋级半决赛,创造中国短跑历史,而半决赛中张培萌跑出10秒整的成绩,以千分一只秒的微弱遗憾无缘决赛。两年后的八月北京,10秒整成绩进决赛肯定没希望,能不能进入半决赛都要看运气。
有一种疯狂叫“90后”29人次破十一大波妖人袭来
如果要说本赛季最疯狂的百米选手,那当然是即将33岁的加特林,本赛季最快的四个成绩都是他一手创造的:9秒74、9秒75两次、9秒78。此外,紧随其后的“同龄人”鲍威尔也跑出了9秒81、9秒84,也是本赛季第四快、第五快成绩。可以说,本赛季的疯狂江湖领头人,就是这两位1982年出生的老将,而让大家欣喜和惊讶的是,一大波“90后”妖人正在袭来。65次“破十”成绩里,“90后”占了29人次,百分比上输给了“80后”一点点,可是,要知道,当今百米江湖最牛的四大天王都是“80后”,田径从来都是成年人的游戏。
不过,本赛季确实涌现了许多妖人——1995年出生的美国人崔旺·布罗梅尔,他在本赛季跑出了9秒84的个人最好成绩,这个成绩就是美国田径锦标赛预赛创造的,而在决赛中,他因经验不足输给了盖伊获得亚军,但专家们已经不吝用最好的言辞为布罗梅尔提前加冕:他就是下一个博尔特,是的。刚满20岁零15天,就跑出9秒84,男子100米最强五人:博尔特、盖伊、加特林、鲍威尔和布雷克,无一人能做到。再来看看他的200米——20秒03,也是本赛季排名第十的好成绩,20岁当天跑出来的,无疑是最好的生日礼物。如今,布罗梅尔也以9秒97,替代博尔特成为世界青年纪录保持者。对于他来说,最大的缺陷是经验不足,而这一切都可以用时间和比赛来弥补,而这两样,布罗梅尔根本不缺。
除了20岁的超新星,美国B队大批崛起的新星都很可怕:1992年的克莱顿·沃恩(9秒93)、1993年的马尔文·布莱希(9秒93)、1992年的贝翁德尔·巴森(9秒94)、1992年的昆汀·巴特勒(9秒96)……牙买加青年当然也不示弱:1990年的阿什梅德(9秒91)、1992年的百利科勒(9秒92)、1991年的安德鲁·费舍尔(9秒94)……从这些青年妖人的数据可以看出,未来男子百米的格局依然是——美牙大战。
当然,法国新星维考特也是1992年出生、英国新秀格米利是1993年,杰斯和西姆比内两位南非青年则都是1993年的,1994年的加拿大青年安德烈已经在泛美运动会上夺冠。而这些妖娆的90后,一定也会在未来让我们看到“非美牙选手”的精彩。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03