同一場跑步，為什麼有不同的訓練負荷？
從柏林馬拉松認識 TRIMP、rTSS 與穿戴式裝置的訓練數據
跑完一場馬拉松，當我們打開運動手錶或訓練平台，除了距離、配速、心率與完賽時間，往往還會看到另一個數字：訓練負荷（Training Load）。
有些平台顯示 Training Load，有些稱為 Training Stress Score（TSS），也有些使用 Relative Effort 或其他名稱。
這些數字看起來都在描述同一件事：今天的跑步究竟有多辛苦？
但如果將同一場跑步紀錄匯入不同平台，卻可能得到截然不同的結果。
為什麼會這樣？
是某個平台計算錯誤，還是這些數字本來就在衡量不同的事情？
這次，我想透過自己在 2026 年柏林馬拉松的實際紀錄，介紹兩種常見的訓練負荷計算概念：TRIMP 與 rTSS，以及一般跑者該如何理解與應用這些數據。
一、從一場馬拉松開始：相同的跑步，不同的負荷分數
2026 年柏林馬拉松，我以 3 小時 35 分 51 秒完賽。
這場比賽的主要紀錄如下：
| 項目 | 數值 |
|---|---|
| 完賽時間 | 3:35:51 |
| 計算使用的運動時間 | 約 215 分鐘 |
| 平均心率 | 158 bpm |
| 安靜心率 | 45 bpm |
| 暫定最大心率 | 194 bpm |
| TrainingPeaks 顯示的 TSS | 269 |
其中，194 bpm 是我在近期高強度跑步中，觀察到能持續約 10～15 秒的較高心率，因此暫時作為計算最大心率的參考值。
它並非經過標準化最大運動測試所確認的生理最大心率。
如果使用傳統 Banister TRIMP 公式，以這些數據進行估算，這場馬拉松的訓練負荷約為 447.6 TRIMP。
但 TrainingPeaks 顯示的 TSS 卻是 269。
為什麼同一場馬拉松，會出現兩個差異如此明顯的數字？
首先，我們必須理解：這些分數並不是使用同一套計算方式，也不具有可以直接比較的共同尺度。
二、TRIMP：從心率與運動時間，估算身體承受的負荷
TRIMP 是 Training Impulse 的縮寫，中文可譯為「訓練衝量」。
這個概念與運動生理學家 Eric Banister 所提出的訓練負荷模型有關。
其核心想法是：
訓練負荷不只取決於運動時間，也取決於運動過程中的相對生理強度。
舉例來說，同樣跑 60 分鐘：
一個人以輕鬆配速慢跑，另一個人則持續進行高強度節奏跑。
雖然兩者的運動時間相同，但身體承受的生理刺激顯然不同。
因此，TRIMP 嘗試將運動時間與心率強度結合，並透過非線性加權，讓較高強度的運動產生更大的負荷分數。
1. 先計算心率儲備比例
傳統 Banister TRIMP 會使用心率儲備比例（Heart Rate Reserve Fraction）：
心率儲備比例 =（運動心率 − 安靜心率）÷（最大心率 − 安靜心率）
其中：
- 運動心率：運動期間的心率
- 安靜心率：休息狀態下的心率
- 最大心率：個人的最大心率參考值
以我的柏林馬拉松為例：
心率儲備比例 =（158 − 45）÷（194 − 45）
= 113 ÷ 149
≈ 0.7584（75.84%）
代表這場比賽的平均心率約落在 75.8% 心率儲備的相對強度。
這裡需要注意，75.8% HRR 並不等於最大心率的 75.8%，兩者的計算基準不同。
2. 再加入運動時間與強度加權
傳統 Banister TRIMP 的男性版本可表示為：
TRIMP = 運動時間（分鐘）× 心率儲備比例 × 0.64 × e^(1.92 × 心率儲備比例)
其中 e 是自然對數的底數，約為 2.71828。
公式中的指數項，會讓較高的相對心率強度獲得更大的加權。
將柏林馬拉松的資料代入：
TRIMP = 215 × 0.7584 × 0.64 × e^(1.92 × 0.7584)
≈ 447.6
這裡使用的是男性版本的傳統係數。女性版本在原始模型中使用不同的經驗係數：
TRIMP（女性版本）= 運動時間（分鐘）× 心率儲備比例 × 0.86 × e^(1.67 × 心率儲備比例)
不過，這些群體係數也不一定能完整描述每位跑者的個體生理反應。
另外，這次計算是使用整場平均心率進行的簡化估算。
如果能使用完整的逐時間心率紀錄，將不同時間點的強度分別加權後累積，結果可能有所不同。
3. TRIMP 的優點與限制
TRIMP 的優點，是能將運動時間與相對心率強度結合，提供一個觀察內部生理負荷的參考指標。
但心率不只受到運動強度影響。
氣溫、濕度、補水狀況、疲勞、睡眠、心理壓力，以及長時間運動產生的心率飄移，都可能改變心率反應。
例如，同樣以每公里 5 分鐘的配速跑步，在涼爽的清晨與炎熱的中午，心率可能明顯不同。
TRIMP 可能因此顯示不同的生理負荷。
這不一定是計算錯誤，反而可能反映出不同環境下，身體為了維持相同運動輸出所付出的額外生理成本。
不過，心率本身仍只是生理負荷的代理指標，無法完整描述肌肉骨骼承受的機械負荷，也不等於實際的恢復時間。
三、rTSS：從跑步速度與閾值，估算訓練壓力
如果 TRIMP 主要從心率出發，那麼 rTSS 則是從跑步配速與相對強度的角度來估算訓練壓力。
rTSS 是 Running Training Stress Score 的縮寫，是 TrainingPeaks 訓練壓力評估架構中的跑步配速型指標。
其核心概念同樣包含兩個因素：
運動持續時間，以及相對於個人閾值的運動強度。
不過，它使用的強度基準與 TRIMP 不同。
1. 功能性閾值配速與 IF
rTSS 使用功能性閾值配速（Functional Threshold Pace，FTP）作為強度參考。
在 TrainingPeaks 的配速型計算架構中，還會考慮坡度對跑步速度的影響，使用標準化坡度配速 NGP（Normalized Graded Pace）估算相對強度。
強度係數 IF（Intensity Factor）可以表示為：
IF = 功能性閾值配速（秒／公里）÷ NGP（秒／公里）
這裡要特別注意：因為使用的是「秒／公里」這種配速單位，所以是用閾值配速除以 NGP。
假設一位跑者的功能性閾值配速為 4:30/km，而某次跑步的 NGP 為 5:00/km：
功能性閾值配速 = 270 秒／公里
NGP = 300 秒／公里
IF = 270 ÷ 300
= 0.90
代表這次跑步的標準化強度，約為個人功能性閾值速度的 90%。
需要特別說明的是，功能性閾值配速並不直接等於臨界功率（Critical Power）。
一個是速度基準，另一個是功率基準，不能因為兩者都以百分比表示，就直接互相換算。
2. rTSS 如何計算？
以常見的簡化形式表示：
rTSS ≈ 運動時間（小時）× IF² × 100
例如，一位跑者以 IF 0.90 的相對強度，持續跑步一小時：
rTSS = 1 × 0.90² × 100
= 1 × 0.81 × 100
= 81
這個平方加權的設計，讓相對強度提高時，訓練壓力分數也會加速增加。
因此，同樣跑一小時，輕鬆跑與接近閾值的訓練，會得到不同的 rTSS。
3. 回到柏林馬拉松：TSS 269 代表什麼？
我的 TrainingPeaks 紀錄顯示，柏林馬拉松的 TSS 為 269。
不過，這裡有一個重要前提：
TrainingPeaks 的 TSS 不一定全部由 rTSS 計算。
依據資料來源與活動設定，平台可能使用配速型、心率型或其他適用的訓練壓力計算方式。
因此，在尚未確認這個 269 確實屬於 rTSS 前，我們不能直接把它當成配速型訓練負荷。
但如果假設它是 rTSS，就可以依據運動時間反推 IF：
IF = √［rTSS ÷（運動時間（小時）× 100）］
將柏林馬拉松的資料代入：
IF = √［269 ÷（215 ÷ 60 × 100）］
≈ 0.866（86.6%）
也就是說，在這個假設成立的情況下，整場馬拉松的標準化配速強度，約為功能性閾值速度的 86.6%。
這是一個值得參考的相對強度數值，但仍需要實際的 NGP、閾值配速設定及 TSS 類型，才能進一步確認。
更重要的是，86.6% 的閾值速度，不等於 86.6% 的臨界功率，也不能直接代表主觀用力程度或心率強度。
四、同樣是配速，為什麼平台還要考慮坡度？
跑者可能會問：
既然已經有 GPS 配速，為什麼還需要 NGP 或其他坡度調整指標？
原因在於，相同的實際配速，不一定代表相同的運動需求。
例如，同樣跑每公里 6 分鐘：
在平坦道路上，可能是一趟輕鬆跑；但如果是在持續上坡的路段，身體所需的運動輸出就可能明顯增加。
因此，有些平台會使用坡度調整後的配速，試圖讓不同地形的跑步強度更容易比較。
Strava 的 GAP（Grade Adjusted Pace）也是跑者可能看過的相關概念。
它會根據坡度，提供一個經過地形調整的配速參考。
不過，Strava GAP 與 TrainingPeaks NGP 並不是完全相同的演算法，也不能直接視為同一個數值。
而且坡度調整配速仍是模型估計，無法完整反映風阻、路面狀況、個人跑步經濟性，以及疲勞造成的生理變化。
所以它可以輔助我們理解跑步強度，但不能取代心率、RPE 或實際訓練感受。
這可能是整篇文章最重要的問題。
答案是：
不能直接比較。
TRIMP 與 rTSS 都試圖描述訓練負荷，但它們使用的資料、強度基準、加權方式與數值尺度不同。
| 指標 | 主要依據 | 觀察重點 |
|---|---|---|
| TRIMP | 心率、心率儲備、時間 | 內部生理負荷 |
| rTSS | 標準化配速、閾值配速、時間 | 配速型相對訓練壓力 |
| Session-RPE | 主觀用力程度、時間 | 整堂訓練的主觀負荷 |
| Strava Relative Effort | 以心率強度及持續時間為主 | 平台定義的相對努力程度 |
因此，TRIMP 447.6 並不代表這場馬拉松的訓練負荷，比 TSS 269 高出約 66%。
兩個數字沒有共同的比較尺度。
就像我們不能直接拿攝氏 30 度與時速 30 公里比較大小一樣，數字相同或不同，都不代表它們描述的是同一種物理或生理意義。
那麼，不同平台的訓練負荷分數還有價值嗎？
當然有。
但比較合理的應用方式，是在同一套模型、相對一致的設定與資料品質下，觀察自己長期的負荷變化。
例如，當一位跑者連續數週使用同一套 TRIMP 計算方式，就可以觀察每週內部負荷是否逐漸增加。
同樣地，如果功能性閾值配速設定合理，且持續使用相同的 rTSS 計算方式，也可以追蹤訓練週期中的負荷分布。
不過，當最大心率、閾值配速或其他重要設定發生改變時，即使跑步內容相似，負荷分數也可能改變。
因此，數據的變化不一定完全來自訓練本身，也可能來自模型參數的調整。
這是解讀訓練負荷時，經常被忽略的一個問題。
六、訓練負荷高，不代表訓練效果一定好
身為教練，我認為比計算出多少 TRIMP 或 TSS 更重要的，是如何理解這些數字在訓練中的意義。
我們可以把它分成三個層次：
第一，訓練刺激。
這次跑步是否提供了足以促進適應的刺激？
例如，長距離跑可能著重有氧耐力與長時間運動能力；節奏跑則可能著重接近閾值強度的持續輸出。
不同課表有不同目的，並不是分數越高就越好。
第二，恢復成本。
完成這次訓練之後，身體需要付出多少恢復成本？
同樣一堂 20 公里的長跑，對一位每週跑量 80 公里的跑者，與每週跑量只有 25 公里的跑者，可能產生截然不同的疲勞與恢復需求。
即使兩人的訓練負荷分數相近，也不代表恢復速度相同。
第三，訓練可持續性。
這是我最重視的一點。
一堂課表即使能產生很高的訓練負荷，如果因此需要過長時間恢復，影響後續課表完成，甚至增加傷害風險，那麼它未必是適合當下的訓練安排。
反過來說，一堂負荷較低的輕鬆跑，也可能因為幫助恢復、維持規律訓練與累積有氧運動量，而具有重要價值。
所以，訓練負荷不能單獨作為訓練品質的評分。
即使 TrainingPeaks 等平台進一步提供 CTL、ATL 等長期負荷模型指標，也必須理解它們是根據訓練負荷所建立的數學估計，而不是直接測量生理適應或疲勞程度。
給一般跑者的建議
當你下次跑完步，看到手錶或訓練平台顯示的訓練負荷時，不妨先問自己：
- 這個分數主要根據心率、配速、功率，還是主觀感受計算？
- 我的最大心率、閾值配速等個人設定是否合理？
- 這次跑步的負荷，與原先課表安排的訓練目的是否一致？
- 完成訓練後，我的疲勞、恢復與後續課表表現如何？
比起追求單次訓練的高分，我更希望跑者學會觀察：自己的訓練是否能夠持續、負荷是否循序漸進，以及身體是否真正產生了適應。
數字是工具，不是訓練的目的
從柏林馬拉松的 TRIMP 約 447.6，到 TrainingPeaks 顯示的 TSS 269，我們可以發現：
同一場跑步，在不同的訓練負荷模型下，可能得到完全不同的數字。
這並不必然代表某一個平台有問題，而是提醒我們：每個模型都有自己的計算方式、參考基準與適用限制。
心率能幫助我們觀察身體的生理反應；配速與功率能協助描述運動輸出；主觀用力程度則補充了跑者對整體負擔的感受。
這些資訊各有價值，也各有盲點。
真正重要的，不是選出一個永遠最準確的分數，而是理解它在衡量什麼、沒有衡量什麼，以及如何協助我們做出更合理的訓練決策。
我們訓練的目的，不是證明今天能承受多少，而是讓未來的自己能夠承受更多。
