スマホのセンサーだけでランニングフォームを測る¶
テックノート No.1
モーションキャプチャのような専用機材を使わず、スマートフォン1台を体に付けるだけで、フォームの手がかりは得られるのか。この記事では、Dailythm Runが加速度センサーの値から、前傾角と上下動を実際にどういう式で求めているか、そして実際のランで見えた限界を、実測の数字と一緒に紹介します。センサーの一般的な解説は、最小限にしています。
1-1. センサーの生データは「揺れ」でしかない¶
Dailythm Runは、加速度センサーを1秒に50回(20ミリ秒刻み)記録しています。端末にかかる加速度を、X・Y・Zの3方向で返してきますが、そのままグラフにしても、細かい「揺れ」の連続にしか見えません。1歩ごとの動きが、重力と、ノイズと、端末の持ち方の違いと、混ざった状態で記録されているためです。
とくに、スマートフォンをどの向き・どの位置に付けるかで、同じ動きでも数値の傾向が変わります。そこで、生データを指標にする前に、「どの方向を基準にするか」を決める必要があります。Dailythm Runは、スマートフォンを横向きに付け、画面が進行方向と逆(後ろ)を向くことを前提にしています(反対向きに付けたときは、設定の「スマホ画面の向き」で、符号を反転します)。
flowchart LR
A[Raw accelerometer data<br/>just noisy motion] --> B[Establish a reference direction]
B --> C[Interpret as angle / motion pattern]
C --> D[Display as form indicators]
1-2. アプローチ①: 体の傾きを角度として捉える¶
走行中の姿勢を表す代表的な指標が「前傾角」——体がどれくらい前に傾いているかです。重力の向きを基準にした角度として計算しています。
静止しているとき、加速度センサーは重力だけを受ける、という性質を使います。X軸とZ軸の加速度から、atan2(X, Z) で重力の向きの角度(XZ重力角)を求め、そこから90°を引いたものを、前傾角としています。直立の姿勢を0°とし、前に傾くほどプラスの値になります。
走行中は、重力のほかに、走る動作そのものの加速度が加わるため、1つ1つの値は姿勢を正確には表しません。そこで、記録全体の平均(と標準偏差)を指標として出しています。
実際の記録で確かめると、限界も見えます。同じスマホで記録した、別の日の2回のラン(約4kmずつ)で、平均前傾角は−70.1°と−69.3°、標準偏差は81.4°と80.9°と、ほぼ同じ値でした。再現性はありますが、標準偏差が81°と大きく、体の前傾そのものを表す値とは読みにくい結果です。装着の向きや位置が前提と違うときの症状と考えられますが、装着の状態は記録していないため、原因は確定できていません。
1-3. アプローチ②: 「上下動」をどう検出するか¶
上下動は、走りの効率の目安として使われる指標ですが、スマートフォンのセンサーからは、直接は測れません。Dailythm Runは、次の手順で見積もっています。
- 着地の検出: 重力を含む加速度のうち、上下方向に当たる軸(スマートフォンを横向きに装着したときのX軸)の絶対値が、約9.8 m/s²(1g相当)を超えた区間を着地(接地)とします(接地の長さが50〜500ミリ秒のものだけを採用)。
- 1歩の上下の動き: ある接地の終わりから次の接地の始まりまでの、足が地面から離れている区間(0.1〜1.0秒のものだけを採用)について、その間の線形加速度(重力を除いた加速度)の最大と最小の差を A [m/s²]、その区間の時間(非接地時間)を T [秒] として、上下動 ≈ A × T² ÷ 8(mmに換算)で近似します。体が放物線を描くと考えたときの、おおよその振れ幅です。0〜200mmから外れた値は、捨てます。
- 指標にする: 全ステップの平均と標準偏差を、平均上下動・上下動標準偏差とし、歩幅に対する比を、上下動比としています。
実際の2回のラン(約4km)では、平均上下動が117.6mmと119.2mm、上下動比が11.1%と10.7%でした。日をまたいでも、ほぼ同じ値で出ています。ただし、簡易な近似式で、専用機材との比較はしていないため、実際の重心の上下動と同じ値とは限りません。自分の記録の中で、変化を見る使い方に向いています。
1-4. 実装で工夫した点¶
- ノイズと本物の動きの見分け方: 着地の検出のしきい値(約9.8 m/s²)と、接地時間として採用する範囲(50〜500ミリ秒)は、実際の走行データで調整しました。厳しすぎると本物の着地を見逃し、緩すぎるとノイズを拾います。検出は20ミリ秒刻みなので、1歩ごとに1サンプルほどぶれます。この影響で、平均波形のピークが低く出る問題は、何千歩ものノイズの中から「本当の波形」を取り出す で扱っています
- 端末差への向き合い方: 特定の機種に最適化しすぎず、多くの端末である程度安定して動く設計を優先しています。ただし、検証に使った記録は、現時点では、ほぼ1機種(Pixel 8)のものです
1-5. 限界・今後の展望¶
この方式には、素直に認めるべき限界もあります。
- スマートフォンの装着位置・向きが前提と大きく異なると、角度や上下動の値がずれます
- 走法(着地の仕方など)によって、着地検出の精度に個人差が出る可能性があります
- モーションキャプチャなどの専用機材との比較検証は、まだ十分に行えていません
- 検証に使った記録は、主に1人・ほぼ1機種のものです。他の人・他の端末で、同じ傾向になるかは、まだ確かめられていません
なお、ランニングのケガに関する最近の臨床レビュー 1 は、ウェアラブル機器でケイデンス・接地時間・歩幅などは比較的しっかり測れる一方、すべての指標が検証されているわけではないと述べています。アプリの指標がケガとどう関連づけて研究されているかは、ケガをしにくい走りを考える で整理しています。
今後、より多様な走り方・装着スタイルに対応できるよう、検出ロジックの改善を続けていく予定です。
1-6. 関連ページ¶
- 記録の見方 — フォーム指標が実際にどう表示されるか
- 何千歩ものノイズの中から「本当の波形」を取り出す — 全ストライドを重ね合わせて平均する、また別のノイズ対策の考え方
- 精度とプライバシーについて
-
Bruneau MM, et al. Gait retraining in injured distance runners: a clinical review. Dtsch Z Sportmed. 2025; 76: 22-28. doi:10.5960/dzsm.2025.621 ↩