1.一种用于骑行训练系统的实景运动控制方法，其特征在于，所述方法包括以下步骤：步骤1：动态拟合坡度数据：先对实景坡度数据的前M个数据进行曲线拟合，然后再对此拟合曲线进行1/n级的密集采样，随着骑行的进行，向后移动N个后再取M个数据进行曲线拟合，然后再对此拟合曲线进行1/n级的密集采样，然后将前n*N个数据与之前采样数据中对应的n*N个数据相加取平均，将这组数据作为实时的坡度数据，得到实时的坡度数据；

步骤2：分段多项式拟合功率：分档位测出对应挡位的功率‑速度采样点，然后进行分段多项式曲线拟合，得到一组最终的功率；

步骤3：功率倒推视频播放速度：根据实时骑行速度v下对应的功率数据P，加入对应情况下滚阻F滚阻、空气阻力F空气阻力、重力F重力的受力情况F，最后通过P＝F*V倒推出一个新的速度V作为画面推进的速度；

所述步骤3中，功率倒推算法的步骤如下:步骤3.1：计算F滚阻，参数用来适应道路的坡度和轮胎的摩擦系数，令Crr为0.005，坡度G的单位为％，人重和自行车车重W的单位为kg，滚阻计算公式：2

F滚阻＝9.8067(m/s)*cos(arctan(G/100))*W(kg)*Crr步骤3.2：计算F空气阻力，空气阻力的大小由骑行速度v，人和自行车与空气接触的面积，空2

气密度以及系数Cd决定；在实际计算中接触面积A设为0.509m ，空气密度Rho设为1.226kg/3

m，系数Cd为0.509，空气阻力计算公式：2

F空气阻力＝0.5*Cd*A*Rho*(v(m/s))步骤3.3：计算F重力，重力的大小由人和自行车车重W单位为kg和坡度G单位为％决定，重力计算公式：2

上坡时的重力：F重力＝9.8067(m/s)*W(kg)*sin(arctan(G/100))2

下坡时的重力：F重力＝‑9.8067(m/s)*W(kg)*sin(arctan(G/100))步骤3.4:受力情况的分析:

上坡时：F阻力＝F滚阻+F重力+F空气阻力下坡时:F阻力＝F滚阻+F空气阻力下坡时，重力F重力是做正功，所以算为推动力；

步骤3.5：根据受力情况倒推新的速度：上坡的速度：V＝P(v)/(F滚阻+F重力+F空气阻力)下坡的速度：V＝(P(v)+P重力)/(F滚阻+F空气阻力)。

2.如权利要求1所述用于骑行训练系统的实景运动控制方法，其特征在于，所述步骤1中，动态拟合坡度数据的步骤如下：步骤1.1：对实景坡度数据的前M个数据进行曲线拟合，然后再对此拟合曲线进行1/n级的密集采样，取前n*N位作为实时的坡度数据；

步骤1.2：向后移动N位，再取前M个数据进行曲线拟合，再对拟合曲线进行1/n级的密集采样；

步骤1.3：将此次采样的前n*N位和上次采样的(n*N+1)到2n*N这n*N位进行求和取平均，作为实时的坡度数据；

步骤1.4：循环执行步骤1.2、1.3，直到训练结束。

3.如权利要求2所述用于骑行训练系统的实景运动控制方法，其特征在于，所述步骤

1.1中的曲线拟合采用最小二乘法：其中：ki(x)是事先选定的一组函数；ai是待定系数，(i＝0,1,2...m,m＜n)，寻求a0，a1，a2，…，am，使得 最小。

4.如权利要求1～3之一所述用于骑行训练系统的实景运动控制方法，其特征在于，所述步骤2中，分段多项式拟合功率算法的步骤如下：步骤2.1：分档位测出对应挡位D的功率‑速度采样点(pi,vi)；

步骤2.2：对各档位D下的功率‑速度采样点(pi,vi)进行多项式拟合，得到对应档位的功

2 m

率函数PD＝a0+a1*v+a2*v+...am*v；

步骤2.3：将步骤2.2得到的功率函数整合到一起得到最后按档位分段的功率算法P(v)＝fi(v)(i＝D)。

5.如权利要求4所述用于骑行训练系统的实景运动控制方法，其特征在于，所述步骤

2.2中采用多项式拟合的方法来拟合各档位下的功率函数，也就是求多项式：PD＝a0+a1*v+

2 m

a2*v+...am*v∈Πm(m+1＜n)，使得

设

则

将方程整理，得到：

然后把这些等式转化成矩阵的形式，得到下面的矩阵：然后将这个范德蒙行列式简化后得到：记作VA＝P，求解系数矩阵A，也就得到拟合的功率算法P(v)。