В статье изложены результаты исследования, посвященного разработке мобильного приложения для оптимизации тренировочного процесса в велоспорте. Актуальность работы обусловлена возрастающим спросом на цифровые инструменты в спортивной отрасли. Установлено, что существующие решения характеризуются ограниченным функционалом, зависимостью от стабильного интернет-соединения и недостаточной детализацией собираемых данных. Выявлены системные недостатки современных платформ, включая архитектурные ограничения и эргономические просчеты в пользовательских интерфейсах. Методология исследования базировалась на сравнительном анализе рынка спортивных приложений. Ранжирование функциональных требований выполнено с применением метода аналитической иерархии Саати (AHP). Разработана архитектура клиент-серверного приложения с офлайн-режимом работы и интеграцией Bluetooth-устройств. Реализовано локальное хранение тренировочных метрик (частота сердечных сокращений, скорость, высота над уровнем моря) с использованием СУБД SQLite. Обеспечена возможность экспорта маршрутов в формате GPX. Апробация прототипа продемонстрировала стабильную работу всех модулей приложения. Качество решения подтверждено положительными отзывами пользователей, отметивших доступность интерфейса, глубину аналитики и надежность работы в автономном режиме. Разработанный продукт устраняет ключевые ограничения аналогов за счет независимости от интернет-соединения и расширенной визуализации данных. Результаты исследования подтверждают эффективность метода AHP для проектирования спортивных цифровых решений. Предложенный подход создает основу для внедрения алгоритмов машинного обучения в прогнозирование тренировочных нагрузок. Работа имеет междисциплинарную значимость, объединяя достижения информационных технологий и спортивной науки. Полученные выводы способствуют развитию интеллектуальных экосистем в сфере физической культуры и спортивного телеметринга.
The article presents the results of a study dedicated to the development of a mobile application for optimizing the training process in cycling. The relevance of the work is driven by the growing demand for digital tools in the sports industry. It has been established that existing solutions are characterized by limited functionality, dependence on stable internet connectivity, and insufficient detail in the collected data. Systemic shortcomings of modern platforms have been identified, including architectural limitations and ergonomic miscalculations in user interfaces. The research methodology was based on a comparative analysis of the sports application market. Ranking of functional requirements was performed using Saaty’s Analytic Hierarchy Process (AHP). A client-server application architecture with offline mode and Bluetooth device integration has been developed. Local storage of training metrics (heart rate, speed, altitude) has been implemented using SQLite DBMS. The ability to export routes in GPX format has been ensured. Testing of the prototype demonstrated stable operation of all application modules. The quality of the solution has been confirmed by positive user feedback, noting the interface accessibility, depth of analytics, and reliability in offline mode. The developed product eliminates key limitations of analogues through independence from internet connection and enhanced data visualization. The research results confirm the effectiveness of the AHP method for designing sports digital solutions. The proposed approach lays the foundation for implementing machine learning algorithms in training load forecasting. The work has interdisciplinary significance, combining achievements in information technology and sports science. The obtained conclusions contribute to the development of intelligent ecosystems in the field of physical culture and sports telemetry.