城市领跑者——咕咚伴我行
文章图片
图片发自App 自去年7月开始，经朋友介绍使用咕咚软件，不知不觉已经快满一年。在六月之初，累计用咕咚记录的跑步里程达到了1000公里！城市领跑者的奖牌倏然呈现在我的眼前，给我一个意外的惊喜！
【城市领跑者——咕咚伴我行】在此之前近一年的时间里，一路得到咕咚的陪伴和鼓励，在第一天先获得开始运动奖章，第7天得到坚持运动奖章，第21天是习惯运动奖章，第100天荣获热爱运动奖章合计四枚奖章。又在单次跑步达到5公里，10公里，21公里，42公里时得到相应里程的奖章四枚！而今城市领跑者是咕咚给我的第九枚奖章，鼓励我累计跑步突破1000公里。
文章图片
图片发自App 这1000公里的跑步，主要是在三个地方进行的。一个是北京的二环路护城河沿岸，线上半程马拉松都是在这里进行的。第二个是北京的地铁沿线，因为参加了跑嘉体育的北京解锁Subway run地铁跑活动，而在地铁线用脚步丈量北京。第三是北京西三环附近四季繁花不断的玉渊潭公园，因为单位在附近常去公园跑步。
文章图片
图片发自App
在这一年里，通过咕咚线上跑步，参加了六次半程马拉松，分别是贵阳，巴彦淖尔，鄂尔多斯，利马索尔，北京，秦皇岛线上半程马拉松，速度从2小时42分钟慢慢提到2小时9分钟。这六次跑步都是在风景如画的二环路护城河沿岸进行的。沿岸有很多街心花园，河水清缓流动，是周围居民散步遛弯的好地方。边跑边欣赏沿河风景，心情愉快。
文章图片
图片发自App 玉渊潭公园公园有五个门，一圈下来5公里。玉渊潭是北京最著名的樱花圣地，每年4月都有樱花节，花团锦簇吸引八方游客。第一次全程马拉松，就是在公园里跑了八圈完成的。用时接近六小时。我的跑友伙伴，咕咚给我做了见证。
文章图片
图片发自App 咕咚设计了三个跑步级别，分别是初阶跑者，中阶跑者，高阶跑者，每个阶段里又分四个小级别。历经一年，从初阶跑到中阶，而今突破1000公里，跑过6个半程（5次半程以上）速度达到2小时20分以里，成为咕咚认可的高阶一颗星跑者！未来达到1500公里，2000公里，2500公里时，相应半程速度达到2小时20分，2小时，1小时48分以里，则可继续荣升为高阶2颗星，3颗星，4颗星跑者！
文章图片
图片发自App 咕咚软件设计的如此周到细致，一步步陪伴着我鼓励着我，让坚持下去变得更容易更愉快。
文章图片
图片发自App
咕咚有很多跑步训练计划可以参与，讲述怎样训练，如何匀速跑变速跑，如何增加长跑距离，怎样休息。训练计划有跑步的里程和速度方面的具体说明，只要坚持跑下去，对实现半马和全马有很大帮助。对业余跑步者来说，咕咚可以说是位名副其实的好教练。
咕咚商城里可以选购各种运动装备，有各种价位各种款式，很是方便。
结缘咕咚，就像有了一位安安静静的跑友伙伴。虽然它不言不语，却不离不弃，细心周到，不停地给我鼓励。
最近一直参加的跑嘉体育设计的北京地铁跑，相约跑完贯通全城的16条地铁沿线。由于时间关系，有时候不能参加集体跑步活动，就用咕咚记录跑步线路上传给跑嘉。不管线上线下，每次跑步都和咕咚作伴，从东西贯穿的1号线33公里开始，接着环线24公里的2号线，跑了南北方向的5号线28公里……活动正在进行中，咕咚会继续和我做伴，用脚步丈量美丽的北京城。每条线路上都有很多美丽的风景和著名的景观。北京真的是一座国际化的大都市，既有现代城市的繁华，又有古都神韵。地铁跑最真切的感受是北京真大，东西南北怎么跑都跑不到头。
文章图片
图片发自App 跑步，无论是炎炎夏日，还是三九严寒，都在继续！冬天不怕冷，夏天不怕热，满头汗水，心中畅快！为什么喜欢跑步？因为……喜欢那种出透汗的感觉吧。
一路跑来，有咕咚作伴，仿佛一位老朋友，总在默默对我说，你可以跑的更远更快，加油！
很多人喜欢群跑，我也喜欢。但更喜欢自己自由自在的跑步，不必往大家约定的出发点赶路，也不必为跑友调整变换自己的速度。咕咚陪伴我跑，不必为它调速度，它还会在每公里给我报时报告配速，鼓励我加油，赞叹我真棒。运动结束还不忘提醒我做拉伸运动。
我无意为咕咚做广告，如果有人认为是，我也没办法。
我爱上跑步，并且结缘咕咚，在汗流浃背的跑步中，有咕咚陪伴，既不增加伙伴的约束，又不失伙伴的鼓励，真的喜欢咕咚！
我不是城市领跑者，那只是伙伴咕咚给我的鼓励！但我是爱跑者，咕咚伴我行！
推荐阅读
- 《纳尼亚传奇——凯斯宾王子》大纲分析
- 高度关注！2022 开放原子开源峰会最新议程一览（ 时间调整为 7 月 27—29 日举办）
- React|React UI组件库——如何快速实现antd的按需引入和自定义主题
- React|【React路由】编程式路由导航和withRouter的使用——push / replace
- React|React路由组件传参的三种方式——params、search、state
- OpenCV—python 形态学处理（腐蚀膨胀开闭运算边缘检测）
- 自然语言（NLP）处理流程—IF-IDF统计—jieba分词—Word2Vec模型训练使用
- 自定义持久层框架MyORMFramework—框架实现
- ALS推荐算法—训练并保存—加载并测试
- pyspark_mllib_classifier—(SVM)