Project1:Limeo

UX Design · Wearable Health System
Sense Fatigue. Prevent Injury.

一个帮助高强度运动用户识别疲劳风险的系统。
它将不可见的身体负荷转化为可理解的洞察,
从而支持更安全的训练与恢复。

Limeo App Screens
研究背景 Research & Problem

A. 数据调研 Data Research

67%
的受访者表示在高强度运动中曾忽视疲劳继续运动
58%
的受访者表示曾因疲劳累积出现受伤或险些受伤
72%
的受访者表示如果有疲劳风险提醒系统会愿意使用

B. 用户访谈 User Interview

姓名：Lina  年龄：27
活动：滑雪爱好者  经验：5年
"有一次在滑雪的时候其实已经感觉腿有点发软，但我还是想再尝试滑一趟。结果在转弯时失去控制导致韧带受伤。现在回想起来，身体那时候可能早就已经到极限了。"

问题陈述 Problem Statements

许多运动损伤并不是发生在明显疲劳时，而是在疲劳逐渐累积但用户尚未察觉的阶段。当身体真实疲惫状态与主观感知之间出现偏差时，
受伤风险会显著增加。

疲劳感知偏差示意图
Fatigue Time Actual Fatigue Risk Perceived Fatigue
洞察与目标 Insights & Target
18–35
岁高强度运动爱好者
这些用户在运动过程中往往容易"硬撑"，很难及时意识到身体已经接近不安全的疲劳状态。

Fatigue Awareness Gap

难以及时感知疲劳状态

Overtraining Risk

高负荷下仍继续运动

Unclear Decisions

恢复缺乏数据参考

核心洞察

人类对疲劳的感知往往具有滞后性。
如果隐藏的疲劳信号能够被更早识别，用户就能在运动过程中做出更安全的决策。

解决方案 Solutions
运动前 · Before Exercise
查看每日状态 · 快速开始运动
  • 每日身体状态评估
  • 恢复程度与疲劳风险评分
  • 一键开始运动记录
用户可以查看每日身体状态与恢复情况，并一键开始运动记录。
运动中 · During Exercise
实时监测 · 风险提醒
  • 实时疲劳分数监控
  • 趋势图与区间提示
  • 弹窗风险警报
系统实时监测疲劳风险，并在负荷过高时通过弹窗进行提醒。
运动后 · After Exercise
疲劳总结 · AI 恢复建议
  • 疲劳变化趋势回顾
  • 风险峰值时间点标注
  • AI 生成恢复建议
App 总结本次运动中的疲劳变化，并通过 AI 生成恢复建议。
界面展示 Interface Design
Limeo App Screens