数据结构设计：手表采集数据的完整分类与仿真

v1.0 · 2026-07-05 · 配套文件：仿真数据生成器.py（改参数重跑）、仿真数据_90天.json（129KB，可直接被原型引用）

一、设计原则

分类对齐功能架构。数据块按脑图的五个域切：活动、心脏、睡眠、压力/能量、准备度。设计任何页面时，从对应数据块直接取数，不用跨块拼。

四层时间粒度。逐小时（当天曲线）→ 每日（今天页/日历）→ 每周（趋势页）→ 事件（异常预警/故事线）。原型要什么粒度就取哪层，不用自己聚合。

派生指标带因子。准备度、睡眠分这类合成分数都附带因子拆解（factors），支撑「分数 → 点开看为什么」的三层纵深设计。

仿真要像真人。数据不是随机数，是一个有生活规律的人：工作日久坐、周五晚睡、周末补觉，外加三条故事线（见第四节）。这样趋势图、预警、晨报文案都有真东西可讲。

二、总体结构

仿真数据_90天.json
├── meta            版本 / 生成时间 / 随机种子 / 周期
├── user_profile    档案：陈砚，34岁男，175cm/72kg，产品经理，目标 10K 进 55 分
├── device          设备：型号 / 固件 / 佩戴手 / 传感器清单
├── events          故事线事件：出差 / 感冒 / 训练周期（预警与注释的数据源）
├── daily[90]       每日记录（下表 ↓，页面主数据源）
├── workouts[35]    运动记录（跑步/长距离跑/骑行/力量）
├── weekly_trends[13] 周聚合：VO2Max / 周负荷 / 均值类趋势
└── intraday_hourly_last7d[7] 最近 7 天逐小时步数与心率（全天曲线用）

三、字段字典

daily[] · 每日记录（5 个子块）

子块	字段	说明
activity 活动	`steps / distance_km / floors / active_kcal / total_kcal / exercise_min / stand_hours`	基础活动量，对应脑图「1 活动与目标」
activity 活动	`move_goal_kcal / rings_closed{move,exercise,stand}`	三环目标与合环结果，直接驱动圆环组件
heart 心脏	`resting_hr / min_hr / max_hr / avg_hr / hrv_night_sdnn_ms`	静息心率与夜间 HRV 是准备度和异常预警的核心输入
sleep 睡眠	`bedtime / wake_time / duration_min / stages_min{deep,core,rem,awake}`	阶段数据画 hypnogram 甘特图
sleep 睡眠	`efficiency_pct / score / respiratory_rate / spo2_avg_pct / wrist_temp_deviation_c`	得分 + 夜间体征（呼吸率/血氧/腕温偏差），对应 Vitals 体征汇总
stress / body_battery	`stress{avg,max,relax_min} · body_battery{wake,evening_low}`	压力 0-100；身体电量取醒来值和晚间低点两个锚点
readiness 准备度	`score / level(充沛·良好·一般·需休息) / factors{sleep,hrv,rhr,load}`	0-100 合成分 + 四因子拆解，驱动晨报和「为什么」页

另有 date / day_of_week / context_tag（workday · weekend · travel · sick），context_tag 让测试用例能精准定位到特定场景日。

workouts[] · 运动记录

字段	说明
`id / date / start / type / duration_min`	类型：跑步 · 跑步(长距离) · 骑行 · 力量训练
`distance_km / avg_pace / avg_cadence / elevation_gain_m`	跑骑类字段，力量训练为 null——原型要处理空态
`avg_hr / max_hr / hr_zones_min[5]`	五区间时长，画区间彩条
`active_kcal / training_effect_aerobic(0-5) / training_load`	训练效果与负荷，喂给「训练状态」页

weekly_trends[] · 周趋势

字段	说明
`vo2max / training_load_7d / workout_count / total_distance_km`	训练侧趋势
`avg_resting_hr / avg_hrv / avg_sleep_score / avg_steps`	健康侧趋势，画周/月对比

四、三条故事线（趋势数据的「剧情」）

故事线	时间	数据表现	支撑的设计场景
训练进步	贯穿 90 天	VO2Max 41.1→44.4，静息心率周均 57.4→53.2，HRV 47→62，长距离配速 6'37"→5'36"	趋势页的上升曲线、个人纪录、周报「这三个月你变强了」
出差打断	5/06 - 5/09	晚睡少睡、步数 1.1-1.6 万、零训练、压力偏高	就寝规律提醒、连胜中断的容错设计
感冒一周	5/28 - 6/03	RHR 升到 60-62、HRV 大跌、腕温 +0.3~0.5°C、准备度掉到 35-46、停训	体征偏离基线预警、晨报关怀文案、恢复后负荷重建议

平时的底色规律：工作日 7-9k 步 + 23:30 前后就寝，周五晚睡到零点后，周末补觉多睡约 1 小时，周二/四晚跑 + 周六长距离 + 周日偶尔骑行。

五、原型怎么用这份数据

1. 原型 HTML 里直接 <script src="仿真数据_90天.json 转 js"> 或把 JSON 内联成常量（本地 file:// 下 fetch 会被拦，内联最稳）。

2. 「今天页」取 daily 最后一条；「趋势页」取 weekly_trends；「全天曲线」取 intraday_hourly_last7d；「预警/晨报文案」拿 events + context_tag 找剧情日。

3. 要换剧本（比如加「马拉松备赛冲刺月」），改 仿真数据生成器.py 顶部的 STORY 参数区重跑即可，种子固定为 42，同参数产出可复现。