Az okos gumiabroncsok kora: új fejezet a modern közlekedésben

Az autózás jövője a biztonságosabb és fenntarthatóbb közlekedés felé tart, ahol a járművek egyre intelligensebben lépnek kapcsolatba környezetükkel. Ennek a fejlődésnek sarokkövei a szenzorok, hiszen a környezet pontos érzékelése nélkülözhetetlen ahhoz, hogy egy autó biztonságosan és hatékonyan navigáljon. Gondoljunk csak a modern járművekben már megszokott technológiákra, például a sávtartásban és távolságtartásban segítségünkre lévő kamerákra és ultrahangos tolatóradarokra, vagy a navigációt és a helymeghatározást biztosító GPS-re, vagy az önvezető autók némelyikében használt lézer alapú távérzékelésre (LiDAR), amely különösen fontos lehet rossz látási viszonyok között.

Ezek a rendszerek elsősorban a jármű pozícióját és a környezetében lévő tárgyakat és távolságokat érzékelik. Mi van azonban akkor, ha az útfelületről is szeretnénk pontos, valós idejű információt kapni? Az útfelület minősége, azaz, hogy az aszfalt száraz-e, jeges, nedves vagy épp kátyús, jelentősen befolyásolja a jármű tapadását és féktávolságát. Bár a kamera képes az út vizuális állapotát rögzíteni, a fényviszonyok, a felverődő víz vagy hó, illetve a kamera látószögéből adódó korlátok miatt nem mindig nyújt megbízható és pontos információt a tapadásról. Gondoljunk csak egy havas útra, ami vizuálisan egyenletesnek tűnhet, valójában azonban alattomos jeges foltokat rejthet. Itt válik kritikus fontosságúvá, hogy ne csak „lássuk” az utat, hanem „érezzük” is annak valós fizikai tulajdonságait. Ez a képesség nemcsak a hagyományos vezetéstámogató rendszereket emelheti új szintre, hanem az autonóm járművek megbízható működéséhez is elengedhetetlen.

Ezen a területen született meg az ELTE Numerikus Analízis Tanszékén működő Jelek és Rendszerek Kutatócsoport, a HUN-REN Energiatudományi Kutatóközpont (EK) és a HUN-REN Számítástechnikai és Automatizálási Kutatóintézet (SZTAKI) közötti kiterjedt együttműködés eredményeként egy innovatív, szabadalmaztatás alatt álló (ügyszám: P2500130) technológia: egy gumiabroncsba építhető szenzor és a hozzá tartozó mesterséges intelligencia (AI) alapú feldolgozó rendszer. Ez a projekt kiváló példája annak, hogyan egészíti ki egymást a mélyreható elméleti tudás a gyakorlati mérnöki tapasztalattal és az élvonalbeli kutatás-fejlesztéssel, egy olyan interdiszciplináris területen, ahol az informatika, a fizika és a gépészmérnöki tudás szinergiája teremt új lehetőségeket.

A gumiabroncs-szenzorok fejlődése és az új irány

A járműiparban régóta folyik a kutatás az intelligens gumiabroncs-technológiák területén, melyek célja a közlekedés biztonságosabbá, kényelmesebbé és környezetkímélőbbé tétele. Ismerünk már kereskedelmi forgalomban lévő megoldásokat, mint például a gumiabroncsnyomás-ellenőrző rendszerek (TPMS), melyek a nyomás ingadozását monitorozzák, vagy a barázdamélység-érzékelők. Ezek az alapvető információk már önmagukban is jelentős mértékben hozzájárulnak a balesetek megelőzéséhez és az optimális üzemanyag-fogyasztáshoz. Egy megfelelően beállított gumiabroncsnyomás akár több százalékos üzemanyag-megtakarítást is eredményezhet (Thomas et al., 2014), mivel csökken a gördülési ellenállás. Ez évente több tízmilliárd forintos megtakarítást jelenthet globálisan, és egyben hozzájárul a károsanyag-kibocsátás mérsékléséhez is, nem beszélve arról, hogy az alulnyomásos gumiabroncsok nemcsak üzemanyagot pazarolnak, hanem komoly biztonsági kockázatot is jelentenek.

A szakirodalomban számos további megközelítés is létezik, amelyek a gumiabroncs futófelülete és az útburkolat közötti kölcsönhatásra igyekeznek következtetni. Egyes megoldások a gumiabroncs oldalirányú alakváltozását detektálják gyorsulásmérők segítségével. Bár ezek a mikroelektromechanikai (MEMS) szenzorok elég érzékenyek és költséghatékonyak, a mért jelben megjelenő forgási, rezgési és gravitációs gyorsulásokból eredő nemkívánatos komponensek megnehezítik a pontos kiértékelést. Más kutatások a gumi mechanikai deformációjának optikai elven történő monitorozására fókuszálnak. Ezek a rendszerek rendkívül érzékenyek a lokális deformációkra, azonban intenzívebb manőverek, például erős fékezés esetén a gumiabroncs elcsúszhat a felnin, ami gyakori újrakalibrálást tesz szükségessé – ez pedig a gyakorlatban nehezen kivitelezhető. Megoldást jelenthet a gumi belső felületén megvalósított nyúlásalapú mérés is (például 3D nyomtatott grafén alapú fóliával vagy piezoelektromos polimerrel). Ezek a mérések kevésbé érzékenyek a zajkomponensekre, viszont a gumiabroncs nagymértékű deformációja leválásukhoz vezethet.

A kollaboráció kínálta megoldás a kihívásokra

Az ELTE és partnereinek fejlesztése éppen ezekre a fennálló kihívásokra kínál megoldást. A korábbi rendszerek hátrányait kiküszöbölendő, olyan piezorezisztív erőmérő érzékelőt alkalmaznak, amelyet egy speciális, jellemzően gumiból készült törésgátló bevonattal látnak el. Fontos megjegyezni, hogy a kutatócsoport saját maga képes volt ezeket a szenzorokat legyártani és integrálni a gumiabroncsba, ami jelentős versenyelőnyt és rugalmasságot biztosít a fejlesztés során.

A szóban forgó bevonat megakadályozza az érzékelő leválását extrém deformációk esetén is, és megvédi az érzékeny elemeket a mechanikai behatásoktól. Azonban ez a védőréteg egy újabb kihívást is teremtett: a törésgátló bevonat hatására a mért elektromos jelek és a valós, gumiabroncsra ható erőhatások közötti kapcsolat erősen nemlineárissá válik. Ez azt jelenti, hogy a hagyományos, lineáris matematikai modellekkel – amelyek jellemzően gyorsak és számításigényük alacsony, de csak egyszerű, egyenes arányosságokat tudnak kezelni – már nem lehet pontosan visszafejteni az útfelületre vonatkozó információkat.

Az ELTE szerepe: a tudás-alapú intelligencia szállítása

Itt lép be a képbe a mesterséges intelligencia (AI), amelyet Jelek és Rendszerek Kutatócsoport fejlesztett ki. De mit is értünk pontosan mesterséges intelligencia alatt ebben az esetben? Nem egy öntudatra ébredt robotról beszélünk, hanem gépi tanuló algoritmusokról, amelyek nagy mennyiségű adatból képesek mintázatokat, összefüggéseket felismerni és azok alapján döntéseket hozni vagy előrejelzéseket tenni. Lényegében a gépi tanulás lehetővé teszi, hogy egy rendszer „tanuljon” a tapasztalatokból, mint egy ember, anélkül, hogy minden egyes szabályt előre programoznánk bele.

A fejlesztés lényege, hogy egy olyan négycsatornás erőmérő szenzort alkalmaznak, amely a lokális erővektor háromdimenziós érzékelésére is képes, így jóval több adatot szolgáltat, mint a korábbi nyúlásmérő típusú érzékelők. Az ezen adatok feldolgozására létrehozott AI modell képes feltérképezni és kompenzálni a törésgátló bevonat okozta nemlineáris torzítást, és a gumiabroncs nyomásától függetlenül megbízhatóan becsülni az útfelület tapadási-súrlódási együtthatóját, valamint osztályozni az úttípust.

A projekt egyik leginnovatívabb aspektusa az úgynevezett modellvezérelt (tudás-alapú) mesterséges intelligencia alkalmazása. A hagyományos, tisztán adatvezérelt AI modellek (mint például a nagy nyelvi modellek) hatalmas adathalmazokra és óriási számítási kapacitásra támaszkodnak, hogy minden összefüggést maguk találjanak meg. Ezzel szemben a modellvezérelt megközelítés a gépi tanulást ötvözi a már meglévő szakterületi tudással. Itt gondolhatunk a szakértők jelfeldolgozási ismereteire, a fizikai törvényekre, a menetdinamikai jellemzőkre vagy a jelek ismert alakjára. Miért tanítanánk meg az AI-nak azt, amit már tudunk? Ehelyett ezeket a bevált, szakértői ismereteket beépítjük az AI algoritmusok szerkezetébe, például a neuronhálózatok architektúrájába vagy a tanítási folyamatba. Ezáltal a neuronhálózat kisebb, erőforrás-takarékosabb és gyorsabban futtatható lesz (akár online, beágyazott hardvereken is), miközben teljesítménye megmarad, sőt javul. Ráadásul a modellvezérelt AI jobban magyarázhatóvá teszi a döntési mechanizmusokat, ami kiemelten fontos olyan biztonságkritikus alkalmazásoknál, mint az önvezetés.

Miért az okos gumiabroncsé a jövő?

Ez az innováció nem csupán egy technológiai újdonság, hanem alapvetően változtatja meg a járművek és az út közötti interakciót:

• Extra érzékelési lehetőség: Az okos gumiabroncs egy olyan újfajta „érzékszervet” ad az autónak, amelyre eddig nem volt képes. Nemcsak azt érzékeli, amit egy emberi vezető (vizuálisan, vagy a kormány visszajelzései alapján), hanem mélyebb, fizikai interakciókból származó adatokat szolgáltat, amik segítségével a jármű pontosabban felmérheti az út állapotát.
• Fokozott közlekedésbiztonság: ez a képesség az autonóm járművek számára kulcsfontosságú, hiszen a gépeknek vezető hiányában pontos és megbízható „érzékekre” van szükségük ahhoz, hogy emberi beavatkozás nélkül is biztonságosan közlekedjenek. Az úttípusok és az útminőség valós idejű, pontos felismerése révén a járművek időben képesek reagálni a változó útviszonyokra. Ez a képesség jelentősen csökkentheti a balesetek számát és súlyosságát, különösen kedvezőtlen időjárási körülmények között.
• Optimalizált járműteljesítmény és fenntarthatóság: Az útfelület ismeretében a járművek hatékonyabban közlekedhetnek, optimalizálhatják a sebességüket, csökkenthetik az üzemanyag-fogyasztást és a gumiabroncsok kopását, hozzájárulva ezzel a fenntarthatóbb közlekedéshez.

Az okos gumiabroncs projekt tehát egy komplex rendszerszemlélet eredménye, ahol a speciális szenzorok és a fejlett mesterséges intelligencia kéz a kézben járnak, hogy egy új, biztonságosabb és okosabb jövőt építsenek a közlekedésben. De pontosan hogyan is épül fel és működik ez a szenzor a gumiabroncs belsejében, és milyen módszerekkel dolgozza fel a jeleket az AI rendszer? És hogy ugyanez az algoritmus hogyan tud akár szívritmuszavart is detektálni? Erről a cikksorozatunk következő részeiben olvashatsz részletesen.

Kapcsolódó tudományos publikációk

☞ Dózsa et al. 2022: Road abnormality detection using piezoresistive force sensors and adaptive signal models
☞ Dózsa et al. 2023: Towards intelligent tire development
☞ Dózsa et al. 2024: Road type classification using time-frequency representations of tire sensor signals