Abstrakt: Tento článok predstavuje novú metódu merania brzdného spomalenia vozidiel využitím moderných technológií, konkrétne aplikácií pre smartfóny. Článok sa zameriava na overenie presnosti a spoľahlivosti smartfónu v porovnaní s tradičným zariadením XL Meter pri meraní brzdného spomalenia vozidla na suchom povrchu. Výsledky ukazujú, že napriek určitým rozdielom v meraných hodnotách sú dáta získané pomocou smartfónu dostatočne presné pre praktické použitie. V článku sú uvedené detaily testov vykonaných pri rôznych rýchlostiach a porovnanie získaných údajov. Zistenia naznačujú, že smartfón môže slúžiť ako nákladovo efektívna alternatíva tradičných meracích zariadení, čo otvára nové možnosti v oblasti hodnotenia brzdných spomalení vozidiel. Výsledky tohto článku prispievajú k rozšíreniu poznatkov v oblasti automobilovej bezpečnosti a meracích techník.
Kľúčové slová: brzdné spomalenie, brzdná dráha, technológia merania
JEL: L91
THE ACCURACY OF THE SMARTPHONE IN MEASURING THE BRAKING DECELERATION OF A SPECIFIC VEHICLE
Abstract: This paper presents a new method for measuring vehicle deceleration by using modern technology, specifically smartphone apps. The paper focuses on verifying the accuracy and reliability of a smartphone compared to a traditional XL Meter device in measuring vehicle deceleration on dry surfaces. The results show that, despite some differences in the measured values, the data obtained with the smartphone is accurate enough for practical use. Details of the tests performed at different speeds and a comparison of the data obtained are given in the paper. The findings suggest that the smartphone can serve as a cost-effective alternative to traditional measuring devices, opening up new possibilities in the field of vehicle deceleration assessment. The results of this paper contribute to the advancement of knowledge in the field of automotive safety and measurement techniques.
Keywords: braking deceleration, braking distance, measurement technology
1 Úvod
V čase, keď technologický pokrok zásadne mení automobilový priemysel, sa vývoj a overovanie účinných, spoľahlivých a dostupných metód merania vlastností vozidiel stáva kľúčovým aspektom. Tento článok predstavuje nový prístup meracieho zariadenia (decelerometer XL Meter Pro) s modernými technológiami, ako sú aplikácie pre smartfóny, na hodnotenie brzdných spomalení vozidiel na suchom povrchu. Cieľom tohto článku je overiť presnosť a spoľahlivosť týchto dostupných zariadení pri poskytovaní presných údajov týkajúceho sa brzdného spomalenia vozidla, čím sa otvára nová perspektíva možností merania v oblasti jazdných skúšok. Prispieva tiež k súboru poznatkov potrebných pre prebiehajúci výskum a vývoj v oblasti bezpečnosti automobilov.
Nedávny výskum sa zameral na zlepšenie brzdových systémov vozidiel a techník merania brzdného spomalenia. Ján Ondruš a Peter Hockicko[1] zistili, že analýza videozáznamov pomocou softvéru SW Tracker je životaschopnou a nákladovo efektívnou alternatívou k tradičným meraniam decelerografom. Peter Kožuch a kol.[2] dospeli k záveru, že hoci stacionárne testy ponúkajú výhody v oblasti rýchlosti a bezpečnosti, dynamické testy presnejšie odrážajú brzdné spomalenie v reálnom svete. Andrii Kashkanov a kol.[3] vyvinuli matematický model na odhad brzdných dráh, čím zvýšili presnosť autotechnických skúšok pri dopravných nehodách. Nerijus Kudarauskas[4] dokázal, že vozidlá vybavené ABS majú lepšiu rýchlosť spomalenia a kratšiu brzdnú dráhu, najmä pri vyšších rýchlostiach. Eduard Kolla a kol.[5] ukázali, že merania pomocou smartfónov sa presne zhodujú s údajmi z decelografu pre vozidlo Tesla Model S, čo naznačuje, že smartfóny sú životaschopným nástrojom na meranie brzdných spomalení. Dalibor Viderščak a kol.[6] zistili, že drahšie brzdové doštičky dosahujú lepšie výsledky z hľadiska nižšieho nárastu teploty a kratšej brzdnej dráhy, čo zdôrazňuje význam kvality brzdových doštičiek.
Niektoré štúdie dosiahli významný pokrok v pochopení a zdokonalení brzdových systémov a správania sa vozidiel pri brzdnom spomalení. Peter Marienka a kol.[7] skúmali vplyv prívesov s nájazdovými brzdami a bez nich na brzdný účinok motorového vozidla a zistili, že prívesy s nájazdovými brzdami výrazne zlepšujú účinnosť brzdenia a vyrovnávajú ju s účinnosťou brzdenia samostatného vozidla, zatiaľ čo prívesy bez bŕzd predlžujú brzdnú dráhu. Bayu Erfianto a Andrian Rahmatsyah[8] predstavili metódu klasifikácie brzdného správania vozidla pomocou forenznej analýzy údajov zo záznamníkov údajov o udalostiach (EDR), pričom ukázali, že ich model účinne kategorizuje brzdné úkony na komfortné, nepríjemné a nebezpečné úrovne, čo pomáha pri forenznom vyšetrovaní dopravných nehôd. V štúdii zameranej MFDD (Mean Fully Developed Deceleration) sa navrhol prístup na určenie prahových hodnôt MFDD s ohľadom na počiatočnú rýchlosť brzdenia a kapacitu cestujúcich, ktorý ponúka základ na hodnotenie brzdného spomalania pri jazde v reálnych podmienkach. Lisardo Prieto González a kol.[9] vyvinuli model hlbokého učenia na odhad uhlov náklonu a bočného sklzu vozidla, ktorý zvyšuje bezpečnosť a výkonnosť autonómnych vozidiel pomocou údajov z palubných snímačov. Akhilesh Kumar Maurya a Prashant Shridhar Bokare[10] analyzovali modely spomaľovania rôznych vozidiel, pričom poukázali na rozdiely medzi jednotlivými typmi vozidiel a na vplyv maximálnych rýchlostí na správanie pri spomaľovaní, čo má zásadný význam pre simuláciu a návrh dopravy. Tomáš Skrúcany, Ján Vrábel a Patrik Kazimír[11] skúmali vplyv hmotnosti a umiestnenia nákladu na brzdné spomalenie ľahkých úžitkových vozidiel a zistili, že ťažší náklad v blízkosti zadnej nápravy zvyšuje spomalenie pri brzdení, zatiaľ čo náklad v blízkosti prednej nápravy ho znižuje. Ďalšia štúdia[12] zdôrazňuje význam správneho zaťaženia nákladom pre optimálne brzdné spomalenie. Okrem toho štúdia o účinnosti brzdenia vozidla podľa pravidiel cestnej skúšky GB7258 zdôraznila použitie MFDD ako hodnotiaceho indexu, ktorý zahŕňa rôzne parametre, ako je uhol sklonu a maximálne spomalenie počas činnosti ABS, aby sa zabezpečilo presné monitorovanie a hodnotenie účinnosti brzdenia.
2 Metodika
Cieľom empirického hodnotenia bolo preskúmať rozdiely v brzdnom spomalení vybraného vozidla pomocou XL Meter a smartfónu s vybranými aplikáciami. To zahŕňalo komparatívnu analýzu na určenie presnosti mobilného zariadenia pri meraní brzdného spomalenia vozidla, čím sa získali poznatky o ich relatívnej presnosti.
2.1 XL Meter
XL Meter je vysoko presné zariadenie určené na meranie rôznych parametrov vozidla, ako je rýchlosť, zrýchlenie/spomalenie, čas a brzdná dráha. Toto zariadenie sa v článku používa na zaznamenávanie údajov o brzdení vozidla. Toto zariadenie sa skladá z hlavnej jednotky, kĺbového ramena na správne nastavenie zariadenia a prísavky na pevnú montáž. Na prepojenie s počítačom a následné sťahovanie údajov zo zariadenia sa používa deväťkolíkový konektor RS-232 typu D-USB.
Zdroj: Autor
Obr. 1 Meracie zariadenie XL Meter
2.2 Smartfón Xiaomi 11T
Druhou možnosťou, ako vykonávať merania, bol smartfón. Pre meranie zrýchlenia sa v smartfónoch využívajú dva senzory. Gyroskopický a akcelerometer. Gyroskopický senzor je nutnou súčasťou moderných smartfónov, vyskytuje sa v elektronickej podobe pre potreby rozmerov a presnosti. Vo väčšine smartfónov sa používa gyroskop typu MEMS (Micro Electro Mechanical Systems) s veľkosťou 1 – 1 000 mikrometrov. Keďže ale nedokáže merať zrýchlenie, ale iba náklon smartfónu, je kombinovaný s akcelerometrom, čo zariadeniu umožňuje merať oveľa presnejšie zmenu polohy zariadenia. Akcelerometer zaznamenáva akceleráciu, vibrácie a náklon smartfónu v trojosom systéme. Smartfón ktorý sa použil bol Xiaomi 11T vyrábaný od okru 2021. Pracuje s operačným softvérom Android 11 a osemjadrovým procesorom s využitím silných cortexov 3.0 GHz a 2.6 GHz.
Zdroj: [13]
Obr. 2 Smartfón Xiaomi 11T
Údaje o zmene rýchlosti (spomalenie/zrýchlenie) sa zaznamenávali pomocou aplikácie “Accelerometer Analyzer”, ktorá využíva trojosový akcelerometer v smartfóne. Aplikácia bola nastavená na zaznamenávanie údajov pri najvyššej možnej rýchlosti snímača. Pred začiatkom meraní bol smartfón pevne ukotvený v držiaku na čelnom skle vozidla, aby sa zabezpečila stabilita a presnosť zaznamenaných údajov. Na zafixovanie smartfónu vo vzpriamenej polohe sa použila aplikácia “Best level”, ktorá využíva gyroskop zabudovaný v smartfóne na zistenie jeho polohy a náklonu.
Zdroj: Autor
Obr. 3 Aplikácie “Accelerometer Analyzer” (vľavo) a “Best level” (vpravo)
2.3 Popis vozidla
V článku je použité osobné vozidlo, ktorého technické parametre sú uvedené v tabuľke 1. Zahrnuté sú informácie o hmotnosti vozidla, type pohonnej jednotky, stave brzdového systému a typoch pneumatík. Na vykonanie meraní bolo použité vozidlo Audi A6 Avant. Ide o štvrtú generáciu tohto typu vyrobenú v roku 2017. Technické údaje sú uvedené v nasledujúcej tabuľke.
Tab. 1 Technické údaje vozidla
Zdroj: Autor
Pri testoch bolo vozidlo vybavené letnými pneumatikami Continental Premium Contact 6 s rozmermi 225/50 R18, indexom zaťaženia 90 (690 kg) a indexom rýchlosti W 270 km/h. V čase merania mali pneumatiky najazdených približne 10 000 km a hrúbku dezénu 8 mm.
Zdroj: Autor
Obr. 4 Vozidlo a pneumatiky použité pri meraní
2.4 Miesto merania
Merania sa uskutočnili na testovacej trati, ktorá pozostávala z rovnej a suchej cesty. Realizované boli v apríli, pri teplotách vzduchu v rozmedzí od 5 °C do 11 °C. Dĺžka testovacej dráhy bola približne 250 metrov, čo poskytovalo dostatočný priestor na vykonanie brzdných manévrov. Povrch vozovky na celej trase bol asfaltový.
Zdroj: [13]
Obr. 5 Lokalita miesta merania
2.5 Postup merania
Pri meraní pomocou zariadenia XL Meter je prvým krokom jeho kalibrácia. Tento proces sa vykonáva po zapnutí prístroja, pričom je potrebné ho pripevniť na čelné sklo vozidla v nulovej polohe. Aktuálna poloha prístroja sa zobrazí na displeji ako aktuálne pozdĺžne (ax) a priečne (ay) zrýchlenie. Obe veličiny musia vykazovať nulové hodnoty, čím sa zabezpečí maximálna presnosť merania. Po správnej kalibrácii je možné začať s meraním. XL Meter je navrhnutý na zber údajov v dvoch osiach, x a y. Vozidlo sa následne zrýchli na požadovanú rýchlosť a zastaví intenzívnym brzdením. Prístroj umožňuje uložiť až 8 meraní do vnútornej pamäte.
Po úspešnom ukončení merania prístroj poskytne hodnoty:
- So – brzdná dráha [m],
- Vo – rýchlosť vozidla na začiatku brzdenia [km/h],
- Tbr – čas brzdenia [s],
- MFDD – stredné plné brzdné spomalenie [m/s2].
3 Výsledky merania
V tejto časti sú uvedené hodnoty získané z merania brzdného spomalenia vybraného vozidla a sú uvedené v tabuľke 2. Analýza pozostáva z dvoch zariadení, XL Meter a smartfón. Celkovo bolo vykonaných 16 meraní, z toho 4 pre každú rýchlosť – 30, 50, 70, 90 km/h. Potom sa vypočítal priemer pre každú rýchlosť, ako aj rozdiel hodnôt oproti zariadeniu XL Meter.
Hodnota celkového priemerného brzdenia podľa zariadenia XL Meter je 10,43 m/s2 a pre smartfón 10,63 m/s2. Odchýlka je 0,19 m/s2.
Tab. 2 Spracované údaje o meraní
Zdroj: Autor
Výsledky merania úplného brzdného spomalenia sú:
Spočítané hodnoty (XL Meter)
- maximálna hodnota plného brzdného spomalenia: 10,97 m/s2 (meranie 2),
- minimálna hodnota plného brzdného spomalenia:: 9,97 m/s2 (meranie 1),
- priemerná hodnota plného brzdného spomalenia: 10,43 m/s2,
- štandardná odchýlka spomalenia pri úplnom brzdení: 0,12 m/s2.
Spočítané hodnoty (smartfón Xiaomi 11T)
- maximálna hodnota plného brzdného spomalenia: 11,32 m/s2 (meranie 6),
- minimálna hodnota plného brzdného spomalenia: 10,16 m/s2 (meranie 4),
- priemerná hodnota plného brzdného spomalenia: 10,63 m/s2,
- štandardná odchýlka spomalenia pri úplnom brzdení: 0,13 m/s2.
3.1 Vyhodnotenie meraní
Rozdiely v spomalení pri úplnom brzdení uvedené v tabuľke vyššie sú pre lepší prehľad zhrnuté v tabuľke 3. Rozdiel medzi meračom XL a smartfónom je v absolútnom vyjadrení 0,19 m/s2, zatiaľ čo v percentuálnom vyjadrení je rozdiel 1,82 %.
Tab. 3 Vyhodnotenie rozdielov v meraniach na suchej ceste
Zdroj: Autor
Bol vytvorený aj graf, ktorý zobrazuje porovnanie spomalenia pri brzdení XL Metra a smartfónu pri rôznych rýchlostiach na suchej ceste. Meradlo XL Meter vykazuje postupný nárast brzdného spomalenia z 10,34 m/s² pri rýchlosti 30 km/h na 10,57 m/s² pri rýchlosti 90 km/h. Smartfón začína s vyššou hodnotou 10,66 m/s² pri rýchlosti 30 km/h a dosahuje až 10,80 m/s² pri rýchlosti 90 km/h, čo naznačuje vyššie brzdné spomalenie v porovnaní s XL Meter pri všetkých rýchlostiach.
Zdroj: Autor
Obr. 6 Porovnanie priemerných hodnôt pre suchý povrch
3.2 Vyhodnotenie brzdnej dráhy
V rámci hodnotenia brzdného spomalenia vozidla je nevyhnutné posúdiť brzdnú dráhu. V tabuľke je uvedené porovnanie brzdnej dráhy vozidla pri rôznych rýchlostiach pomocou dvoch meracích zariadení. Najväčší rozdiel v hodnotách brzdnej dráhy smartfónu oproti XL Meter je pri rýchlosti 30 km/h (13,58 %) a najmenší pri rýchlosti 70 km/h (4,66 %).
Tab. 4 Porovnanie brzdnej dráhy na suchom povrchu
Zdroj: Autor
Graf na obrázku 7 znázorňuje závislosť brzdnej dráhy vozidla od počiatočnej rýchlosti na suchom povrchu pre dve rôzne meracie zariadenia: XL Meter a smartfón. Údaje sú prezentované ako bodové grafy s príslušnými trendovými čiarami, ktoré majú podobu kvadratických rovníc. V prípade XL Meter je trend opísaný rovnicou y = 0,0029x2 + 0,0014x, kde y predstavuje brzdnú dráhu a x rýchlosť vozidla v km/h. Pre smartfón je rovnica y = 0,0031x2 + 0,0056x.
Zdroj: Autor
Obr. 7 Proces brzdenia na suchom povrchu
4 Záver
Článok obsahuje 16 meraní brzdných spomalení vozidla Audi A6 Avant na suchom povrchu. Na meranie týchto brzdných spomalení vozidla sa použili meracie zariadenia, ako XL Meter a smartfón Xiaomi 11T s vybranými aplikáciami. Tieto dve zariadenia poskytli súbor údajov, ktoré boli následne spracované a vyhodnotené. Po spracovaní a vyhodnotení údajov sa zistilo, že úplné brzdné spomalenie získané pomocou smartfónu má miernu odchýlku 0,19 m/s2 od hodnoty získanej pomocou XL metra. To znamená, že celkový rozdiel medzi týmito dvoma zariadeniami je pomerne malý, a to 1,82 %. Na základe toho možno konštatovať, že hoci sú rozdiely medzi oboma zariadeniami relatívne malé, stále existujú a je dôležité ich zohľadniť pri hodnotení výsledkov. Výstupné hodnoty brzdných spomalení vozidiel sú pre znalcov užitočné pri riešení rekonštrukcie dopravnej nehody – vozidlo a chodec.
5 Literatúra
[1] ONDRUŠ, Ján a Peter HOCKICKO. Braking Deceleration Measurement Using the Video Analysis of Motions by Sw Tracker. Transport and Telecommunication Journal [online]. 2015, 16(2), 127–137 [vid. 2024-04-18]. ISSN 1407-6179. Dostupné z: doi:10.1515/ttj-2015-0012
[2] KOŽUCH, Peter, Ľubomír HUJO, Łukasz MUŚLEWSKI a Marietta MARKIEWICZ-PATALON. Dynamic and Stationary Testing of Vehicle Braking Systems. Acta Technologica Agriculturae [online]. 2023, 26(4), 238–243 [vid. 2024-04-18]. ISSN 1338-5267. Dostupné z: doi:10.2478/ata-2023-0032
[3] KASHKANOV, Andrii, Andriy SEMENOV, Anastasiia KASHKANOVA, Natalia KRYVINSKA, Oleg PALCHEVSKYI a Serhii BARABAN. Estimating the effectiveness of electric vehicles braking when determining the circumstances of a traffic accident. Scientific Reports [online]. 2023, 13(1), 19916 [vid. 2024-04-18]. ISSN 2045-2322. Dostupné z: doi:10.1038/s41598-023-47123-7
[4] KUDARAUSKAS, Nerijus. Analysis of Emergency Braking of a Vehicle. Transport [online]. 2007 [vid. 2024-04-18]. Dostupné z: https://www.semanticscholar.org/paper/Analysis-of-Emergency-Braking-of-a-Vehicle-Kudarauskas/52ccdc9dc4ada264936251a36b313d6a350648b1
[5] KOLLA, Eduard, Ján ONDRUŠ, Marian GOGOLA a Željko ŠARIĆ. Braking Characteristics of the Specified Modern Electric Vehicle During Intensive Braking. Advances in Science and Technology Research Journal [online]. 2020, 14, 125–134. Dostupné z: doi:10.12913/22998624/122197
[6] VIDERŠČAK, Dalibor, Zdravko SCHAUPERL, Krunoslav ORMUŽ, Sanja ŠOLIĆ, Mladen NIKŠIĆ, Diana MILČIĆ a Pavao ORMUŽ. Influence of Brake Pad Properties to Braking Characteristics. Promet – Traffic&Transportation [online]. 2022, 34(1), 91–102 [vid. 2024-04-18]. ISSN 1848-4069, 0353-5320. Dostupné z: doi:10.7307/ptt.v34i1.3846
[7] MARIENKA, Peter, Marcel FRANČÁK, Juraj JAGELČÁK a František SYNÁK. Comparison of Braking Characteristics of Solo Vehicle and Selected Types of Vehicle Combinations. Transportation Research Procedia [online]. 2020, 44, LOGI 2019 – Horizons of Autonomous Mobility in Europe, 40–46 [vid. 2023-08-07]. ISSN 2352-1465. Dostupné z: doi:10.1016/j.trpro.2020.02.007
[8] ERFIANTO, Bayu a Andrian RAHMATSYAH. Forensic Analysis of Braking Classification Based on Acceleration, Jerk, and Velocity Data. Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control [online]. 2021 [vid. 2024-04-18]. ISSN 2503-2267, 2503-2259. Dostupné z: doi:10.22219/kinetik.v6i3.1284
[9] GONZÁLEZ, Lisardo Prieto, Susana Sanz SÁNCHEZ, Javier GARCIA-GUZMAN, María Jesús L. BOADA a Beatriz L. BOADA. Simultaneous Estimation of Vehicle Roll and Sideslip Angles through a Deep Learning Approach. Sensors [online]. 2020, 20(13), 3679 [vid. 2024-04-18]. ISSN 1424-8220. Dostupné z: doi:10.3390/s20133679
[10] MAURYA, Akhilesh Kumar a Prashant Shridhar BOKARE. STUDY OF DECELERATION BEHAVIOUR OF DIFFERENT VEHICLE TYPES. International Journal for Traffic and Transport Engineering [online]. 2012, 2(3), 253–270 [vid. 2024-04-18]. ISSN 2217544X, 22175652. Dostupné z: doi:10.7708/ijtte.2012.2(3).07
[11] SKRUCANY, Tomas, Jan VRABEL a Patrik KAZIMIR. The influence of the cargo weight and its position on the braking characteristics of light commercial vehicles. Open Engineering [online]. 2020, 10(1), 154–165 [vid. 2024-04-18]. ISSN 2391-5439. Dostupné z: doi:10.1515/eng-2020-0024
[12] LI, Wen Liang, Wei ZHOU a Li GAO. Vehicle Braking Efficiency On-Line Monitoring and Evaluation with MFDD. Advanced Materials Research [online]. 2012, 605–607, 968–971 [vid. 2024-04-18]. ISSN 1662-8985. Dostupné z: doi:10.4028/www.scientific.net/AMR.605-607.968
[13] Xiaomi 11T – Full phone specifications [online]. [vid. 2024-04-23]. Dostupné z: https://www.gsmarena.com/xiaomi_11t-11099.php
Autori:
Tituly a pôsobisko autorov:
1Ing. Arnold Jančár, Žilinská univerzita v Žiline, Fakulta prevádzky a ekonomiky dopravy a spojov, Univerzitná 8215/1, 010 26 Žilina, SLOVENSKO, E-mail: arnold.jancar@stud.uniza.sk
VYTLAČIŤ