A tesztpályák valós körülmények között teszik lehetővé a mérési vizsgálatokat. (Fotó: Májer Csaba József/Széchenyi István Egyetem) A ZalaZone Európa egyik legösszetettebb, moduláris felépítésű járműipari tesztkörnyezete, amely nagysebességű körpályát, városi és autópályás szakaszokat, dinamikai és off-road elemeket, valamint autonóm és e-mobilitási fejlesztéseket támogató zónákat is magában foglal. A sokféle pályamodul lehetővé teszi, hogy új járműtechnológiákat, vezetéstámogató rendszereket és járműdinamikai megoldásokat valós körülmények között vizsgáljanak. Ehhez az ökoszisztémához szervesen kapcsolódik a Széchenyi István Egyetem Zalaegerszegi Innovációs Parkja, amely mérő-infrastruktúrával és laborokkal támogatja a járműipari fejlesztéseket, miközben rendszeresen fogad hallgatói képzéseket, terepgyakorlatokat és kutatási projekteket. Ebben a környezetben valósult meg tavaly decemberben az egyetem angol nyelvű motorsportmérnök mesterképzésének két alkalomból álló gyakorlati programja a Race Vehicle Testing (versenyjármű-tesztelés) tantárgy keretében. A fiatalok öt különböző járművel végeztek járműdinamikai méréseket a ZalaZone egyetemi, motorway és dinamikai moduljain. A program célja az volt, hogy ne csupán adatokat gyűjtsenek, hanem értsék is, hogy azok miként válnak a nyers mérések rendszerezés, tisztítás és értelmezés révén döntéstámogató információvá. Bári Dávid, a tárgy oktatója és a Zalaegerszegi Innovációs Park kutatói végigvezették a résztvevőket a mérési ciklus minden lépésén – a célok kijelölésétől a mérési protokollon át az eredmények szakmai elemzéséig. Kiemelt hangsúlyt kapott a körülmények pontos dokumentálása és az összehasonlítható adatok gyűjtése, ami a motorsportban és az ipari járműfejlesztésben egyaránt alapkompetencia. Az egyetem számára kulcsfontosságú, hogy a modern tesztinfrastruktúra a képzések szerves része legyen. A valós mérési környezetben szerzett tapasztalatok segítik a hallgatókat abban, hogy már tanulmányaik során ipari logikában gondolkodjanak. Mindez növeli a képzések munkaerőpiaci értékét, és hozzájárul a térség innovációs és mérnökképzési ökoszisztémájának további erősödéséhez.    

A klímasemlegességre irányuló terv a város meglévő és jövőben tervezett intézkedéseit egy átfogó, hosszú távú koncepcióba fogja össze. Stratégiai iránymutatásként szolgál a politika, a közigazgatás és a lakosság számára is. Fotó: https://www.eisenstadt-tourismus.at A város vezetése többek között folytatni fogja a fotovoltaikus, napelemes rendszerek kiépítését a város tulajdonában lévő épületek tetején, szeretnék fejleszteni a tömegközlekedést, és a városi épületek fűtését is átállítanák fosszilis tüzelőanyagokról klímabarát rendszerekre. Fontos pont kerékpáros és gyalogos közlekedés feltételeinek megerősítése. Intézkedéseket terveznek a hulladékkeletkezés megelőzésére és a hulladék újrahasznosítására, valamint a a zöldterületek növelése és a klímabarát területrendezésre.  

A mesterséges intelligencia eddig főleg „szem” volt az ITS-ben. Most viszont „agy” lesz belőle: nemcsak rögzíti, mi történik az úton, hanem valós időben döntéseket készít elő jelzőlámpáknak, forgalomirányítóknak, sőt a szabályszegések kezelésének is. A nagy kérdés: ez végre valódi áttörés? Az ITS International szakértőket kérdezett – és a válasz meglepően egy irányba mutat. Az ITS International elemzése szerint az AI évek óta ott van a közlekedésben: elektronikus útdíjszedésnél, forgalomfigyelésnél, rendszámfelismerésnél. A fordulat nem abban mutatkozik meg, hogy „megjött” a mesterséges intelligencia, hanem abban, hogy a számítási kapacitás és a szoftverek szintet léptek: amit korábban csak központi szerverekkel, drágán és lassan lehetett, az ma már egyre gyakrabban „kint az úton”, helyben, és valós időben fut. Peter Ummenhofer (Vitronic, a forgalmi üzletág termék- és megoldásvezetője) úgy fogalmaz: a korábbi „okos kamerás” korszakból most jutottunk el oda, hogy az AI a forgalommenedzsment kulcstechnológiája: képes járműveket és sérülékeny közlekedőket (gyalogos, kerékpáros) észlelni és követni csomópontokban, forgalmi jelzéseket dinamikusan vezérelni, torlódást előrejelezni és optimalizálni az áramlást valós idejű szenzoradatokból. Vagyis: nem utólag magyaráz, hanem előre dolgozik. A Vitronic egy 1984-ben, Wiesbadenben alapított német technológiai vállalat, amely ipari képfeldolgozásra és közlekedési megoldásokra specializálódott; a közlekedési szektorban sebességmérő és piroslámpa-ellenőrző rendszereket, átlagsebesség-mérést (section control), rendszámfelismerő (ANPR) technológiát, valamint útdíj- és forgalommonitoring megoldásokat fejleszt és szállít világszerte. Az utóbbi években a cég erősen épít a mesterséges intelligenciára alapuló képfeldolgozásra, ahol az AI nem csupán észlel és dokumentál, hanem döntéstámogató szerepet is betölt a forgalomirányítás és a közlekedésbiztonsági enforcement (automatikus szabályérvényesítés) területén. Brian Fuller, a Sensys Networks elnöke kifejezetten lehűti a csodavárást, mégis ő mondja ki az egyik legfontosabb mondatot: „Az AI nem lesz minden közlekedési alkalmazás számára tökéletes megoldás, de más technológiákkal kombinálva új magasságokat érhet el.” – és azt is hozzáteszi, hogy a deep learning (mélytanulás) látványosan visszavágta a videoanalitikában a téves riasztásokat. A lényeg nála a kombináció: radar ott jó, ahol olcsón és stabilan kell adat; vezeték nélküli szenzor ott, ahol nincs infrastruktúra; a videós AI pedig ott, ahol a „mi történik valójában?” kérdésre kell válasz. A Sensys Networks egy amerikai székhelyű technológiai vállalat, amely elsősorban vezeték nélküli, útpályába telepített szenzorokra épülő forgalomérzékelő és jelzőlámpa-optimalizáló megoldásairól ismert; rendszereiket világszerte alkalmazzák csomóponti forgalomszámlálásra, torlódásfigyelésre és adaptív jelzőlámpa-vezérlésre. A cég megoldásai az úgynevezett edge-alapú adatfeldolgozásra épülnek, vagyis az adatok elemzése részben helyben történik, ami gyorsabb reakcióidőt és stabilabb működést tesz lehetővé, különösen városi környezetben. Az utóbbi években a Sensys Networks a mesterséges intelligencia integrálásával tovább erősítette pozícióját, különösen a forgalmi mintázatok elemzése és a dinamikus közlekedésirányítás területén. Toni Marzo, az Intertraff alapító-vezérigazgatója szerint az AI terjedését az hozta el, hogy a globális tech-óriások befektetései „demokratizálták” az eszközöket: ma már a közlekedési és kamerás enforcement (kamerás szabályérvényesítés) piac szereplői is hozzáférnek kép-felismerési, objektumdetektálási, viselkedéselemzési modellekhez komoly saját K+F nélkül. De az igazi figyelmeztetés tőle jön: a „régi kamerahálózat + AI frissítés” sokszor vágyálom, mert az AI csak olyan jó, amilyen a vizuális adat, amit kap. Ezt a gondolatot ő maga így vési kőbe: „Az AI teljesítménye csak annyira jó, amilyen minőségű vizuális adatot kap.” Ha nincs célhardver, kalibrált optika, szinkronizált megvilágítás és valós helyzeteket lefedő adathalmaz, a legjobb modell is elbukik – és jogilag védhető, folyamatos (24/7) enforcementből nem lesz semmi. Az Intertraff egy holland közlekedéstechnológiai vállalat, amely elsősorban kamerás közlekedésfelügyeleti és automatikus szabályérvényesítési (enforcement) rendszereket fejleszt és szállít világszerte; megoldásai közé tartoznak a sebességmérő, piroslámpa-ellenőrző és rendszámfelismerő (ANPR) rendszerek, valamint komplex, AI-alapú videóanalitikai platformok. A cég az utóbbi években kifejezetten a mesterséges intelligencia integrálására fókuszál, különös hangsúllyal a nagy pontosságú objektumfelismerésre, a jogilag védhető bizonyítékkészítésre és az edge-alapú (helyszíni) adatfeldolgozásra, amely lehetővé teszi a valós idejű döntéstámogatást a közlekedésbiztonság és forgalomirányítás területén. Christopher Kettell (TRL Software, vezető technológus) brutál őszinteséggel húz párhuzamot a korábbi „forradalmak” és a mai AI között: blokklánc, Big Data, IoT, okosváros – mind megígérte a mindent, aztán legfeljebb szigetszerű fejlődést hozott. A híres mondatát érdemes változtatás nélkül idézni, mert pontosan leírja a közlekedési tech-ipar örök hibáját: „A tanácsadók azt kiáltották: „Az adat az új olaj” – miközben elfelejtették, hogy a nyersolaj finomítók nélkül használhatatlan.”. Szerinte az AI-nál mégis van három kézzelfogható különbség: már most hoz mérhető eredményeket; a generatív AI (pl. ChatGPT, Copilot) „közérthetővé” tette a használatot; és valós közlekedési problémákra ad választ (kereslet-előrejelzés, útvonal-optimalizálás, forecast). A nagy állítása pedig ez: „Az AI csak egy újabb kör a trendek körhintáján, vagy valóban valami kézzelfogható? Véleményem szerint ez valós dolog. A korábbi hype-ciklusokkal ellentétben itt egyértelmű különbségek látszanak.” A TRL Software az Egyesült Királyságban működő közlekedéstechnológiai vállalat, amely a neves Transport Research Laboratory (TRL) kutatóintézetből nőtt ki, és adatvezérelt közlekedésbiztonsági, forgalomelemzési és infrastruktúra-optimalizálási megoldásokat fejleszt. A cég szoftverei nagy mennyiségű forgalmi, baleseti és szenzoradat elemzésével támogatják a döntéshozókat – például veszélyes útszakaszok azonosításában, kockázatelemzésben és beavatkozások hatásvizsgálatában. A TRL Software különösen az AI-alapú előrejelzés és a bizonyítékalapú (evidence-based) közlekedésbiztonsági tervezés területén aktív, ahol a cél nem pusztán adatgyűjtés, hanem mérhető kimenetek elérése a közúti kockázatok csökkentésében. Darren Odom (Network Optix, mobility platform alelnök) a legjobb hasonlatot adja: eddig a videó „felvétel” volt, most „döntési input” lesz. És nem egyetlen csodafegyver miatt, hanem mert „minden egyszerre érett be”: modellek, edge compute, adatcsövezés, operatív eszközök. Ennek a váltásnak a mondata: „És hogy miért most? Mert végre minden szükséges feltétel egyszerre állt össze. Az AI már elég pontos, az edge-alapú számítás elég olcsó, az adat- és rendszerarchitektúra elég kiforrott, a szabályozási és irányítási keretek pedig elég erősek ahhoz, hogy valódi működési eredményeket hozzanak – ne csak pilot projekteket.” Network Optix egy amerikai székhelyű technológiai vállalat, amely nyílt architektúrájú videómenedzsment-rendszert (VMS – Video Management System) fejleszt, és amelyet világszerte alkalmaznak városi, közlekedési és biztonsági infrastruktúrákban. Platformja lehetővé teszi, hogy különböző gyártók kamerái és szenzorai egy egységes rendszerben működjenek, miközben a beépített AI-alapú analitika valós időben képes objektumfelismerésre, eseménydetektálásra és adatvezérelt döntéstámogatásra. A cég fókusza az edge-alapú (helyszíni) feldolgozás és a skálázható adatkezelés, amely különösen alkalmassá teszi intelligens közlekedési és smart city (okosvárosi) alkalmazásokra. Hazánkban is nagyot tud(ná)nak lendíteni a mobilitásmenedzsment hatékonyságán a jól használt AI megoldások Asad Lesani (Ouster, okos infrastruktúra termékekért felelős alelnök) arra mutat rá, hogy a „régi szenzorvilág” (pl. induktív hurok) eleve autóközpontú volt, ezért vak a sérülékeny közlekedőkre, a kamerák pedig szenvednek rossz fényben, napszemben, időjárásban. Nála a game changer a digitális Lidar: stabil, skálázható, nagy felbontású 3D téradatot ad, ami „ideális üzemanyag” a modern AI-nak. Ő ezt úgy foglalja össze, hogy innentől nemcsak elemezünk, hanem reagálunk is: „Már nem csupán elemezzük a forgalmat; a fizikai AI-t életre keltjük a közlekedési infrastruktúránk egészében – lehetővé téve, hogy lássa, megértse és reagáljon arra, ami az úton éppen történik, valós időben.” Az Ouster egy amerikai technológiai vállalat, amely digitális Lidar (lézeres 3D érzékelő) rendszereket fejleszt autonóm járművek, ipari automatizálás és intelligens infrastruktúra számára. A közlekedési szektorban megoldásai nagy felbontású, valós idejű téradatot szolgáltatnak kereszteződések, autópályák és városi csomópontok megfigyeléséhez, lehetővé téve a járművek és sérülékeny közlekedők pontos észlelését gyenge fényviszonyok vagy rossz időjárás esetén is. A digitális architektúrára épülő Lidar-rendszerek különösen alkalmasak mesterséges intelligenciával (AI) kombinálva, mivel stabil és strukturált adatot biztosítanak a forgalomirányítási és közlekedésbiztonsági döntéstámogatáshoz. Magyarországon is egyre több a „rendszerszintű” közlekedési kihívás, amire már nem elég a statikus táblázat és az évenkénti hangolás: csomóponti torlódások, munkaterületi káosz, sérülékeny közlekedők védelme, célzott ellenőrzések, és a közpénzből fenntartható üzemeltetés kényszere. A cikk egyik legkeményebb üzenete magyar szemmel az, hogy az AI nem varázsmatrica a régi infrastruktúrán: ha „ráengedjük” a mesterséges intelligenciát rossz minőségű képre, hiányzó megvilágításra, rendezetlen adatfolyamokra és gyenge irányítási keretekre, akkor nem okos város lesz, hanem drága csalódás. Viszont ha a cél a mérhető kimenet (kevesebb baleseti kockázat, rövidebb utazási idő, kevesebb felesleges beavatkozás), akkor az edge-alapú AI és a jó minőségű szenzoradat olyan lökést adhat az üzemeltetési hatékonységnak, ami itthon is új szintre emeli a forgalomirányítást és a közlekedésbiztonságot. A fenti logika – hogy az AI már nem csak „figyel”, hanem döntési rendszerré áll össze – szépen rímel az Autószektor közelmúltbeli fókuszaira. A „Londonban már nem az ember dönt – az AI kapcsol zöldre” azt mutatta meg, hogyan válik a jelzőlámpa-adat és a valós idejű vezérlés közpénz- és időtényezővé, nem tech-demóvá. A „Nem a sofőr a gyenge láncszem – hanem a rendszer” ugyanebből a nézőpontból emeli be a felelősséget: ha rendszerszinten rosszul paraméterezünk, nincs jó adat és nincs kontroll, akkor a technológia csak gyorsabban termeli a rossz döntéseket. Végül „Az autonómia új frontja: a Waymo beszállt a közlekedésbiztonság elit klubjába” azt a dimenziót adja hozzá, hogy a „data-driven safety” (adatvezérelt biztonság) nem PR-szlogen, hanem iparági belépő a következő korszakba – pontosan az, amiről az ITS International is beszél: valódi üzemeltetési eredmények, nem pilotok. Forrás röviden: ITS International – AI: do believe the hype (2026.02.10.) Képek: AI generált illusztrációk (ChatGPT)    

Az ICDP 2026. januári „Mítoszok és a valóság a TCO körül” című webináriuma (Myths and realities around TCO)– kemény tükröt tart az európai autópiac elé. A kutatás 1 722 brit és német autóvásárló bevonásával készült, új, újszerű és használt autót vásárlók körében. A kérdés egyszerű volt: mennyibe kerül valójában az autótartás – és mit gondolnak erről a fogyasztók? A válasz kijózanító. A 2025-ös piaci számítások szerint – az Ayvens Car Cost Index alapján – egy új autó teljes havi birtoklási költsége (TCO) Németországban és az Egyesült Királyságban már 900 euró fölött jár, ami 50%-kal több, mint a 2019-es szint. A fogyasztók saját becslése azonban mindössze kevesebb mint 100 euróval emelkedett ugyanebben az időszakban. Vagyis miközben a valós havi költség közel 300 euróval nőtt, az érzékelt költség alig mozdult. Az ICDP (International Car Distribution Programme, vagyis Nemzetközi Autóértékesítési Program) egy független, európai székhelyű autóipari kutató- és tanácsadó szervezet, amely a járműértékesítési és szervizhálózatok működését, üzleti modelljeit és jövőbeli átalakulását vizsgálja. Elemzései elsősorban az OEM-ek (gyártók), importőrök, kereskedők és aftersales szereplők számára készülnek, különös fókuszsal az értékesítési struktúrák, a profitabilitás, a villamosítás és a fogyasztói viselkedés változásaira. Az ICDP rendszeres kutatásai és piaci benchmarkjai meghatározó referenciapontnak számítanak az európai autóipari döntéshozatalban. A TCO (Total Cost of Ownership – teljes tulajdonlási költség) három nagy blokkra bontható: a jármű birtoklásának költsége (finanszírozás, értékcsökkenés, biztosítás), az üzemeltetés költsége (üzemanyag vagy villamos energia, útdíjak, parkolás), valamint a fenntartás költsége (szerviz, javítás, gumiabroncs, karbantartás). A kutatás szerint a fogyasztók elsősorban az üzemanyagköltséget tartják „valódi” költségnek, miközben az értékcsökkenést vagy a finanszírozási terheket sokan figyelmen kívül hagyják. A probléma azonban nem pusztán információhiány. Amikor a válaszadókat szembesítették a részletes költséglistával – finanszírozás, értékcsökkenés, biztosítás, javítás, gumiabroncs, adók –, és újraszámoltatták velük a havi összeget, az eredmény még mindig az Ayvens-index értékének kevesebb mint 50%-a volt az újautó-vásárlók körében. Vagyis még edukáció után is csak a valós költség felét látjuk. Sőt: a többség még azt sem gondolta, hogy eredeti becslése hiányos volt. A TCO-alulbecslés tehát nem tudatos önámítás, hanem strukturális pénzügyi vakság. A legmeglepőbb adat talán az, hogy azok közül, akik korrigálták a számításaikat, 65% azt mondta: ez nem változtatná meg a viselkedését. Az autó továbbra is „védett” kiadási kategória – inkább máshol spórolnak. A spórolás azonban nem mindig ártalmatlan. A fiatalabb, 17–34 éves korosztály körében kiugróan magas a karbantartás halasztása és akár biztonságkritikus javítások elodázása. Egy 2025-ös brit felmérés szerint a sofőrök 25%-a kihagyta éves szervizét pénzügyi okból, 24% pedig úgy vezetett, hogy tudta: az autója javításra szorul. Az alulbecsült vagy elodázott karbantartási kiadások hamar megbosszulhatják magukat Az elektromos autók esetében a zavar még nagyobb. Bár számos piacon a BEV-ek (Battery Electric Vehicle – akkumulátoros elektromos jármű) TCO-ja már versenyképes a belső égésű modellekkel, a fogyasztók bizonytalanok az értékcsökkenésben, a szervizigényben és a töltési költségekben. Ráadásul a költségstruktúra eltér: alacsonyabb üzemanyagköltség, de magasabb értékcsökkenési arány, ami nehezíti az összehasonlítást. Az ICDP három irányt jelöl ki az iparág számára: világos és transzparens tájékoztatás, valós költségcsökkentés ott, ahol lehetséges, valamint olyan szolgáltatások kialakítása, amelyek elosztják a költségeket az időben. Ide tartoznak a rugalmas szervizcsomagok, az előfizetéses karbantartás, a gumiabroncs-menedzsment vagy az összekapcsolt (connected) szolgáltatások, amelyek előre jelzik a várható kiadásokat. Magyarországon az autópark átlagéletkora magas, a háztartások költségérzékenyek, miközben az elektromos átállás és a finanszírozási modellek átalakulása már nálunk is zajlik. Ha a fogyasztók nem értik a teljes költségképet, az torz döntésekhez vezet: túlzott hitelvállalás, karbantartás halasztása, vagy éppen az elektromos autók indokolatlan elutasítása. A hazai kereskedők és importőrök számára a TCO-alapú kommunikáció nemcsak edukációs, hanem versenyelőny is lehet – különösen egy olyan piacon, ahol a havi költség sokkal fontosabb, mint a listaár. Az ICDP korábbi elemzései már jelezték a strukturális átalakulást. A „Gyors döntések, rossz válaszok?” című cikk rámutatott, hogy az iparág gyakran a tünetekre reagál, nem a gyökérokokra. A „Kína nem kér bebocsátást” írás az új versenytársak költségstruktúráját és árstratégiáját boncolgatta, míg az „Elektromos autók és a szervizek jövője” már felvetette az aftersales profitabilitás kérdését. A mostani TCO-kutatás ezekre a folyamatokra húz rá egy új dimenziót: ha a fogyasztó nem látja át a teljes költséget, akkor a teljes üzleti modell is félrecsúszhat. A tanulság világos: az autóipar nemcsak technológiai, hanem pénzügyi edukációs kihívással is szembenéz. A TCO ma már nem számviteli fogalom – hanem versenyképességi kérdés. Forrás: ICDP, „Myths and realities around TCO” webinar, 2026. január 20. Nyitókép: AI generált illusztrációk (ChatGPT 5.2)