Képzeljük csak el: az autópályán egyetlen kamerákkal felszerelt kapu áll, és miközben elhalad alatta a forgalom, ez az egyetlen egység egyszerre figyeli a sofőr kezében lévő mobiltelefont, a hiányzó biztonsági övet, a hirtelen sávelhagyást és az illegális szélvédő-sötétítést. És ez egyáltalán nem science fiction, hanem Dubajban 2024 végétől megjelenő közlekedésellenőrzési gyakorlat. Ahogy azt a Traffic Technology International legfrissebb számának vezércikke bemutatja, ez a modell most kezd globális mércévé válni. Mi változott az ANPR óta? Az automatikus rendszámfelismerés (ANPR) mintegy másfél évtizede a mélytanulás (deep learning) első nagy közlekedési alkalmazási területe volt, és a neurális hálók (több rétegen át tanuló képfelismerő modellek) évről évre javították a leolvasási pontosságot. Az igazi fordulat azonban most következik be — nem a rendszámolvasás finomításával, hanem azzal, hogy a kamerák immár „mindent mást is" képesek leolvasni. Mesterségesintelligencia-alapú videóelemzéssel és szenzorfúzióval (több szenzor adatának egyesített kiértékelésével) az útszéli egységek ma már képesek detektálni a járművön belüli vezetői magatartást, több részleges rendszámfelvételből erősebb azonosítási bizonyosságot építeni, és egyetlen telepítésből egyszerre több szabálysértés-típust észlelni, dokumentálni és hatósági ellenőrzésre továbbítani. Egy 2025-ben publikált nemzetközi kutatás szerint az AI-alapú kamerás ellenőrzés nemcsak több szabálysértést képes kiszűrni, hanem a közlekedési magatartásra is hatással lehet.   Az AI-alapú közlekedésellenőrzés már nemcsak rendszámot olvas: a jármű jellemzőit, mozgását és a vezetői magatartás jeleit is több adatpontból elemzi. (Forrás: AI generált illusztráció) Hogyan ismeri fel az AI, hogy mobilozik-e a sofőr? A dubaji példa ennél is tovább megy: a városban 2024 vége óta olyan AI-alapú, multiszenzoros ellenőrzőegységek működnek, amelyek egyetlen telepítésből több szabálysértést is képesek észlelni, dokumentálni és hatósági ellenőrzésre továbbítani. A rendszer a vezetés közbeni mobiltelefon-használatot, a biztonsági öv hiányát, a hirtelen sávelhagyást vagy sávfegyelem megsértését, valamint az illegális szélvédő-sötétítést is azonosíthatja. „Az AI-vezérelt radar pontosan azonosítja a szabálysértéseket" — mondja Eyad Al Barkawi, a KTC International ügyvezetője. „Például képes különbséget tenni egy ruhadarab és a biztonsági öv között még gyenge fényviszonyok között is — ez teszi lehetővé az életmentő szabály pontos érvényesítését." A rendszer AI-alapú képelemzéssel és infravörös képalkotással dolgozik, így gyenge fényviszonyok között is képes bizonyos belső jelek — például a biztonsági öv viselése vagy a kézben tartott telefon — felismerésére, valamint az illegális szélvédő-sötétítést is azonosítja. Mivel mindehhez nincs szüksége vakuvillanásra, ráadásul a berendezés hordozható, és az igényekhez igazodva könnyen áttelepíthető. Dubaj ma több mint tízezer okoskamerát üzemeltet egy központi ellenőrző és irányítóközpontba kötve, ami jól mutatja a közlekedésbiztonság színvonalának emelése iránti elkötelezettségüket, mely 2030-ra a nulla közúti halálesetet tűzte ki célul. A bevezetés óta eltelt időszak tapasztalatai alapján ez reálisnak tűnik: a város 100 000 lakosra vetített közlekedési halálozási rátáját 2007 óta 21,7-ről 1,8-ra csökkentette. Persze a fokozódó ellenőrzés mellett ebbben a szigorú bírságok is kiemelt szerepet játszottak. Hasonló irány látszik más nagyvárosi rendszereknél is. Abu-Dzabiban például nagy számban telepítettek olyan korszerű, lézeres érzékelésre épülő ellenőrzőegységeket, amelyek egyszerre több sávot és forgalmi irányt képesek figyelni. Az AI szerepe itt nem önmagában a „büntetés”, hanem a forgalom résztvevőinek — autók, gyalogosok, kerékpárosok — pontosabb megkülönböztetése, vagyis a téves riasztások csökkentése. A gyártói oldal visszajelzései szerint az elmúlt években jelentősen bővült a kamerás közlekedésellenőrzés felhasználási köre. A sebességmérés mellett egyre nagyobb szerepet kapnak azok a funkciók, amelyek a forgalommal szembeni haladást, a tiltott kanyarodást, a vezetés közbeni telefonhasználatot vagy a biztonsági öv hiányát is képesek felismerni. Mi az a jármű-ujjlenyomat? A Kapsch TrafficCom új megoldása jól mutatja, merre tart ez a technológia. A rendszer nemcsak a rendszámot figyeli, hanem a jármű külső jellemzőit is: például a formáját, színét és egyéb vizuális azonosítóit. Ebből egyfajta digitális „jármű-ujjlenyomatot” készít, amelyet több kamera részleges adataival is össze tud kapcsolni. Ez azért fontos, mert a valós forgalomban nem mindig készül tökéletes rendszámfotó. Előfordulhat takarás, rossz szög, gyenge fény vagy részleges leolvasás. Az AI ilyenkor nem egyetlen képre támaszkodik, hanem több adatból próbál nagyobb azonosítási biztonságot építeni. A megoldás előnye, hogy nem feltétlenül igényel teljesen új infrastruktúrát: meglévő útszéli vagy hídra, felüljáróra szerelt kamerák adataira is építhet. A cél nem a meglévő útdíj- és ellenőrzési rendszerek lecserélése, hanem azok kiegészítése egy olyan AI-alapú réteggel, amely a hagyományos rendszámfelismerés gyenge pontjait csökkentheti. Hasonló problémára keres megoldást a brit MAV Systems is, amely a manipulált, úgynevezett „szellem rendszámtáblák” felismerésére fejlesztett AI-alapú technológiát. Ezeknél a rendszámoknál fóliával, spray-vel vagy más módszerrel érik el, hogy a tábla szabad szemmel normálisnak tűnjön, a hagyományos rendszámfelismerő kamera viszont ne tudja megbízhatóan leolvasni. A rendszer színes és infravörös felvételeket vet össze, az AI pedig az eltérésekből próbálja felismerni a manipulációt. Ez különösen ott fontos, ahol pénzügyi érdek fűződik a rendszám elrejtéséhez: például dugódíjas zónákban, útdíjas szakaszokon vagy repülőtéri behajtási rendszereknél. A MAV Systems saját adatai szerint az ilyen táblák aránya a normál közúti forgalomban néhány százalék lehet, de díjfizetős zónákban ennél jóval magasabbra ugorhat. A cég szerint ezeknél a járműveknél gyakrabban fordulhat elő más szabálytalanság is is, például adó-, műszaki vizsga- vagy regisztrációs probléma. Lehet-e ezt egyáltalán szabályozni? A trend egyértelmű: az AI-alapú forgalomellenőrzés olyan modell felé halad, amelyben egyetlen útszéli egység tucatnyi szabálysértés-típust rögzít, és már helyben feldolgozza a bizonyítékokat (edge technológiával), a nem szabálysértő felvételeket pedig órákon belül törli, és csak a hitelesített eseteket továbbítja az automatizált ügyintézési folyamatba — emberi ellenőrzés mellett, de már nem szűk keresztmetszetként, hanem biztonsági fékként. A következő lépés az, hogy az AI-feldolgozás egyre közelebb kerül magához a kamerához. A rendszámot, a jármű típusát, színét, kategóriáját vagy sebességét egyes rendszerek már helyben is képesek felismerni, nem csak egy távoli háttérszerveren. Ez gyorsabb működést, kevesebb továbbított adatot és rugalmasabb telepítést jelenthet. A technológia ráadásul már nemcsak fixen telepített kamerákhoz kötődik. A drónos fejlesztések azt mutatják, hogy a jármű- és rendszámfelismerés mozgó, légi megfigyelési pontokról is használható lehet, például rendőrségi vagy forgalomirányítási helyzetekben. A gyorsuló fejlődés mellett az adatvédelmi szakemberek éberen figyelnek: Jolynn Dellinger, a Duke Egyetem jogi professzora szerint még ha a biztonsági érvek igazolják is a kompromisszumokat, „akkor is fontos felismerni, hogy itt egy adatvédelmi érdekről van szó". A 2024 augusztusában hatályba lépett uniós AI-rendelet (az Európai Unió mesterséges intelligenciáról szóló rendelete) alapján az ilyen rendszerek egy része — különösen akkor, ha rendészeti, kritikus infrastruktúra-üzemeltetési vagy személyazonosítással összefüggő célra használják őket — magas kockázatú kategóriába kerülhet. Ez átláthatósági, dokumentációs, adatkezelési és emberi felügyeleti követelményeket vet fel, és olyan megfelelési terhet jelent, amely tipikusan a már bejáratott multinacionális szállítóknak kedvez. Ezzel párhuzamosan a forgalomellenőrzés-mint-szolgáltatás (Traffic Enforcement as a Service) modell terjedése a nagy beruházási kiadásokat előre tervezhető üzemeltetési költségekké alakítja, ami a szűkös költségvetésű önkormányzatoknak is megnyitja a piacot. Hogy ez a modell már nem laboratóriumi kísérlet, jól mutatja az európai gyakorlat is: a Görög Digitális Kormányzati Minisztérium 2025 decemberében Athénban indított nyolckamerás AI-pilotban az első hónapban mintegy 40 000 szabálysértést rögzítettek. A rendszer a piroson áthajtást, a gyorshajtást, a mobilhasználatot, a biztonsági öv hiányát, a gyalogátkelőn való megállást, a buszsáv- és leállósáv-használatot, valamint a gyalogátkelőhelyek figyelmen kívül hagyását egyaránt detektálja. A tervezett, több ezer kamerásra bővített országos rendszer további kategóriákkal — a bukósisak-mulasztással és a műszaki vizsga hiányával — egészül majd ki. Miért fontos ez Magyarországnak? Magyarországon ma a kamerás közlekedésellenőrzés nem egyetlen, hanem több, párhuzamosan működő rendszerben jelenik meg. A sebességmérést és a piros lámpás áthajtás ellenőrzését a VÉDA közlekedésbiztonsági kamerahálózat végzi, az útdíj- és matricaellenőrzést az NÚSZ saját kamerás infrastruktúrája — gyakorlatilag különálló rendszerként — látja el, és külön világot alkot a közbiztonsági térfigyelő rendszerek halmaza, amelyet többségében az önkormányzatok és a rendőrség üzemeltet. A parkolásellenőrzés digitális, kamerás kiterjesztése pedig — a scan-car és a fix telepítésű ANPR-megoldások hazai bevezetése — már a bevezetés küszöbén áll. Ezek a rendszerek ma még meglehetősen elszigetelten működnek, miközben fizikailag is ugyanazokat az eseményeket figyelik: ki, mikor, milyen járművel, milyen viselkedéssel halad át egy adott ponton. A dubaji, Abu-Dzabi-i és athéni példák épp azt mutatják, hogy a valódi értéknövekedést nem új eszközök telepítése, hanem a meglévő hálózatok AI-alapú összekapcsolása és kibővítése hozza — vagyis ott, ahol már fix telepítésű kamera, jó kép és bevizsgált adatfolyam van, az AI-réteg már szoftverként, infrastruktúra-bővítés nélkül is hozzáadható. Egy parkolásellenőrző scan-car ugyanolyan jól tudna táplálni egy közlekedésbiztonsági szabálysértés ellenőrző rendszert, mint amilyen jól egy VÉDA-pont képi adatai felhasználhatók lennének az útdíjellenőrzésben — ehhez azonban közös adatkezelési és szabályozási keret kell. Az AI-alapú jármű-ujjlenyomatozásról és a Kapsch HoTCap rendszeréről részletesen írtunk az AI-ujjlenyomat az útdíjcsalók ellen — a Kapsch megoldása mindent lát, amit a kamera nem című anyagunkban, az AI ITS-szektorbeli térnyeréséről pedig a Nem csak figyel: az AI most tényleg átveszi a város irányítását? cikkünkben. Az Acusensus mobilhasználat-detektáló technológiájának hazai vonatkozásairól az Az új kamerák nemcsak látják, ha mobilozik az autóban, de azonnal értesítik is a rendőrséget! című írásunkban olvashattak korábban. A közlekedési hatóságok globálisan ma már nem azt mérlegelik, telepítsenek-e AI-alapú forgalomellenőrzést, hanem azt, hogy milyen gyorsan tudják skálázni — és vajon a jogi keret tud-e lépést tartani azzal, amire a technológia már képes.   Fogalmak: ANPR (Automatic Number Plate Recognition): automatikus rendszámfelismerés, vagyis olyan kamerás technológia, amely képfeldolgozással azonosítja és leolvassa a járművek rendszámát. Lidar: lézeres távolságmérésen alapuló szenzortechnológia, amely a környezet térbeli leképezésére, járművek vagy mozgó objektumok pontos érzékelésére használható. Edge computing: helyi adatfeldolgozás, amikor az adatokat nem egy távoli központi szerver elemzi, hanem már a kamera, szenzor vagy út menti egység közelében dolgozzák fel. Uniós AI-rendelet (EU AI Act): az Európai Unió mesterséges intelligenciáról szóló szabályozása, amely kockázati alapon határozza meg az AI-rendszerekre vonatkozó követelményeket. Szenzorfúzió: többféle érzékelő — például kamera, radar, lidar vagy infravörös szenzor — adatainak összekapcsolása annak érdekében, hogy a rendszer pontosabb és megbízhatóbb képet kapjon a forgalmi helyzetről. Neurális hálózat: gépi tanulási modell, amely nagy mennyiségű adatból tanul mintázatokat felismerni. A modern képfelismerő rendszerekben, így az ANPR-ben is ez segíthet a nehezebben olvasható rendszámok vagy járműjellemzők azonosításában. Kapsch TrafficCom: osztrák központú közlekedéstechnológiai vállalat, amely útdíjszedési, forgalommenedzsment- és közlekedésellenőrzési rendszereket fejleszt. A cikkben az AI-alapú járműazonosítás új irányaként jelenik meg. MAV Systems: brit közlekedéstechnológiai cég, amely kamerás rendszámfelismerő és járműazonosító megoldásokkal foglalkozik. A cikkben főként a manipulált, nehezen olvasható rendszámtáblák felismerése kapcsán szerepel. Hikvision: nemzetközi kameratechnológiai és videómegfigyelési vállalat, amely intelligens kamerarendszereket is fejleszt. A cikkben az úgynevezett edge feldolgozás példájaként jelenik meg, amikor az elemzés részben már magában a kamerában történik. Neural Labs: járműanalitikára és rendszámfelismerésre szakosodott technológiai cég. A cikkben olyan szoftveres megoldás kapcsán szerepel, amely a kamerákba építve képes járműadatokat helyben felismerni. Flock Safety: amerikai közlekedésbiztonsági és rendészeti technológiai vállalat, amely kamerás és járműazonosító rendszereket fejleszt. A cikkben főként a drónos rendszám- és járműfelismerés példájaként jelenik meg. KTC International: dubaji hátterű infrastruktúra- és közlekedéstechnológiai szereplő, amely multiszenzoros közlekedésellenőrző megoldásokkal is megjelenik. A cikkben a dubaji AI-alapú ellenőrzési példához kapcsolódik. Vitronic: német közlekedéstechnológiai vállalat, amely közúti ellenőrző, sebességmérő és lidaralapú érzékelőrendszereket fejleszt. A cikkben az Abu-Dzabiban alkalmazott korszerű ellenőrzőegységek kapcsán szerepel.   Jenoptik Smart Mobility: német technológiai vállalat közlekedési üzletága, amely kamerás sebességmérési és közlekedésellenőrzési rendszereket fejleszt. A cikkben az AI-alapú, sebességmérésen túli ellenőrzési funkciók példájaként jelenik meg.   A cikk a Traffic Technology Today / Traffic Technology International anyaga („The all-seeing AI", Tom Stone, 2026. április/május) alapján készült, magyar kontextussal és szerkesztői kiegészítésekkel. A képek illusztrációk, egyes esetekben mesterséges intelligencia által generáltak.  

A legtöbb autós nincs tisztában azzal, hogy a sikeresen teljesített műszaki vizsga után az állami ellenőrök elrendelhetik a vizsgálat megismétlését. Ennek az a célja, hogy ellenőrizzék, a vizsgaállomás megfelelően végezte-e el az ellenőrzést, és nem hagyott-e figyelmen kívül semmilyen hibát. Jelenleg a megismételt ellenőrzés megtagadásáért 198 eurós bírság jár, és az autósnak 15 napon belül így is újra el kell végeztetnie a vizsgálatot. Az új törvénytervezet ezt a büntetést 1500 euróra emelné – hívta fel a figyelmet a Tvnoviny. Andrej Číž, a műszaki vizsgaállomások tulajdonosait és szakembereit tömörítő szervezet főtitkára szerint ez aránytalan terhet jelentene az állampolgároknak. „Újabb lángosos bírság készül, és tudjuk, hogyan végződött az előző” – fogalmazott.    

A négy nanométeres gyártástechnológiával készülő Xuanji A3 a BYD első tömeggyártásba kerülő fejlett autonóm vezetési chipje. A chipet a BYD olyan alkalmazásokhoz tervezi, mint a jövő robotaxi flottái, ahol az L3–L4 szintű automatizálás kulcsszerepet kap. Az utóbbi időben több kínai autógyártó – például a Li Auto, az Xpeng vagy a Nio – szintén saját fejlesztésű ADAS chipekkel jelent meg. A kínai szaksajtó ismertetése szerint a Xuanji A3 egyik legfontosabb műszaki jellemzője a számítási teljesítmény. Egyetlen chip 700 TOPS (egybillió művelet másodpercenként) kapacitásra képes, míg három egység kombinációja akár 2100 TOPS maximális teljesítményt is elér. Ez nagyjából megfelel az Nvidia Drive Thor szintjének, ugyanakkor elmarad például a Li Auto Mach 100 chipjétől, amely 1280 TOPS teljesítményt kínál egyetlen egységben. Az Xpeng saját fejlesztésű Turing AI chipje szintén valamivel erősebb, 750 TOPS értékkel. A Xuanji A3 teljes körű vezérlést biztosít az automatizált vezetési rendszer felett, lehetővé téve a hardver és a szoftver szoros integrációját. A rendszer fontos eleme a LiDAR-alapú érzékelés támogatása is. A chip kompatibilis a legmodernebb, akár ezer soros LiDAR szenzorokkal, amelyek rendkívül alapos környezetérzékelést tesznek lehetővé. A BYD-hez köthető RoboSense korábban már bemutatott egy 2160 soros szenzort. Az ilyen nagy felbontású érzékelők jelentősen pontosabbak a széles körben használt, például Huawei-féle 896 soros megoldásoknál. A bemutatón Vang Csuan-fu, a BYD elnöke hangsúlyozta, hogy a vállalat jelentős erőforrásokat mozgósít a félvezető-fejlesztések területén. Jelenleg több mint hétezer szakember dolgozik a chipkutatási és -fejlesztési részlegen, ami jól mutatja, hogy a BYD már nem csupán autógyártóként, hanem technológiai vállalatként is pozicionálja magát. Kínában az intelligens vezetési funkciók iránti kereslet gyorsan növekszik. A BYD új chipje nem feltétlenül a legerősebb a mezőnyben, de integráltságával, hatékonyságával és széles körű alkalmazhatóságával komoly versenyelőnyt kínálhat, különösen olyan környezetben, ahol a közlekedés egyre inkább automatizáltabbá és biztonságosabbá válik. A kínai robotaxi-ágazat tavasszal fokozott szabályozói szigorral szembesült, miután március végén a Baidu Apollo Go flottájának csaknem száz járműve egyszerre leállt Vuhanban. A hatóságok ezt követően biztonsági felülvizsgálatokat rendeltek el, és ideiglenesen visszafogták az új járművek forgalomba állítását. Ennek ellenére a piac vezető szereplői – például a Pony.ai, a WeRide és az Apollo Go – továbbra is gyors bővülést terveznek, növekvő flottával és forgalommal.  

Valahogy nem jön össze a 4 ajtós a Ferrarinak, 1980-ban egy jellegtelen amerikai stílusút mutatott be Torinóban, és idei kreálmánya sem kevésbé kommersz. Finoman fogalmazva is vegyes a fogadtatása, pedig egyértelműen Ferrari, legalábbis jelvényei alapján. Úgy egyébként meg egy szappantartó, mint egykor a kiváló légellenállású Audi 80-as, vagy a Mazda 121-ese. Azoknak tényleg volt egyéni stílusuk, legalábbis a szögletes karosszériák mezőnyében üdítően hatottak a domború idomok. Nem véletlenül kelt el öt év alatt közel 1,3 millió az Audi 80-asból, vagyis a B3-as sorozatból, amit 1986–ban mutattak be. Kevésbé volt sikerese Európában a Mazda 121-es, melyet 1991–től öt éven át gyártottak. És akkor most vissza a szappantartó formájú Ferrarihoz, ami nem csak formai szempontból érdekes, hiszen elektromos 4x4 hajtású és négyajtós. Utóbbira már volt példa a márka történetében. Az első négyajtós Ferrarit 1980-ban mutatták be Torinóban, a legendás Giovanni Battista Pinin Farina stúdiójának félévszázados születésnapja alkalmából. A típusnév a dizájner kölyökkori becézésére utal. Sajna ez sem igazi sportfazon, mert formája leginkább egy letisztult amerikai batárra emlékeztet, de a szíve az forróvérű olasz volt: a luxuskupé 12 hengeres 4942 köbcentis, 360 lóerős, benzines orrmotorja a hátsó kerekeket hajtotta. Karosszériáját a korábban Maseratint és Aston Martint tervező Leonardo Fioravanti rajzolta. A tanulmánymodell 2011-ben több mint félmillió euróért kelt el az RM Auctions árverésén. Az egyetlen példányban készült előddel, a Pininnel ellentétben a 2026-os Luce szériamodell és ajtajai ellentétes irányban nyílnak, ami kényelmessé teszi a be- és kiszállást. Ja és Lucéban ebben nincs pótkerék, mert a Ferrari kategóriás autókban még egy sem fér el, pláne kettő, mert hogy az első és hátsó mérete eltérő. De a Luce nem is ettől lesz különleges, hanem attól, hogy ez az első elektromos és négyajtós maranellói gép, amit ráadásul nem is a Ferrari házi stúdiójában terveztek. A külső és a belső formaterv a londoni és San Francisco-i stúdiókkal működő LoveFrom, pontosabban az Apple-dizájner Jony Ive műve. A kagyló formájú, vagy inkább megosztó elektromos Ferrari igen erős szakítás a márka hagyományokkal, melyek legfeljebb az autó farán és a kormánynál jelenik meg. A 23 és 24 colos kerekek sportosabbá teszik a formát, de ami lényegesebb, hogy csökkentik a gördülési ellenállást: az egyik rendelhető változat a klasszikus ötküllős sportfelni, a másik az EV-hez jobban passzoló áramvonalas, mely mérsékeli a légellenállást, ami amúgy is kedvező. Bár a 0,254-es alaktényező egyébként átlagos, de ekkora teljesítménynél még fontosabb a leszorító erő. Az alváz üreges öntvényeket, sajtolt profilokat és alumíniumot kombinál, míg a karosszériánál alumíniumlemezt használ. A könnyűszerkezetes trükkök ellenére is 2260 kilós az autó, ami a bruttó 122 kilowattórás akkumulátor és a kocsi méretei mellett elfogadható egy ötszemélyes elektromosnál. A 880 voltos és nettó 112 kilowattórás akkumulátorpakk 15 moduljának mindegyikében 14-14 tasakos cella van. Az egyszerűen cserélhető NMC-kémiájú akkuk beszállítója a dél-koreai SK. A négy állandó mágneses szinkronmotort a Ferrari házon belül fejlesztette és gyártja, mert van tapasztalata, hiszen az F1-ben és a WEC Le Mans sorozatú autókban is ezeket használják. A kormánykerék piros Manettinóval karocskájával választható a Range, Tour és Perfo beállítás, ezekkel változtatható a leadott csúcsteljesítmény, ami 260 és 310 km/óra közötti tempót jelent. A járműdinamikáját úgy fejlesztették, hogy kihasználják az elektromos architektúra előnyeit a súlypont, a tehetetlenség és az irányítás szabadsága tekintetében, hogy a Luce mindig agilisan és dinamikusan viselkedjen. A vezető az e-Manettino rendszeren keresztül irányítja az autót, amely modulálja a teljesítményt és az ikonikus ötállású Manettino rendszeren keresztül a tapadási viszonyokhoz alkalmazkodik. A Ferrari Luce-ban debütál a járművezérlő egység (VCU) vezérlőközpont integrálja a hajtásláncot és a dinamikát, másodpercenként 200-szor frissíti a célértékeket, és összehangolja a hatékonysági stratégiákat a vadonatúj Side Slip Control X rendszerrel. Az elektromos összkerékhajtás újdonság a Ferrari történetében. Lehetővé teszi a nyomatékvektor-szabályozás teljes potenciáljának kihasználását, hogy az autó mindig precíz és érzékeny legyen, míg az új nyomatékváltási kapcsolás és a kiterjesztett regeneratív fékezés sportautókhoz méltó nyomaték- és motorfék-folyamatot biztosít. A nyomatékkezelés a Ferrari jellegzetes válasza az elektromos hajtásláncok egyik tipikus kihívására: az erős, azonnali hosszirányú gyorsulás érzésére, amely induláskor is nyugtalanító lehet, és amely a gyorsulás növekedésével kiegyenlítődik. A Ferrari egy saját fejlesztésű, szabadalmaztatott rendszere lehetővé teszi a rendelkezésre álló nyomaték növelését a kormányfül működtetésével, miközben megőrzi a progresszív gyorsulás érzetét. A bal oldali fül növeli az energia-visszanyerést és a lassítás érzetét, ami kiemelkedő dinamikus élményt nyújt. És hogy miért pünkösdkor mutatták be az 550 ezer eurós át? Mert 79 éve ezen a napon győzött először egy Ferrari 125 S az 1947-es Római Nagydíjon. A megemlékezést nem igazán díjazta a tőzsde, a május 25-i bemutató után 8,4 százalékkal estek a Ferrari részvények. Közben a Ferrari megpróbálja bebizonyítani a kételkedőknek, hogy tévedtek az elektromos Luce megosztó debütálása után, mert bizony a Luce szokatlan stílusa miatt aggodnak a befektetők is. Ezen még a vatikáni vizit sem segített, pedig a Stellantis elnök John Elkann mutatta be XIV. Leó pápának az elektromos Ferrarit, de a piaci fény még nem ragyogta be a Lucét.  A Stellantis főnök John Elkann és XIV. Leó pápa az elektromos Ferrarival   FERRARI LUCE – MŰSZAKI ADATOK     Hosszúság 5026 mm Szélesség  1999 mm Magasság 1544 mm Tengelytáv     2961 mm Nyomtáv elől 1696 mm Nnyomtáv hátul 1690 mm Tömeg       2260 kg Tömeg/teljesítmény arány 2.16 kg/LE Súlyelosztás első/hátsó 47% / 53% Csomagtér 597 liter   Kerékméretek Első 265/35 R23 J9.5 Hátsó 315/30 R24 J11     FÉKEK   Elől CCM, 390 X 34 mm Háátul CCM, 372 X 34 mm   HAJTÁSLÁNC Villanymotor 4 (minden keréknél) Maximális teljesítmény 772 kW (1050 LE) Maximális nyomaték   990 Nm Kerekeknél mért maximálsi nyomaték 11500 Nm   ELSŐ TENGELY Tengelyen mért teljesítmény 210 kW Motorok nyomatéka 3400 Nm Kerekeknél mért nyomaték 280 Nm Teljesítmény tömeg/arány 3.23 kW/kg (93% hatékonyság) Fordulatszám 30,000/perc Tömeg 65 kg   HÁTSÓ TENGELY Tengelyen mért teljesítmény 620 kW Keréknél mért teljesítmény 7750 Nm Kerekeknél mért teljesítmény 710 Nm Teljesítmény tömeg/arány 4.80 kW/kg (93% hatékonyság) Fordulatszám 25,500/perc Tömeg 129 kg   AKKUPAKK Cellák száma 210 (15 modules with 14 cells) Összteljesítmény 195 Wh/kg Cellateljesítmény tömeg/térfogat 305 Wh/kg Kapacitás  122 kWh Maximális feszültség    800 V Maximális töltésteljesítmény    350 kW   MENETTELJESÍTMÉNY 0-100 km/h 2.5 s 0-200 km/h   6.8 s V. max 310 km/h Hatótávolság   530 km Fogyasztás (WLTP ciklus)  Homologizáció alatt Fotók: Ferrari, RM Auctions   További autós tartalmakért kövess minket Facebookon is!