புதிய, அற்புதமான கார்கள் ஒதுக்கி, 2017 ஜெனிவா மோட்டார் ஷோவில் இரண்டு புதிய குட் இயர் கருத்து டயர்கள், எதிர்காலத்தில் டயர்கள் போன்ற என்ன ஒரு பார்வை வழங்கும் வெளிக்கொணரப்பட்டது பார்த்தேன்.
IntelliGrip நகர்ப்புற என அழைக்கப்படும், கருத்து டயர் நகர்ப்புற பகுதிகளில் எதிர்கால தலைமுறை தன்னாட்சி மின்சார சவாரி பகிர்வு வாகனங்கள் வடிவமைக்கப்பட்டுள்ளது.
அதன் மேம்பட்ட சென்சார்-ல் டயர் தொழில்நுட்பம், கருத்து டயர் சாலை மற்றும் வானிலை உணர்ந்துள்ளார். இந்த முக்கியமான தரவுகளை சேகரிப்பது மற்றும் வாகனத்தின் கணினியில் நேரடியாக அனுப்புவதன் மூலம், அது வேகம், நிறுத்த, கையாளுதல் மற்றும் நிலைத்தன்மையை மேம்படுத்த கார் செயல்படுத்துகிறது.
எதிர்கால தலைமுறை தன்னாட்சி கடற்படைகள் மற்ற வாகனங்கள், டிரைவர்கள், ‘திங்ஸ் இணைய’ உருவாக்கும் உறுப்புகள் அனைத்தும் இருந்து பாதசாரிகள் மற்றும் தரவு, ஒரு சிக்கலான சூழலில் இயக்க வேண்டும். அத்தகைய குட் இயர் IntelliGrip நகர்ப்புற என டயர்கள் இந்த உருவாகி சுற்றுச்சூழல் ஒரு முக்கிய பங்கு வகிக்க முடியும்.
மேலும், கப்பற்படை ஆபரேட்டர்கள் நகர்ப்புறச் சூழலில் ஆற்றல் திறன் மற்றும் மின் வாகன கடற்படைகள் வரம்பை அதிகரிக்க உருட்டுதல் எதிர்ப்பு குறைக்கிறது இது டயர் உயரமான மற்றும் குறுகிய வடிவம், பயனடைவார்கள். IntelliGrip நகர சென்சார் தொழில்நுட்பம் ஆபரேட்டர்கள் துல்லியமாக அடையாளம் அவர்கள் நடக்கும் முன் டயர் தொடர்பான பிரச்சினைகளை தீர்க்க அனுமதிக்க வேண்டும்.
மறுபுறம், கழுகு 360 நகர்ப்புற முதல் கருத்து டயர் செயற்கை நுண்ணறிவு மூலம் இயக்கப்படுகிறது, உணர முடிவு, மாற்றும் மற்றும் தொடர்பு கொள்ள முடியும் ஆகிறது இருக்க வேண்டும். இது நேர்மறை கருத்து பெற்றார் இது கடந்த ஆண்டு கழுகு 360 கருத்து டயர், தொடர்ந்து இருக்கிறது.
கழுகு 360 நகர்ப்புற அதன் சொந்த நிலையை சரிபார்த்து சாலை மேற்பரப்பில் உட்பட, அதன் சூழல் மீது தகவல் சேகரிக்க கருத்து டயர் அனுமதிக்கிறது என்று ஒரு சென்சார் நெட்வொர்க் கொண்டு பயோனிக் தோல் கொண்டுள்ளது. மற்ற வாகனங்கள் அத்துடன் உள்கட்டமைப்பு, போக்குவரத்து மற்றும் இயக்கம் மேலாண்மை அமைப்புகள் இணைப்பு வழியாக, கருத்து டயர் மேலும் நிகழ் நேர அதன் சுற்றுப்புறங்களையும் பற்றிய தகவல்களை கைப்பற்றுகிறது.
இந்த இணைவு தகவல் உடனடியாக ஆழமான கற்றல் வழிமுறைகள் பயிற்சி நரம்பியல் வலையமைப்புகள் பயன்படுத்தி அவற்றை செயல்படுத்துவதன் மூலம், கழுகு 360 நகர்ப்புற நடவடிக்கை மிகவும் பொருத்தமான நிச்சயமாக முடிவு. இது எதிர்காலத்தில் பதில்களை மேம்படுத்த எப்படி முந்தைய நடவடிக்கைகளில் இருந்து அறிகிறான்.
