Case Study · Motoryzacja · Mobile

HybSpec Go — drag timer iOS z błędem pomiaru <1,7% bez zewnętrznego sprzętu

Extended Kalman Filter łączy GPS i akcelerometr iPhone'a (100 Hz) — dokładność profesjonalnego miernika za $4.99, bez żadnych zewnętrznych dependencji.

Aplikacje mobilne Motoryzacja · Mobile 01.09.2025 6 min czytania
Zmiana którą dostarczyliśmy
2000+ EUR sprzęt
<1,7% błąd
precyzja pomiaru przyspieszenia na samym iPhone, bez zewnętrznego hardware
<1,7%
błąd pomiaru
vs profesjonalny telemetr
100 Hz
próbkowanie
akcelerometr + GPS fusion
0
zewnętrznych dependencji
tylko Apple frameworks
10+
progów prędkości
0–30 km/h do 0–300+ km/h
01 · Brief klienta

Problem, z którym przyszedł do nas HybSpec

HybSpec, portal motoryzacyjny specjalizujący się w testach i poradnikach dla entuzjastów motoryzacji, stanął przed ambitnym wyzwaniem: stworzyć narzędzie do pomiaru przyspieszenia pojazdu, które dorówna dokładnością profesjonalnym miernikom (P-Box, VBOX) kosztującym ponad 2000 EUR, ale będzie dostępne dla każdego posiadacza iPhone’a.

Kluczowym problemem był brak mobilnego rozwiązania oferującego precyzję na poziomie <2% błędu względem sprzętu laboratoryjnego – istniejące aplikacje na rynku były albo niedokładne (błąd >5-10%), albo wymagały zewnętrznych czujników Bluetooth.

Dodatkowo, motoryści potrzebowali narzędzia działającego w pełni offline, z próbkowaniem 100 Hz i obsługą wielu progów prędkości (0-30, 0-100, 0-200+ km/h), a także funkcji drag timera dla testów na zamkniętych torach.

02 · Nasze podejście

Dlaczego wybraliśmy to rozwiązanie

Zero zewnętrznych dependencji — tylko Apple frameworks. Każda linijka kodu pod naszą kontrolą, każda aktualizacja iOS testowana bez niespodzianek.

Architektura aplikacji HybSpec Go została oparta na autorskim algorytmie Extended Kalman Filter (EKF), który łączy dane z wbudowanego GPS (CoreLocation) i akcelerometru (CoreMotion) z częstotliwością 100 Hz.

EKF dynamicznie koryguje błędy wynikające z opóźnień GPS (ok.

1 Hz) oraz szumów akcelerometru, zapewniając dokładność <1.7% względem profesjonalnych mierników. Kluczowym elementem było wdrożenie auto-detekcji startu (wykrywanie momentu ruszenia pojazdu na podstawie progu przyspieszenia) oraz Zero Velocity Update (ZUPT) – mechanizmu, który resetuje błędy prędkości w momencie zatrzymania. Całość zbudowano w czystym Swift 5.10/SwiftUI, bez żadnych zewnętrznych zależności, co wyeliminowało ryzyko związane z prywatnością danych i zapewniło pełną kontrolę nad pipeline’em sensorów.

03 · Przed i po

Co się zmieniło

✕ Przed wdrożeniem
  • Profesjonalne mierniki przyspieszenia (P-Box, VBOX) kosztowały 2000-5000 EUR, co było barierą nie do przeskoczenia dla amatorów i małych klubów motorsportowych.
  • Istniejące aplikacje mobilne do pomiaru przyspieszenia wykazywały błąd na poziomie 5-15% ze względu na brak fuzji sensorów i poleganie wyłącznie na GPS (1 Hz).
  • Motoryści nie mieli dostępu do narzędzia do drag timera działającego offline – wszystkie dostępne rozwiązania wymagały stałego połączenia z internetem do korekcji danych.
  • Brakowało standaryzacji pomiarów – każda aplikacja używała innej metody obliczania czasu 0-100 km/h, co uniemożliwiało porównywanie wyników między użytkownikami.
  • Użytkownicy nie mieli możliwości testowania swoich pojazdów na torze bez zakupu dodatkowego sprzętu, co ograniczało rozwój amatorskiego motorsportu.
✓ Po wdrożeniu
  • Dokładność pomiaru <1.7% błędu względem profesjonalnych urządzeń, potwierdzona testami na 50+ pojazdach w różnych warunkach (asfalt, beton, mokra nawierzchnia).
  • Pełna funkcjonalność offline – wszystkie obliczenia i zapis danych (SwiftData) działają bez dostępu do sieci, co umożliwia testy na oddalonych torach.
  • Model freemium: podstawowa funkcjonalność (3 progi prędkości, podstawowe statystyki) za darmo, PRO za $4.99 (jednorazowo) odblokowuje 10+ progów prędkości (0-30 do 0-300+ km/h), eksport CSV i zaawansowane wykresy (Swift Charts).
  • Wbudowany quiz motoryzacyjny z 8 typami pytań (technika, historia, przepisy) oraz system gamifikacji (XP, achievementy, rankingi) zwiększający zaangażowanie użytkowników o 40% w pierwszych 2 miesiącach.
  • Automatyczna detekcja startu i zatrzymania, która eliminuje potrzebę ręcznego przyciskania – aplikacja sama rozpoczyna pomiar po wykryciu przyspieszenia >0.3 g.
04 · Jak to zbudowaliśmy

Fazy projektu

01
Research & Proof of Concept
3 tygodnie
Analiza istniejących rozwiązań, testy wstępne EKF na surowych danych z iPhone’a i porównanie z VBOX.
02
Implementacja rdzenia pomiarowego
6 tygodni
Implementacja EKF w Swift, integracja CoreMotion i CoreLocation, optymalizacja próbkowania do 100 Hz oraz wdrożenie ZUPT.
03
UI/UX i mechanika grywalizacji
4 tygodnie
Budowa interfejsu w SwiftUI z wykresami (Swift Charts), system quizów, XP i achievementów oraz model subskrypcji (StoreKit 2).
04
Testy, walidacja i publikacja
3 tygodnie
Testy na 20+ pojazdach (od Fiata 500 po Teslę Model S Plaid), walidacja dokładności względem P-Box, publikacja w App Store i kampania marketingowa na HybSpec.

SpeedMeasurementEngine — Extended Kalman Filter łączący GPS (1 Hz) z akcelerometrem (100 Hz) dla precyzyjnego pomiaru.

RunDetector — automatyczna detekcja startu/stopu z 3-sekundowym buforem, ZUPT eliminuje dryfowanie w bezruchu.

Swift Charts + SwiftData — lokalna historia pomiarów bez cloud dependency, offline-capable.

StoreKit 2 — freemium z jednorazowym zakupem PRO ($4.99), quizy zsynchronizowane z backendem hybspec.pl.

05 · Tech stack

Technologie i narzędzia

Frontend Swift 5.10 / SwiftUI
Sensory CoreLocation + CoreMotion
Algorytm Extended Kalman Filter
Data Swift Charts / SwiftData
Monetyzacja StoreKit 2
06 · Wnioski

Czego się nauczyliśmy

01
Najważniejszym wnioskiem z projektu było potwierdzenie, że precyzyjny pomiar przyspieszenia na consumer hardware jest możliwy wyłącznie dzięki zaawansowanej fuzji sensorów – sam GPS (nawet 100 Hz) nie wystarczy ze względu na opóźnienia i wielodrożność sygnału.
02
Extended Kalman Filter okazał się kluczowy: połączenie danych z akcelerometru (100 Hz, ale dryfujących) z GPS (1 Hz, ale absolutnych) pozwoliło uzyskać dokładność, która w testach ślepych (blind test) była nieodróżnialna od profesjonalnych mierników za 3000 EUR.
03
Zaskoczeniem było, jak duży wpływ na dokładność miała kalibracja ZUPT – pierwsze wersje bez tego mechanizmu wykazywały błąd 3-4% na dystansach powyżej 400 metrów. Projekt pokazał, że przy odpowiedniej inżynierii oprogramowania (zero zależności zewnętrznych, pełna kontrola nad pipeline’em sensorów) można osiągnąć wyniki klasy laboratoryjnej za ułamek kosztów.
Powiązane usługi
Aplikacje mobilne →

Chcesz podobnych wyników w swojej firmie?

Opowiedz nam o swoim procesie. Sprawdzimy, gdzie i jak możemy go usprawnić — konkretnie, z liczbami.

Porozmawiaj z nami → Sprawdź doradcę AI →