Đề thi thử đánh giá tư duy Đại học Bách khoa Hà Nội năm 2024 có đáp án (Đề 13)

Đọc văn bản sau và trả lời các câu hỏi từ 1 đến 10: 

NGHIÊN CỨU THUẬT TOÁN PHÂN LOẠI PHƯƠNG TIỆN GIAO THÔNG DỰA TRÊN THỊ GIÁC MÁY TÍNH

[1] Có thể thấy, tắc nghẽn giao thông làm lãng phí thời gian, tiêu hao nhiên liệu và ô nhiễm môi trường; theo khảo sát năm 2020 thì chi phí do tắc nghẽn gây ra ở các thành phố lớn của Việt Nam là 1 - 2,3 tỉ USD mỗi năm. Trước những ảnh hưởng nghiêm trọng của tắc nghẽn giao thông, ngày càng nhiều các biện pháp được nghiên cứu và áp dụng, việc ứng dụng khoa học máy tính càng được chú ý nhiều hơn. Các nhà nghiên cứu tại Phòng thí nghiệm Oak Ridge đã sử dụng trí tuệ nhân tạo (AI) và máy học (Machine Learing) để thiết kế hệ thống thị giác máy tính thu thập và xử lý dữ liệu nhận được từ các camera giao thông giúp tránh xung đột tại các giao lộ, đồng thời giảm thiểu tổng lượng tiêu hao nhiên liệu. Thông qua việc nhận diện và phân loại phương tiện giao thông tại Việt Nam, hệ thống sẽ xác định số lượng phương tiện và tính toán mật độ lưu thông trên đường trong một khoảng thời gian xác định và từ đó đưa các dự báo cần thiết.

[2] Yolo là một mô hình mạng neural tích chập (CNN) dùng cho việc phát hiện, nhận dạng, phân loại đối tượng. Yolo được tạo ra từ việc kết hợp giữa các lớp phức tạp (convolutional layers) cho phép trích xuất ra các đặc tính của ảnh và lớp kết nối (connected layers) dự đoán ra xác suất đó và tọa độ của đối tượng. Yolo phân chia hình ảnh thành một mạng lưới 7x7 ô (grid size=7x7). Từ đó sẽ dự đoán xem trong mỗi ô liệu có đối tượng (object) mà điểm trung tâm rơi vào ô đó không, dự đoán điểm trung tâm, kích thước của đối tượng và xác suất là đối tượng nào trong số các đối tượng cần xác định. Mỗi ô này có trách nhiệm dự đoán hai hộp (boxes number=2) bao quanh, mỗi một hộp mô tả hình chữ nhật bao quanh một đối tượng. Hiện nay phiên bản đang được sử dụng là thế hệ thứ 4, gọi là Yolov4. 

[3] Sort là sự phát triển của khung theo dõi nhiều đối tượng trực quan dựa trên các kỹ thuật ước lượng trạng thái và liên kết dữ liệu thô. Sort là một thuật toán thuộc dạng theo dõi và phát hiện (Tracking-by-detection), được thiết kế cho các ứng dụng theo dõi thời gian thực và phương pháp này tạo ra nhận dạng đối tượng một cách nhanh chóng. Một đặc điểm của lớp các thuật toán Tracking-by- detection là tách đối tượng cần xác định ra như một bài toán riêng biệt và cố gắng tối ưu kết quả trong bài toán này. Công việc sau đó là tìm cách liên kết các hộp giới hạn thu được ở mỗi khung và gán ID cho từng đối tượng. 

[4] Nghiên cứu sẽ dựa trên thuật toán xác định vật thể của Yolo, thuật toán theo dõi vật thể của SORT, từ đó gán địa chỉ nhận dạng ID cho từng phương tiện lưu thông và phân loại chúng, xác định số lượng xe theo từng khoảng thời gian cụ thể. Các phương tiện được gán địa chỉ ở đây là: xe ô tô, xe tải, xe buýt, xe máy và xe đạp. Mở luồng video trực tiếp từ camera và tiến hành xử lý từng khung hình. Sau quá trình khởi tạo thư viện, khởi tạo các biến và chạy mô hình thuật toán Yolov4, tiến hành phát luồng video trực tiếp từ camera hoặc lựa chọn các tệp video. Từng khung hình sẽ được chụp và kiểm tra theo vòng lặp while, nếu khung đọc được không chính xác, vòng lặp sẽ bị phá vỡ. Do góc nhìn camera ở mỗi đoạn đường được thiết lập là khác nhau nên nhóm nghiên cứu đã tạo ra các điểm chọn thủ công để thiết lập vùng nhận diện nhất định trên toàn bộ khung hình, giúp cho thuật toán tối ưu hơn, loại bỏ các vùng không chứa phương tiện lưu thông.

[5] Sau quá trình thực nghiệm, nhóm nghiên cứu thấy rằng, với xe ô tô, xe tải và xe buýt thì tỉ lệ chính xác tương đối cao và ổn định do đặc điểm kích thước và nhận dạng của chúng; còn với xe máy và xe đạp có kích thước nhỏ, đặc điểm nhận dạng khó khăn hơn thì tỉ lệ chính xác chưa ổn định và giảm mạnh khi mật độ lưu thông tăng cao. Ngoài ra, độ chính xác còn phụ thuộc vào các yếu tố như góc quan sát của camera, điều kiện thời tiết, ánh sáng… Tại Việt Nam, giao thông với đặc thù lượng xe máy lớn và mật độ lưu thông cao, để có thuật toán phân loại chính xác và ổn định là rất phức tạp. Để khắc phục vấn đề, nhóm nghiên cứu sẽ cải thiện về lượng dữ liệu đầu vào cho quá trình tập huấn mô hình Yolov4 với xe máy và xe đạp.

[6] Thông qua quá trình nghiên cứu và thực nghiệm với video thực tế trên các đoạn đường tại các thành phố lớn của Việt Nam như Hà Nội, Hải Phòng, nhóm nghiên cứu nhận thấy khi mật độ lưu thông thấp, thuật toán cho kết quả phân loại và kiểm đếm tương đối chính xác. Với mật độ lưu thông trung bình và cao, kết quả bắt đầu có độ chênh lệch và mất ổn định hơn ở loại phương tiện là xe đạp và xe máy. Các số liệu của từng loại xe lưu thông tại các thời điểm cụ thể có thể được áp dụng vào việc tính toán mật độ lưu thông trên từng khoảng thời gian, từ đó đưa ra các kết luận về mật độ lưu thông thấp, trung bình hay cao để phục vụ quá trình phân tích và điều tiết giao thông nhằm trực tiếp giảm thiểu tình trạng ùn tắc giao thông và các hậu quả của nó gây ra.

(Theo Báo cáo “Nghiên cứu thuật toán phân loại phương tiện giao thông dựa trên thị giác máy tính” của nhóm tác giả của trường Đại học Hàng Hải Việt Nam)

Đọc văn bản sau và trả lời các câu hỏi từ 11 đến 20: 

STARTUP VIỆT PHÁT TRIỂN VOICEGPT

[1] Dựa trên dữ liệu của ChatGPT, nhóm khởi nghiệp tại TP HCM phát triển nền tảng VoiceGPT có thể giao tiếp với AI bằng giọng nói, sử dụng miễn phí.

[2] VoiceGPT được startup Tesse (quận Phú Nhuận) cùng 3 kỹ sư lập trình phát triển từ đầu tháng 1 khi ChatGPT tạo ra cơn sốt trên thế giới, trong đó Việt Nam.

[3] Nguyễn Phạm Tuấn Anh, sáng lập Tesse cho biết, thời điểm đó, ChatGPT chưa hỗ trợ người dùng đăng ký tại Việt Nam. Vì thế nhiều người đã bị lừa khi mua tài khoản trên mạng xã hội. Mong muốn có một sản phẩm ChatGPT cho người Việt, các thành viên nhóm liên hệ với OpenAI, đơn vị phát triển sản phẩm, đề xuất phát triển ứng dụng này tại Việt Nam. "Chúng tôi được chấp thuận có thể phát triển ứng dụng nên bắt tay vào xây dựng VoiceGPT", Tuấn Anh chia sẻ.

[4] Nhóm lập trình, thiết kế trang web cho phép người dùng tạo tài khoản trên mạng bằng email, số điện thoại ở Việt Nam, sử dụng được trên máy tính và điện thoại thông minh. Khi người dùng viết câu hỏi, hệ thống máy chủ của VoiceGPT sẽ chuyển tiếp dữ liệu này qua máy chủ của ChatGPT. Khi máy chủ của ChatGPT phản hồi, dữ liệu được đưa về VoiceGPT cung cấp câu trả lời cho người dùng. Theo nhóm, do thông qua máy chủ trung gian, câu trả lời có độ trễ nhất định.

[5] Giao diện VoiceGPT được thiết kế tương tự ChatGPT với các tính năng trực quan, thuận tiện thao tác. Người dùng có thể sử dụng tiếng Việt và tiếng Anh khi sử dụng VoiceGPT. Sản phẩm cũng được tích hợp thêm tính năng vẽ tranh thông qua các gợi ý từ văn bản.

[6] Ngoài giao tiếp với AI bằng văn bản, nhóm phát triển thêm tính năng nói chuyện bằng giọng nói. Để làm được việc này nhóm mua công cụ AI của Google nhận diện giọng nói người dùng chuyển sang văn bản và ngược lại. Khả năng nhận diện giọng nói của VoiceGPT có độ chính xác trên 98% cả tiếng Việt và tiếng Anh.

[7] Sở dĩ nhóm muốn phát triển tính năng giao tiếp bằng giọng nói là muốn giúp một số người không có điều kiện gõ văn bản như người khuyết tật, người không biết chữ, trẻ mẫu giáo hoặc không rảnh tay...

[8] Theo Tuấn Anh, việc OpenAI cho phép các đơn vị khác phát triển ứng dụng dựa trên ChatGPT sẽ giúp các startup phát triển các sản phẩm phục vụ cho lĩnh vực mình. "Nhóm sử dụng giọng nói để giao tiếp với ChatGPT là một tính năng mới có thể khai thác là một ví dụ cho việc phát triển ứng dụng dựa trên nên tảng này", Tuấn Anh chia sẻ.

[9] Hiện Voice GPT có khoảng 70.000 người dùng đăng ký sau hơn 1 tháng ra mắt. Khi sử dụng họ phải đăng ký tài khoản và được một người dùng trong cộng đồng VoiceGPT trên mạng xã hội giới thiệu. Hiện mỗi ngày một tài khoản có thể hỏi 40 câu, một giờ được hỏi tối đa 20 câu. Lý giải điều này, nhóm cho biết, hiện việc sử dụng VoiceGPT nhóm phải trả phí cho nhà cung cấp dựa trên số lượng từ ngữ, nên cần đưa ra giới hạn để người dùng hỏi những câu thật sự cần thiết.

[10] Trải nghiệm VoiceGPT, anh Hoàng Minh (36 tuổi), ngụ TP Thủ Đức cho biết, sản phẩm dễ đăng ký, giao diện dễ sử dụng, tương tự như khi truy cập ChatGPT. Tuy nhiên, sản phẩm có độ trễ khi phản hồi câu hỏi, một số thao tác bị treo phải chạy lại trang web mới được sử dụng tiếp. "Tôi có con trai 5 tuổi rất thích tính năng chat bằng giọng nói vì cháu chưa rành mặt chữ nhưng vẫn có thể sử dụng để khám phá những điều còn thắc mắc", anh Minh nói.

[11] Ông Lê Nhật Quang, Phó giám đốc Khu công nghệ phần mềm, Đại học Quốc gia TP HCM, đánh giá VoiceGPT là một sản phẩm được phát triển bởi người Việt trên cơ sở mã nguồn OpenAI sẽ thúc đẩy việc phát triển các ứng dụng cho các tác vụ thuần Việt tốt hơn sau này. Tuy nhiên, ông cho rằng VoiceGPT hiện có tốc độ phản hồi khá chậm, một số nội dung bị lặp lại, nên nhóm cần cải thiện những vấn đề này.

(Theo Hà An, https://vnexpress.net/, đăng ngày 15/02/2023)

Đọc văn bản sau và trả lời các câu hỏi từ 21 đến 27: 

“Chỉ thị sinh thái” được sử dụng để đánh giá hiện trạng môi trường, đưa ra các tín hiệu cảnh báo về sự thay đổi của môi trường hoặc chẩn đoán nguyên nhân gây ra các vấn đề môi trường. Sinh vật chỉ thị là những cá thể, quần thể hay quần xã có khả năng thích ứng hoặc rất nhạy cảm với môi trường nhất định. Một số tiêu chí quan trọng để lựa chọn sinh vật chỉ thị bao gồm:

1. Vật chỉ thị phải dễ dàng theo dõi, thu mẫu, định loại.

2. Có tính nhạy cảm với sự thay đổi điều kiện môi trường.

3. Các loài có độ thích ứng hẹp thường là vật chỉ thị tốt hơn loài thích ứng rộng.

4. Khả năng phản ánh mức độ môi trường.

Hai nhà nghiên cứu dưới đây thảo luận về hiệu quả của việc sử dụng chim biển làm sinh vật chỉ thị cho hệ sinh thái ở một vùng biển.

Nhà nghiên cứu 1

Lựa chọn chim biển làm sinh vật chỉ thị là rất có giá trị vì chúng là loài săn mồi hàng đầu trong hệ sinh thái của chúng. Quần thể chim biển và tỉ lệ sinh sản của chúng được điều chỉnh bởi sự đa dạng phong phú của con mồi, do đó sẽ phản ánh những thay đổi do môi trường gây ra ảnh hưởng tới số lượng con mồi. Chẳng hạn như sự giảm số lượng con mồi, sẽ dẫn tới sự giảm nhanh chóng số lượng chim biển, do chuỗi thức ăn này thường ngắn. Tương tự như vậy, một số loài cá nhỏ là loài quan trọng trong hệ sinh thái, có ảnh hưởng lớn đến toàn bộ hệ sinh thái. Các loài chim biển ăn chủ yếu những loài cá này, góp phần tạo nên những chỉ số tốt cho hệ sinh thái nói chung.

Các thông số có thể dễ dàng theo dõi ở loài chim biển là quy mô quần thể, thời gian của các chuyến đi kiếm ăn, những thay đổi về khối lượng cơ thể và tốc độ tăng trưởng của con cái. Nhìn chung, chim biển là sinh vật chỉ thị hiệu quả về chi phí, hữu ích và có ý nghĩa đối với những thay đổi môi trường trong hệ sinh thái đại dương.

Nhà nghiên cứu 2

Loài chim biển không thích hợp để sử dụng làm sinh vật chỉ thị môi trường ở vùng biển. Trước hết, không phải tất cả các hệ sinh thái biển đều tuân theo chuỗi thức ăn từ trên xuống. Một số lưới thức ăn ở biển rất năng động và có thể xen kẽ từ dưới lên, hoặc từ trên xuống. Ngoài ra, sự thay đổi số lượng chim biển do khan hiếm thức ăn có độ trễ vài tháng hoặc thậm chí vài năm. Do đó, loài chim biển này không thích hợp làm vật chỉ thị cho hệ sinh thái vùng biển.

Nói chung, ảnh hưởng của thay đổi môi trường đối với quần thể chim biển phải mất rất nhiều năm mới có thể quan sát một cách rõ ràng. Nhưng cũng không thể phân biệt chính xác nguyên nhân gây nên những sự thay đổi đó, là từ môi trường hay từ các tác động vật lí, hóa học trong quá trình theo dõi chúng của con người.

Đọc văn bản sau và trả lời các câu hỏi từ 28 đến 34: 

Dầu diesel sinh học (Biodiesel – BD) là một giải pháp thay thế cho dầu diesel sản xuất từ dầu mỏ truyền thống (Petroleum Diesel – PD). BD thường được điều chế bằng phản ứng giữa dầu đậu nành và methanol với sự có mặt của chất xúc tác, tạo thành các hợp chất gọi là methyl ester của acid béo (fatty acid methyl esters – FAMES). Ngược lại, PD không chứa FAMES. Sự có mặt của FAMES trong BD làm cho BD có khả năng hấp thụ ánh sáng vùng hồng ngoại, khác với PD. Sự khác biệt này cho phép BD tinh khiết, PD tinh khiết và hỗn hợp BD và PD được phân biệt bằng cách phân tích độ hấp thụ ánh sáng vùng hồng ngoại.

Học sinh đã thực hiện 3 nghiên cứu nhằm xác định khả năng hấp thụ ánh sáng vùng hồng ngoại của BD tinh khiết, PD tinh khiết, hỗn hợp BD và PD.

Nghiên cứu 1

Các sinh viên đã đo độ hấp thụ (A) của một mẫu BD tinh khiết và một mẫu PD tinh khiết ở các số sóng từ 600 cm^–1 đến 1800 cm^–1. Số sóng tương ứng với một bước sóng nhất định được xác định bằng 1/bước sóng, trong đó bước sóng được tính bằng cm và số sóng được tính bằng cm^–1. Kết quả được thể hiện trên Hình 1.

Hình 1. Độ hấp thụ của mẫu BD tinh khiết và mẫu PD tinh khiết

Nghiên cứu 2

Các sinh viên đã chuẩn bị 7 hỗn hợp chứa BD và PD với tỉ lệ phần trăm theo thể tích của BD khác nhau. Sau đó, họ đo A ở số sóng 1746 cm^–1 cho: mỗi mẫu trong 7 hỗn hợp, một mẫu BD tinh khiết và một mẫu PD tinh khiết (xem Hình 2).

Hình 2. Độ hấp thụ ở số sóng 1746 cm^–1 cho mỗi mẫu trong 7 hỗn hợp, một mẫu BD tinh khiết và một mẫu PD tinh khiết

(Hình 1 và Hình 2 dựa theo A. P. Ault và R. Pomery, "Quantitative Investigations of Biodiesel Fuel Using Infrared Spectroscopy: An Instrumental Analysis Experiment for Undergraduate Chemistry Students”, 2011 trên American Chemical Society)

Nghiên cứu 3

Các sinh viên đã thu được 4 mẫu nhiên liệu thương mại khác nhau của hỗn hợp BD và PD (kí hiệu: mẫu W–Z). Họ đo A ở số sóng 1746 cm^–1 cho mỗi mẫu, sau đó sử dụng Hình 2 để tính phần trăm BD theo thể tích của mỗi mẫu. Kết quả được thể hiện trên Bảng 1.

Bảng 1
Tên mẫu	Tỉ lệ BD theo thể tích (%)
W	4,0
X	6,0
Y	4,8
Z	4,7

(Bảng 1 dựa theo Z. V. Feng và J. T. Buchman, “Instrumental Analysis of Biodiesel Content in Commercial Diesel Blends: An Experiment for Undergraduate Analytical Chemistry”, 2012 trên American Chemical Society)

Đọc văn bản sau và trả lời các câu hỏi từ 35 đến 41:

Sắc ký giấy là một kỹ thuật phân tích được sử dụng để tách và phân tích hỗn hợp các chất hòa tan. Sắc ký giấy có thể được sử dụng để xác định các ion kim loại có trong nước thải. Để thực hiện sắc ký giấy, đầu tiên, ta dùng bút chì vẽ một đường song song với đáy của giấy sắc ký. Sau đó, nhỏ dung dịch mẫu cần phân tích vào giữa vạch. Tiếp theo, đặt tờ giấy thẳng đứng vào cốc chứa dung môi, sao cho mức dung môi nằm dưới vạch bút chì (xem Hình 1).

Dung môi sẽ di chuyển lên giấy, mang theo các ion kim loại của dung dịch mẫu. Khi mức dung môi gần chạm kín mặt giấy, lấy giấy ra khỏi hệ và đánh dấu vị trí của dung môi bằng một đường kẻ khác. Sau đó đem sấy khô giấy sắc ký, các ion sẽ xuất hiện dưới dạng các đốm màu. Để xác định thành phần ion kim loại, ta sử dụng hệ số di chuyển R_f, tính theo công thức sau:

\({R_f} = \frac{a}{b}\)

Trong đó, a là quãng đường di chuyển của ion và b là tổng quãng đường di chuyển của dung môi, bắt đầu tính từ điểm chấm mẫu.

Bảng 1 thể hiện giá trị R_f của 5 ion kim loại. Bảng 2 thể hiện giá trị R_f từ 3 mẫu nước thải.

Bảng 1
Ion kim loại	Khối lượng mol (g/mol)	Quãng đường di chuyển (cm)	Rf	Đốm màu
Niken (Ni2+)	58,7	0,8	0,08	Hồng
Coban (Co2+)	58,9	3,5	0,35	Nâu đen
Đồng (Cu2+)	63,5	6,0	0,60	Xanh da trời
Cadimi (Cd2+)	112,4	7,8	0,78	Vàng
Thủy ngân (Hg2+)	200,6	9,5	0,95	Nâu đen

(Theo Thomas McCullough, CSC và Marissa Curlee, “Phân tích định tính các cation bằng phương pháp sắc ký giấy”, năm 1993 đăng trên American Chemical Society)

Bảng 2
Mẫu nước thải	Rf	Đốm màu
1	0,60 0,78	Xanh da trời Vàng
2	0,35 0,95	Nâu đen Nâu đen
3	0,08 0,78 0,95	Hồng Vàng Nâu đen
Lưu ý: Các mẫu nước thải chỉ chứa các ion kim loại được liệt kê trong Bảng 1

Đọc văn bản sau và trả lời các câu hỏi từ 42 đến 47: 

Thực hiện thí nghiệm đo cường cường độ dòng điện và hiệu điện thế ứng với các vật dẫn khác nhau bằng các dụng cụ sau:

- 1 ampe kế.

- 1 vôn kế

- 1 nguồn có thể điều chỉnh thay đổi được hiệu điện thế (điện trở của nguồn không đáng kể)

- Hai vật dẫn R₁ và R₂ khác nhau.

- Dây nối, khóa K.

Thí nghiệm được tiến hành như sau:

- Mắc mạch điện như Hình 1.

- Đóng khoá K. Điều chỉnh hiệu điện thế của nguồn ta thu được các giá trị của cường độ dòng điện I, chạy qua vật dẫn R₁, ghi kết quả vào Bảng 1.

- Thay vật dẫn R₂ vào vị trí của vật dẫn R₁ và lặp lại thí nghiệm, ta thu được các giá trị của cường độ dòng điện I, chạy qua vật dẫn R₂, ghi kết quả vào Bảng 1.

Đọc văn bản sau và trả lời các câu hỏi từ 48 đến 54: 

Các virus thiếu enzyme chuyển hóa và bộ máy sản xuất protein. Chúng là các dạng sống ký sinh nội bào bắt buộc. Mỗi loại virus chỉ có thể lây nhiễm một số lượng nhất định các loại tế bào chủ, được gọi là phổ vật chủ của virus. Tính đặc trưng của phổ vật chủ là kết quả của quá trình tiến hóa hệ thống nhận diện của mỗi loại virus. Virus nhận ra các tế bào chủ của nó theo nguyên tắc “chìa và khóa” giữa các protein bề mặt của virus với các phân tử thụ thể đặc hiệu trên bề mặt ngoài của tế bào chủ.

Quá trình lây nhiễm của virus bắt đầu khi một virus đính kết với tế bào chủ và hệ gene của chúng được truyền vào trong tế bào chủ. Cơ chế truyền hệ gene của virus vào tế bào chủ phụ thuộc vào loại virus và loại tế bào chủ. Khi hệ gene của virus đã ở trong tế bào chủ, các protein mà nó mã hóa có thể trưng dụng tế bào chủ, tái lập trình hoạt động tế bào để tái bản hệ gene của virus, đồng thời sản xuất ra các protein của virus. Tế bào chủ cung cấp các nucleotide cho việc tổng hợp các nucleic acid của virus, cũng như các enzyme, các ribosome, các tRNA, các amino acid, ATP và các thành phần khác cần thiết để tổng hợp protein của virus. Phần lớn các virus DNA dùng các enzyme DNA polymerase của tế bào chủ để tổng hợp hệ gene mới của chúng trên cơ sở dùng mạch khuôn là DNA của virus. Ngược lại, để tái bản vật chất di truyền, các virus RNA thường mã hóa các enzyme polymerase sử dụng RNA làm mạch khuôn.

Sau khi các phân tử nucleic acid và các capsomer đã được tạo ra, chúng sẽ đóng gói với nhau một cách tự phát để hình thành nên các virus thế hệ con. Một kiểu chu kì sinh sản của virus đơn giản nhất sẽ kết thúc bằng việc hàng trăm hoặc thậm chí hàng nghìn virus thoát khỏi tế bào chủ lây nhiễm, kéo theo sự phá hủy của tế bào chủ.

Đọc văn bản sau và trả lời các câu hỏi từ 55 đến 60: 

Một sinh viên đã thực hiện ba nghiên cứu để đo tốc độ trung bình của ô tô điều khiển từ xa với các loại bánh xe khác nhau chuyển động trên một máng thẳng. Các nghiên cứu được tiến hành trong một căn phòng được kiểm soát nhiệt độ, máng thẳng có độ dài 75 feet (kí hiệu ft - đơn vị đo chiều dài). Thời gian di chuyển của ô tô từ đầu máng đến cuối máng được đo bằng đồng hồ bấm giờ. Nhiệt độ trong phòng được giữ không đổi ở 50°F và bề mặt máng thẳng được đưa trở lại trạng thái ban đầu sau mỗi lần thử nghiệm. Không có thay đổi nào đối với xe ô tô ngoài việc thay bánh xe, ắc quy của ô tô được sạc đầy trước mỗi lần thử nghiệm.

Nghiên cứu 1

Ô tô điều khiển được lắp những bánh xe cao su cứng, có rãnh sâu và được đặt lên mặt phẳng tại đầu máng thẳng. Khởi động cho xe chạy và đồng thời ấn nút START trên đồng hồ bấm giây để bắt đầu tính thời gian. Lúc xe đi qua mốc 75 ft thì ấn nút STOP để kết thúc quá trình đo. Kết quả đo được sau mỗi thử nghiệm và giá trị trung bình của các kết quả được ghi lại trong Bảng 1.

Nghiên cứu 2

Lặp lại các bước tiến hành thí nghiệm như ở Nghiên cứu 1, với chiếc ô tô được thay các bánh xe cao su mềm, nhẵn và không có rãnh. Các kết quả đo được và giá trị trung bình của các kết quả được thể hiện trong Bảng 2.

Nghiên cứu 3

Tiếp tục lặp lại các bước tiến hành thí nghiệm trong Nghiên cứu 1 với một chiếc ô tô khác có bánh xe bằng cao su cứng và có các đinh tán. Các kết quả đo được và giá trị trung bình của các kết quả được thể hiện trong Bảng 3.