Πρόγραμμα γυμναστικής για αναβάτες στο Ducati Caffe! [video]

Από τον test rider της Ducati Andrea Rossi
Από τον

Πάνο Καραβοκύρη

13/4/2020

Με τους αναβάτες να παραμένουν κλεισμένοι στο σπίτι και να μην μπορούν να ακολουθήσουν το πρόγραμμα για τη βελτίωση της φυσικής τους κατάσταση, η μοναδική εναλλακτική που τους απομένει είναι να διατηρήσουν την ήδη υπάρχουσα. Πολλοί από αυτούς έχουν αναφερθεί στο θέμα, όπως ο Valentino Rossi αλλά και ο Alvaro Bautista, οι οποίοι αυτό το διάστημα προσπαθούν να κρατήσουν τη φόρμα τους μέχρι να ξαναβρεθούν στη πίστα. Ένας απ’ τους rookies του φετινού πρωταθλήματος των Superbikes, ο Scott Redding, παρέα με την κοπέλα του έχουν δημιουργήσει διάφορα video με ασκήσεις, τα οποία μπορείτε να βρείτε στο YouTube σε περίπτωση που θέλετε να κάνετε ένα διάλειμμα απ’ το διαδίκτυο.

Κάτι αντίστοιχο έκανε και ο Andrea Rossi (ένας απ’ τους αναβάτες εξέλιξης της Ducati), ο οποίος φρόντισε να το πάει σε άλλο επίπεδο και να μας παρουσιάσει ασκήσεις, οι οποίες γυμνάζουν τις μυϊκές ομάδες που χρησιμοποιούμε περισσότερο όταν οδηγούμε, είτε αγωνιστικά είτε όχι. Πρόκειται για to πρώρο από μια σειρά από video στο νέο κανάλι της Ducati στο YouTube, το "Ducati Caffe", που θα προβληθούν στο μέλλον. Το πρώτο επεισόδιο είναι αρκετά προσεγμένο και ο Ιταλός αναβάτης δεν μας παρουσιάζει απλά το πρόγραμμα, αλλά προσφέρει διάφορες παραλλαγές των ασκήσεων μεταβάλλοντας το βαθμό δυσκολίας του, ενώ παράλληλα τονίζει τη σωστή στάση του σώματος για την αποφυγή τραυματισμών. Έτσι, σε περίπτωση που έχετε διαβάσει όλα μας τα άρθρα, έχετε δει όλες τις σειρές που παίζουν στο διαδίκτυο, έχετε διαβάσει ότι βιβλίο θέλατε, ίσως είναι η ώρα να ξεκινήσετε τη γυμναστική, αφενός μεν για να περάσει η ώρα σας πιο ευχάριστα και αφετέρου να φροντίσετε το σώμα σας. Τέλος, θα θέλαμε να τονίσουμε ότι το να επαναλαμβάνεται συνεχώς το ίδιο πρόγραμμα, γυμνάζοντας συνεχώς τις ίδιες μυϊκές ομάδες δεν είναι σωστό, οπότε καλό θα ήταν να τις εισάγεται σε ένα κυκλικό πρόγραμμα που θα πραγματοποιείται εβδομαδιαίως.

Ετικέτες

Κάμερες τροχαίας στην Αττική: Ψαλιδίστηκαν 21.000 καταγραφές πριν βεβαιωθεί πρόστιμο

Το νέο σύστημα ελέγχου καταγράφει παραβάσεις, αλλά κάθε υπόθεση εξετάζεται πριν εκδοθεί κλήση
Καμερες
Από τον

Φίλιππο Σταυριδόπουλο

4/8/2026

Περισσότερες από 21.000 καταγραφές παραβάσεων που εντόπισαν οι νέες κάμερες κυκλοφορίας στην Αττική απορρίφθηκαν έπειτα από έλεγχο της Ελληνικής Αστυνομίας, καθώς κρίθηκε ότι δεν υπήρχαν επαρκή στοιχεία ή δεν επρόκειτο για πραγματικές παραβάσεις

Σύμφωνα με στοιχεία της ΕΛ.ΑΣ., έως τις 22 Ιουλίου 2026 ακυρώθηκαν συνολικά 21.073 καταγραφές από το νέο σύστημα αυτόματης επιτήρησης της κυκλοφορίας, γεγονός που επιβεβαιώνει ότι οι κάμερες δεν εκδίδουν αυτόματα πρόστιμα, αλλά κάθε περίπτωση ελέγχεται πριν βεβαιωθεί παράβαση.

Ο συχνότερος λόγος απόρριψης ήταν η λανθασμένη αναγνώριση οχημάτων που κινούνταν πολύ κοντά στη διαγράμμιση, χωρίς όμως να την παραβιάζουν. Για τον λόγο αυτό ακυρώθηκαν 7.039 καταγραφές (33,4%).

Ακολούθησαν τα οχήματα έκτακτης ανάγκης και κρατικά οχήματα, με 6.051 ακυρώσεις (28,7%), καθώς διαθέτουν ειδικό καθεστώς κατά την εκτέλεση υπηρεσίας.

Σε 4.732 περιπτώσεις (22,5%) η ποιότητα της εικόνας δεν επέτρεπε την ασφαλή αναγνώριση του οχήματος, κυρίως κατά τις νυχτερινές ώρες ή σε συνθήκες χαμηλού φωτισμού.

Επιπλέον, 1.958 καταγραφές (9,3%) ακυρώθηκαν επειδή η κυκλοφορία ρυθμιζόταν εκείνη τη στιγμή από τροχονόμο ή υπήρχε νόμιμη εξαίρεση για οχήματα της ΕΛ.ΑΣ., της Πυροσβεστικής ή του ΕΚΑΒ.

Μικρότερο ποσοστό αφορούσε περιπτώσεις όπου καταγράφηκαν περισσότερα από ένα οχήματα στο ίδιο πλάνο (440 περιπτώσεις), ξένες ή μη καταχωρημένες πινακίδες (171), σφάλματα στην αυτόματη αναγνώριση πινακίδων (107), μη ευδιάκριτες πινακίδες λόγω φθοράς ή λάσπης (71) και ελιγμούς που πραγματοποιήθηκαν για αποφυγή ατυχήματος (28). Άλλες 476 καταγραφές χαρακτηρίστηκαν ως “λοιποί λόγοι”.

Τα στοιχεία δείχνουν ότι το σύστημα λειτουργεί με ανθρώπινο έλεγχο πριν από την επιβολή προστίμου, ώστε να αποφεύγονται λανθασμένες χρεώσεις. Παράλληλα, αναδεικνύουν τα σημεία όπου το σύστημα εμφανώς πάσχει, όπως η ακρίβεια των αλγορίθμων αναγνώρισης, η απόδοση των καμερών σε συνθήκες χαμηλού φωτισμού και η καλύτερη αναγνώριση των πινακίδων κυκλοφορίας.