接続車両向けのAI駆動予知保全とリアルタイム文脈データ融合：マルチデータセット評価

要約：ほとんどの車両予知保全システムは内部診断信号のみに依存し、決定論的な合成データで検証されるため、報告指標の信頼性が制限されます。本論文は、車載センサストリームを外部の文脈信号――道路品質、気象、交通密度、運転者挙動――と統合し、V2X通信および第三者APIを介して取得し、車載エッジで推論を行う、V2X強化予知保全のシミュレーション検証済み概念実証フレームワークを提示します。現場検証は計器付車両で必須の次のステップとして特定されます。3つの実験は従来研究の一般的な欠点に対処します。特徴グループアブレーション研究は、V2X文脈特徴がF1スコアを2.6ポイント向上させることを示し、全文脈を除去するとマクロF1が0.855から0.807へ低下します。AI4I 2020実世界産業故障データセット（10,000サンプル、5つの故障モード）において、LightGBMは5分割層化CVの下でAUC-ROC0.973を達成し、SMOTEは訓練折に限定して適用されます。ノイズ感度分析では、低ノイズ下でマクロF1は0.88を超える状態を維持し、非常に高ノイズ下では0.74へ劣化します。SHAP分析は、V2Xと設計済み相互作用特徴が上位15個の予測因子にランクされることを確認します。エッジ推論は、クラウドのみの処理と比較して待機時間を3.5秒から1.0秒未満に削減すると推定されます。