Résumé - SDVDiag : Une plate-forme modulaire pour le diagnostic des fonctions des véhicules connectés

Titre
SDVDiag : Une plate-forme modulaire pour le diagnostic des fonctions des véhicules connectés

Temps
2025-07-25 16:09:27

Auteur
{"Matthias Weiß","Falk Dettinger","Michael Weyrich"}

Catégorie
{cs.SE,cs.AI,cs.DC,"B.8.2; C.2.4"}

Lien
http://arxiv.org/abs/2507.19403v1

PDF Lien
http://arxiv.org/pdf/2507.19403v1

Résumé

SDVDiag est une plateforme modulaire conçue pour automatiser le diagnostic des fonctions de véhicules connectés. La plateforme répond aux défis du diagnostic de systèmes complexes et distribués de véhicules connectés en utilisant le traçage distribué, l'extraction de causalités et la détection d'anomalies. Les composants clés de la plateforme SDVDiag incluent : - Aggregation et stockage des données : Collecte des données en temps réel des véhicules, des nœuds de bord et des services cloud et les stocke pour l'analyse. Cette couche utilise les protocoles de surveillance et d'observabilité les plus avancés. - Création de graphes : Génère un graphique de dépendance des composants du système sur la base des données collectées. De plus, il génère un graphique causal qui capture les relations causales entre les composants. Le cadre d'inférence de causalité amortie (ACD) est utilisé pour inférer les relations causales. - Environnement d'apprentissage : Forme et met à jour continuellement les modèles utilisés pour l'extraction de causalités et la détection d'anomalies sur la base des données les plus récentes. Cela assure que la plateforme s'adapte aux changements du système. - Analyse d'incidents : Analyse des incidents spécifiques du système en utilisant les graphes de dépendance et causalité. Les anomalies sont liées et les causes racines les plus probables sont identifiées. La plateforme a été évaluée dans un environnement de flotte de tests 5G, démontrant son efficacité dans la détection des anomalies et l'identification de leurs causes racines. Les principaux résultats de l'évaluation sont les suivants : - Le diagnostic des pannes dans les systèmes de véhicules distribués est difficile en raison des interdépendances complexes et de la transparence limitée du système. - SDVDiag cartographie efficacement les dépendances et identifie les causes racines avec précision. - La plateforme fournit des mécanismes pour l'adaptation continue des modèles sur des données opérationnelles en direct, maintenait une performance robuste malgré les changements fréquents du système. SDVDiag offre plusieurs avantages pour les systèmes de véhicules connectés : - Diagnostic automatisé et scalable : Simplifie le processus de diagnostic et réduit les temps d'arrêt. - Surveillance en temps réel : Permet la détection proactive des problèmes de système. - Architecture modulaire : Supporte la personnalisation et l'intégration facile avec les systèmes existants. - Apprentissage continu : S'adapte aux changements du système et améliore l'exactitude diagnostique au fil du temps. Dans l'ensemble, SDVDiag est un outil précieux pour améliorer la fiabilité et la maintenabilité des systèmes de véhicules connectés.


Articles Recommandés

Optimisation à grande échelle des portefeuilles avec l'annealing neural variationnel

La Arène d'Énergie Généative (GEA) : Incorporation de la Sensibilité à l'Énergie dans les Évaluations Humaines des Grandes Modèles de Langue (GML)

Invertibilité globale des mappings de Sobolev avec des valeurs limites homeomorphes prescrites

Heure de réveil améliorée pour le problème du tagage à gel euclidien

De l'infini spatial à l'infini nul : Connecter les données initiales à l'écaillage

Nouvelles propriétés de l'inverse généralisée du noyau-EP pondéré dans les algèbres de Banach

ReCatcher : Vers le test de regression pour la génération de code des LLMs

Algèbres de Lie de graphes restreints dans les caractéristiques paires

Sur la contrôlabilité locale nulle d'un système de Burgers visqueux en temps fini

Superlubrissité du Borophène : Propriétés tribologiques par comparaison à l'hBN