STREAM‑VAE trennt Drift‑ und Spike‑Dynamik für robuste Fahrzeug‑Telemetrie

Ein neues Verfahren namens STREAM‑VAE hat die Art und Weise, wie Fahrzeug‑Telemetrie‑Daten auf Anomalien untersucht werden, grundlegend verändert. Während herkömmliche rekonstruktionsbasierte Modelle, wie klassische Variational Autoencoders (VAEs), ein einziges latentes Signal nutzen und dadurch langsame Drift‑ und schnelle Spike‑Veränderungen vermischen, teilt STREAM‑VAE die Daten explizit in zwei Pfade auf.

Der Dual‑Path‑Encoder trennt die langsamen, allmählichen Drift‑Signale von den schnellen, plötzlichen Spike‑Veränderungen. Der Decoder verarbeitet diese beiden Komponenten anschließend getrennt, sodass transienten Abweichungen klar von normalen Betriebsmustern unterschieden werden können. Dieses Design führt zu stabileren Anomalie‑Scores, die über verschiedene Betriebsmodi hinweg konsistent bleiben – ein entscheidender Vorteil für in‑Vehicle‑Monitore und Backend‑Flottenanalysen.

In umfangreichen Experimenten, die sowohl ein proprietäres Fahrzeug‑Telemetrie‑Datenset als auch das öffentliche SMD‑Benchmark‑Set umfassten, zeigte STREAM‑VAE eine deutlich höhere Robustheit gegenüber starken Forecasting‑, Attention‑, Graph‑ und anderen VAE‑Baselines. Die explizite Trennung von Drift‑ und Spike‑Dynamik reduziert die Gefahr, dass schnelle Anomalien durch das Glätten des Modells übersehen werden, und verbessert gleichzeitig die Trennschärfe zwischen normalen und anomalen Zuständen.

Die Autoren betonen, dass STREAM‑VAE speziell für den Einsatz in realen Fahrzeugumgebungen konzipiert wurde. Durch die klare Aufteilung der Signal‑Dynamiken kann das Modell zuverlässig in Echtzeit Anomalien erkennen und liefert damit wertvolle Einblicke für die Fahrzeugdiagnose und die Flottenüberwachung.