VoltKeepのAI分析はどのような仕組みですか？
走行データ（速度・加速度・回生ブレーキ強度・気温・標高変化など）を 大規模言語モデル が解析し、運転効率・回生活用度・速度パターンを総合評価して 電費改善の具体的な提案を日本語で生成 します。月間AIレポートでは1ヶ月分の走行を要約し改善傾向と次月への提案を返します。バックエンドには Groq上の llama-3.3-70b-versatile を利用しています。
AIに渡している入力データ
分析の精度はインプットの質で決まります。VoltKeepはTesla Fleet Telemetry から取得できる以下の信号を集計してAIに渡します:
- 速度プロファイル — 1秒単位の車速、平均・最大・分布
- 加速度 — 加速・減速の強さ、急加速 / 急減速の頻度
- 回生ブレーキ — 回生で戻したkWh、ブレーキペダル併用率
- 消費電力 — Wh/km の推移、走行モード別の電費
- 環境 — 外気温・標高変化・空調使用
- 充電パターン — 充電開始時のSoC、充電速度、充電場所の分類
Tesla公式が提供しないデータ（走行スタイルの主観評価など）はAIに渡していません。あくまで客観的な信号から導けることに限定しています。
AIドライビングスコアの計算
AIドライビングスコアは 0〜100点 の総合指標で、以下の3軸を組み合わせて算出します:
- 運転効率 — Wh/km が同条件（気温・標高・車種）の基準値とどれだけ近いか
- 回生活用度 — 減速時にどれだけブレーキペダルではなく回生で減速しているか
- 速度の最適性 — 高速道路で最も電費が良い80〜100km/h帯にどれだけ滞在したか
スコアと一緒に 「次に試すべき改善点」 を1〜3個、日本語の文章でAIが提示します（例:「下りで回生に頼り切らず、ブレーキ補助で減速量を減らすと電費が3〜5%向上します」）。
月間AIレポート
月初に前月の走行を1本のレポートにまとめて配信します:
- 総走行距離・平均電費・スコア推移
- 同じルートを反復走行しているケースを抽出 → 効率化のヒント
- 気温帯別の電費比較（冬の落ち込み幅など）
- 翌月に試す行動提案（プリコンディショニングの活用、巡航速度の変更など）
バックエンド構成（透明性のために）
VoltKeepのAI分析は、現在 Groq上で動作する llama-3.3-70b-versatile を使用しています。OpenAI互換APIを通して呼び出しており、Tesla認証情報や個人特定情報はLLMには渡していません（VINハッシュとデータポイントのみ）。
バックエンドは OpenAI互換のAPIラッパー として実装されているため、Groq以外のLLMプロバイダ（Gemini / OpenRouter / Cerebras など）にも切り替え可能です。可用性が必要な場面ではフェイルオーバが効くようにしています。