기존의 견인력 제어 (traction control) 아키텍처는 타이어의 접지력 한계가 이미 돌파된 후에만 개입합니다. 본 논문은 운전자별 예상 슬립 동작을 모델링한 Random Forest 모델로부터 비적합 잔차 (non-conformity residuals)의 변동성을 모니터링하는 Rolling Split Conformal Prediction이, 심각한 견인력 상실 (traction loss)이 발생하기 전 통계적으로 근거 있는 사고 전 경고 신호 역할을 할 수 있는지 조사합니다. 이 연구의 이전 내부 초안과 달리, 여기서 보고된 평가는 슬립 프록시 (slip proxy)의 혼란 변수 (confound)를 수정하였으며 (차량 속도가 타겟의 분모에 암시적으로 남겨두지 않고 명시적인 모델 피처로 포함됨), 각 운전자의 가장 빠른 랩만이 아닌 모든 레이싱 랩을 사용하였고, 사후에 서술된 데이터가 아닌 FIA Race Control Messages 및 트랙 리밋 (track-limits) 랩 삭제에서 추출된 실제 타임스탬프가 찍힌 사고 라벨을 기준으로 점수를 산출했습니다. 결과는 부정적입니다. 19명의 운전자와 55,563개의 테스트 단계 텔레메트리 (telemetry) 샘플에 걸쳐, rolling-volatility 탐지기는 14개의 실제 사고(ground-truth incidents)에 대해 평균 정밀도 (precision)가 사실상 0.0, 평균 재현율 (recall)이 0.0을 기록한 반면, 모든 샘플의 평균 15.3%를 이상치 (anomalous)로 표시하여 조기 경고 용도로 사용하기에는 너무 높은 오경보율 (false-alarm rate)을 보였습니다. 정적 95백분위수 임계값 (static 95th-percentile threshold) 베이스라인은 conformal-volatility 공식의 추가된 복잡성을 정당화할 수 있는 어떤 면에서도 더 나은 성능을 보이지 않았습니다. 잔차 자기상관 (Residual autocorrelation) 진단 결과, 모든 운전자에게서 split-conformal 교환 가능성 (exchangeability) 가정이 위반됨을 보여주었습니다 (Ljung-Box p < 0.001, n = 19/19). 이는 높은 오경보율의 한 가지 타당한 원인입니다. 우리는 이를 방법론적으로 엄격한 부정적 결과 (negative finding)로 보고하며, 그 가능성 있는 원인들을 진단하고, 이 접근 방식의 진정으로 예측 가능한 버전을 구현하기 위해 무엇이 필요한지 개괄합니다.