使用双组件 NLG 引擎的文化适配驾驶反馈端到端系统
计算与语言
2025-09-08 v1
摘要
本文提出了一种端到端移动系统，用于向尼日利亚这一具有重大基础设施挑战的低资源环境中的驾驶员提供文化适配的安全驾驶反馈。该系统的核心是一个新颖的双组件自然语言生成（NLG）引擎，可提供具有法律依据的安全提示和具有说服力、理论驱动的行为报告。我们描述了完整的系统架构，包括自动行程检测服务、设备端行为分析，以及利用两步反思过程确保高质量反馈的复杂 NLG 流水线。该系统还集成了一个用于检测酒精影响驾驶的专用机器学习模型，这是当地的一个关键安全问题。该架构经过专门设计，能够应对间歇性连接和嘈杂传感器数据的挑战。一项有 90 名驾驶员参与的试点部署证明了我们方法的可行性，并展示了在检测到的不安全行为上的初步结果。这项工作为应用数据到文本和 AI 系统以实现社会公益提供了一个框架。
引用
@article{arxiv.2509.04478,
title = {An End-to-End System for Culturally-Attuned Driving Feedback using a Dual-Component NLG Engine},
author = {Iniakpokeikiye Peter Thompson and Yi Dewei and Reiter Ehud},
journal= {arXiv preprint arXiv:2509.04478},
year = {2025}
}
备注
The paper has 5 figures and 1 table