基于XAI的驾驶风格识别与个性化推荐机器学习系统
机器学习
2025-09-03 v1
摘要
人工智能（AI）正在越来越多地用于汽车行业，如驾驶风格分类，以提高道路安全性、效率并实现用户体验的个性化。尽管深度学习（DL）模型如长短期记忆网络（LSTM）在此任务中表现出色，但其黑箱本质限制了可解释性和信任。本文提出一种在保持高准确率的同时兼顾可解释性的机器学习（ML）方法。我们引入高质量数据集CARLA-Drive，利用随机森林（RF）、梯度提升（XGBoost）和支持向量机（SVM）等ML技术，这些技术高效、轻量且可解释。此外，我们应用SHAP（Shapley Additive Explanations，Shapley加法解释）解释技术，为更安全的驾驶提供个性化建议。我们的方案在三个类别分类任务中实现了0.92的准确率，与DL模型在性能上相当，同时提供了透明度和实用性，可在智能交通系统中实际部署。
引用
@article{arxiv.2509.00802,
title = {XAI-Driven Machine Learning System for Driving Style Recognition and Personalized Recommendations},
author = {Feriel Amel Sellal and Ahmed Ayoub Bellachia and Meryem Malak Dif and Enguerrand De Rautlin De La Roy and Mouhamed Amine Bouchiha and Yacine Ghamri-Doudane},
journal= {arXiv preprint arXiv:2509.00802},
year = {2025}
}