人工智能在可持续智慧城市中理解和管理交通行为

一篇学术论文提出以行为为中心的AI方法，利用城市交通数据（移动记录和乘客文本）作为行为证据，而非事实。论文探讨了四个应用方向：公交到达预测、出租车模式发现、异常行为检测和乘客感知风险挖掘，并构建从数据输入到治理反馈的闭环框架。同时强调数据质量、隐私、公平、可解释性等是部署的必要条件。

该研究将交通数据视为行为证据而非直接事实，并通过闭环框架连接AI推理与决策支持，为交通管理提供了从预测到治理的完整路径。相比以往单一应用场景，它系统性地考虑了隐私、公平、可解释性和人类问责等必要条件，推动AI从技术工具向负责任治理方向发展。

论文采用行为中心视角，将移动数据和乘客文本视为行为证据，通过AI推理（如预测、模式发现、检测、挖掘）提取行为表示，进而支持运营、规划、监管和乘客服务决策。闭环结构还包括公共价值评估和治理反馈，确保决策可迭代优化。

• 论文提出的闭环框架尚未在真实交通系统中验证，其可行性和效果如何？
• 具体如何平衡隐私保护与行为数据挖掘的粒度？
• 不同城市交通系统的异构性是否会影响框架的通用性和可迁移性？