TheInnovation|为智慧城市实现公平、透明

The Innovation | 为智慧城市实现公平、透明、协作的人类移动计算 如今，大量的GPS轨迹和社交媒体数据被用于分析个人和人群的旅行模式和缩放规律。这些新的idea在为城市规划和商业决策提供信息方面发挥了重要作用。多源数据有助于再现城市内部和城市之间个人活动链的时空全景图。确保从数据科学中获得的关于人类旅行模式的见解是可信和公正的，这一点至关重要。不公平的数据建模可能导致管理人员的决策指导具有误导性，从而加剧对资源的不平等获取。 现有的数据驱动的人机协作在人机表达和决策机制方面仍存在巨大差异。当务之急是将人脑决策机制和类脑智能方法结合起来，开发适合人类和机器的表示方法。例如，基于各种可穿戴生理记录仪，采用脑电图实验等神经科学方法，可以分析人类的旅行选择机制。此外，人机协同决策强调人与智能系统（机器）在联合管理决策中的合作参与。分析人机协同决策机制，开发类人用户界面、交互式决策支持、信息共享系统，实现复杂出行场景下的动态人机协作。此外，在人机交互过程中，机器在遇到具有不同偏好和不断发展场景的不同用户时，会不断接收用户反馈。因此，集成动态持续学习模块对于增强机器的灵活性并使其能够智能地适应人类至关重要。例如，智能旅行规划平台的初始模型可能只能从有限的一组用户的典型模式、路线和目的地选择行为中学习。然而，在实际操作过程中，用户行为和出行环境可能会受到各种动态因素的影响，例如交通状况和特殊事件。在这种情况下，动态持续学习允许系统捕获这些变化并进行必要的调整。 数据驱动的人类移动计算以以前无法实现的规模和粒度提供对旅行行为的深刻见解。然而，计算模型在公平性、透明度和协作方面存在许多局限性，必须引入新的见解来推动方法论和概念的进步。通过对抗性学习进行公平数据建模、利用透明移动计算LLMs以及基于类脑智能和持续学习构建出行交互系统等方法是应对这些挑战的有前途的解决方案。这些解决方案促进了智慧城市中人类移动系统的有效性、包容性和可持续性。