摘要
城市交通系统生成异构数据，但这些数据并不会自动转化为可操作的管理智能。本章采用以行为为中心的人工智能（AI）视角，将出行记录和乘客生成的文本视为行为证据而非行为真相。
本章探讨了四个方向：
- 公交到达预测：提高服务可靠性。
- 出租车出行模式发现：用于需求分析和规划。
- 异常行为检测：为可问责的监管支持提供依据。
- 乘客感知风险挖掘：提升服务质量。
这些方向通过一个闭环框架进行整合，链接数据输入、行为表示、AI推理、决策支持、公共价值和治理反馈。
本章识别了数据质量、隐私、公平性、可解释性、不确定性、可转移性和人类问责等作为部署的基本条件，从而建立了一个从行为证据到运营、规划、监管和乘客服务决策的统一路径。
博主点评： 本文提供了一个创新的视角，将传统的交通管理与人工智能相结合，强调了数据的行为证据特性，并提出了系统性的解决方案。未来交通系统的智能化将依赖于对这些行为数据的深入分析与合理利用。