共计 2360 个字符，预计需要花费 6 分钟才能阅读完成。
随着人工智能（AI）技术的快速发展，其在城市交通管理中的应用也日益广泛。然而，AI 决策的“黑箱”问题一直是业界关注的焦点。欧洲一项新的研究项目正在致力于开发一种 AI 数据分析工具，旨在揭开这一“黑箱”，使决策过程完全透明。
AI 正在彻底改变数据分析的方式，使人们能够处理庞大的数据集并识别以往难以察觉的模式。在交通管理领域，这意味着能够更精确地调整可控设计变量，从而创建更安全、更高效、更环保的城市。
然而，尽管 AI 分析无疑是增强交通管理的强大工具，但在制定可能影响安全的政策决策时，依赖一个无法解释其推理的系统——即所谓的“黑箱”AI——可能带来巨大隐患。
伯明翰阿斯顿大学应用人工智能高级讲师 Alina Patelli 博士表示：“如果你对道路设计或信号时间进行了更改，有人发生了事故，他们问‘你为什么这样更改设计？’而你的回答是‘AI 让我们这么做的’，这显然不是一个令人信服的答案。”
Patelli 博士是欧洲一个联盟的领导者之一，该联盟正在开发一种可能改变游戏规则的解决方案：一个 AI 驱动的平台，不仅能够分析城市交通数据，还能以政策制定者能够理解和信任的方式解释其推理。
“在决策时，你需要知道为什么要这样做。如果你要使用自动化洞察来为决策提供信息，最好非常清楚该建议背后的理由。”Patelli 说，“没有可解释性，就没有负责任的 AI。这就是我们希望通过这个新框架实现的目标。”
这个雄心勃勃的项目刚刚起步，跨学科团队已从英国科学院获得了 10,000 英镑的初始资金，他们希望明年通过“欧洲地平线”计划获得更多欧盟资金。该联盟汇集了伦敦大学学院、挪威 Ruralis 大学、意大利都灵大学和葡萄牙里斯本大学研究所的专家。
交通领域分析大量数据的问题真实存在且日益严峻。传统分析方法无法有效处理从智能手机、路边基础设施到汽车本身等多来源收集的数据量。
“所有这些来源生成成千上万 TB 的数据，即使借助最聪明的头脑，也很难（甚至可以说是不合理的）处理所有这些数据，以检测模式、收集洞察，并做出有用、实际的决策，从而为人们的日常交通挑战提供具体解决方案。”Patelli 博士解释道。
拟议的解决方案将能够处理历史和实时数据，以生成可操作的建议。“这个平台有一个 AI 核心。我们还将构建一个检测模式的模型，AI 将使用该模型预测交通和移动性的最可能行为——人们如何移动，汽车如何移动，公共交通如何与天气变化、污染变化、安全统计数据、事故等关系移动，预测未来一周、一个月等的情况。”Patelli 说。
然后，系统将“将其反馈到政策平台的界面，并通过将其翻译成政策制定者能够理解的语言，从数学方程或数学输出中生成建议。”
这种方法与许多现有 AI 解决方案的区别在于其对可解释性的承诺——这是当前人工智能应用（如依赖生成式 AI 的大型语言模型）中经常缺失的关键因素。为了实现可解释性，Patelli 旨在开发一种使用不同形式人工智能的系统：进化式 AI，它专注于改进现有解决方案，而不是创建全新的解决方案。
“我们所做的是可解释的，因为我将置于核心的 AI 类型是进化式的，而不是基于神经网络的。进化式 AI 是一种非常类似于达尔文进化论的人工智能，就像我们在这个星球上的进化方式一样。”Patelli 说，“当我们将这个过程转化为计算环境时，它是可以解释的。此外，与进化式 AI 不同，建模部分是灵活的。我们不必预设模型。模型的结构会在 AI 从训练数据中持续学习的过程中逐步构建，直到达到最适合数据、具有最低近似误差的结构。”
开发过程本身反映了项目对利益相关者参与的承诺。团队计划在整个设计和实施阶段直接与最终用户合作，而不是孤立地开发平台。
“第一步是共同设计。这是一种协作设计理念，因此不仅仅是科学家们的想法。”Patelli 说，“我不是政策专家。我只是技术专家。我是构建 AI 的人。但我与来自欧洲各地的经济学专家、政策顾问和政策顾问以及阿斯顿大学商学院的同事合作，因为我们需要这种专业知识。”
“我们需要了解目标受众，政策制定者、交通管理者和市政委员会希望从这样的平台中获得什么？他们希望提供什么样的自动化洞察，以帮助做出简单有效的决策？”
该项目遵循一个结构化时间表，分为两个主要阶段。当前阶段从 2025 年 4 月开始，持续到 2026 年 3 月 31 日，重点是基础工作。如果项目成功获得欧盟地平线资金，第二阶段将涉及平台的实际构建，但 Patelli 表示，第二阶段仍将遵循协作模式，计划由利益相关者进行广泛测试，以在设计过程中生成反馈。
在技术复杂性和学术合作背后，推动这项研究的是一种深刻的个人动机。“抛开所有技术方面，这不是关于欧洲资金、拨款和金钱——而是关于人。”Patelli 说，“这是我的理念。这是我作为专业人士的动机。”
“我希望为社会的改善带来改变。我希望伯明翰、西米德兰兹、国家、欧洲、世界——尽可能多的人——享受更好的城市交通、更少的交通事故、顺畅和管理的交通、减少的污染，以及总体上更绿色、更可持续的城市。我将尽我所能实现这一目标——这就是这个项目和我所做的一切的意义所在。”
这项计划的成功可能会为公共政策中的 AI 树立新标准，展示如何在保持民主治理所需的可解释性和问责性的同时，利用人工智能的力量，为城市交通规划创建新范式。
除了了解需求外，由阿斯顿大学领导的开发新 AI 交通分析软件的团队认识到从一开始就建立明确成功指标的重要性。
“当我们与受益者进行初始需求收集时，仅仅让他们告诉我们他们想要什么是不够的。”AI 高级讲师 Alina Patelli 博士说，“当然，这是必要的，但并不足够。在这一步中，我们还需要与受益者一起弄清楚如何衡量我们的成功。”
这包括开发定量和定性评估方法。“我们需要计算哪些指标？”Patelli 问，“我们需要衡量哪些东西，以得出可以用作标记和指南的数字或质量指标？”
