近日，我院陈喜群教授团队在Cell Press合作期刊The Innovation（IF=33.2）上发表了题为“Toward equitable, transparent, and collaborative human mobility computing for smart cities”（迈向智慧城市：公平、透明、协同的人类移动计算）的评论论文。
研究团队发现，提升数据建模公平性、模型透明性和人机协同性对智慧城市可持续发展至关重要。当前存在诸多研究挑战，例如缺乏量化数据公平性的统一测度，难以解释AI模型提取的高维复杂特征，以及人与机器表达机理差异性大等。为此，研究团队构建了面向智慧城市的公平、透明、协同的人类移动计算框架，实现了公平的数据建模，透明的模型计算，以及协同的人机决策，旨在推动面向智慧城市的人类出行模式和移动计算研究。
The Innovation是一本由青年科学家与细胞出版社（Cell Press）于2020年共同创办的综合性英文学术期刊：向科学界展示鼓舞人心的跨学科发现，鼓励研究人员专注于科学的本质和自由探索的初心。2023年影响因子为33.2，2023年CiteScore为38.3。
迈向智慧城市：公平、透明、协同的人类移动计算
导读
在全球数字化时代背景下，海量的地理位置大数据极大地革新了我们对人类出行行为的理解方式。借助数据科学的强大赋能，该领域形成了“数据训练模型、模型服务应用、应用数据反馈”的人类移动计算生态链（图1），为智慧城市系统中的出行行为机理分析奠定了坚实的基础。本文融合了大语言模型、神经科学等前沿技术，深入剖析了人类移动计算研究所面临的“数据公平测度统一难，数据模型决策机理解析难，人机决策协同难”三大核心挑战，构建了公平、透明、协同的人类移动计算框架，并在此基础上对关键挑战提出了切实可行的研究方向和未来机遇。
图1 公平、透明和协同的人类移动计算框架
研究内容
数据建模要公平：借助GPS轨迹和社交媒体数据等多源异构大数据，有能力实现时空全景还原和重构城市内与城市间的个体活动特征（如出行方式、出行目的和出行时间）。然而，须确保从数据中学习到的人类出行模式的公正性和可信赖性，最大程度降低数据歧视或偏见（如种族、性别等）。为此，可以引入区块链等技术以保护用户隐私，同时保证数据字段的完整性和多样性。在严格的数据审查下，构建能在个体和群体层面上刻画样本公平性的测度，是实现数据公平性建模的难点和关键。针对属性边界区分难的挑战，采取基于概率分布的采样方法来实现样本自平衡。此外，在模型训练阶段，引入受公平性测度约束的学习网络进行模型自适应训练，可实现对不同群体的公平决策。
移动计算需透明：透明的模型计算要求人类移动计算过程和结果输出易于理解和可解释，以便管理者判别模型输出的合理性和公平性。与物理模型不同，数据驱动的人类移动模型能够从大规模数据集自动提取出行特征，并生成具有高维度和抽象性的表征与预测结果。为打破“黑箱”研究范式，通过推理输入变量与决策结果的依赖关系，引入可解释人工智能是直接且有效的方式。其次，由于个体出行链的时空语义与自然语言的文本语义之间存在类比关系，利用大语言模型集成多模态出行数据，构建提示工程，使基于自然语言的人类移动计算成为可能。再者，借助神经科学理论，我们可以理解人类大脑在出行选择过程中的决策机制，从而从脑启发角度进行透明的移动建模，最终实现既类人又可解释的人类移动计算。
人机决策需协同：随着嵌入人类移动模型服务于各种软件和平台，与用户自动交互并进行协同决策（如路线规划和位置推荐）尤为重要。因此，数据驱动的人类移动计算研究应关注人类如何与这些工具交互，建议或意见如何影响决策过程，以及如何将人与机器（模型）决策相结合以提供更好的出行方案。当前面临的挑战在于，人类和模型在表达和决策机制上存在显著差异，亟需结合人脑决策机制和类脑智能方法，构建适配人类和机器的出行表征方法以实现灵活的数据赋能。在现有技术条件下，各种可穿戴设备和生理记录设备提供了解析出行选择机理的无限可能。在明确了机理表达的基础上，构建有效的人机协同决策机制和动态在线学习模块，开展复杂动态场景下的人机协同，是实现“人适应系统”向“系统适应人”转变的关键。
总结与展望
基于数据驱动的人类移动计算，在规模和粒度上为解析出行行为提供了前所未有的理解程度。然而，计算模型在公平性、透明性和协同性等方面仍存在诸多局限，亟需引入新的研究范式来推动方法论和概念上的进步。本文提出通过对抗学习实现公平数据建模、利用大语言模型实现透明出行计算，以及基于类脑智能和持续学习构建出行协同互动系统等方法，为应对这些挑战提供了有效的解决方案。这些前沿研究方向将进一步提升智慧城市中人类出行系统的有效性、包容性和可持续性，为构建更智能、更人性化的智慧城市奠定坚实基础。
论文相关信息
论文标题：
Toward equitable, transparent, and collaborative human mobility computing for smart cities
论文网址：
https://www.cell.com/the-innovation/fulltext/S2666-6758(24)00110-3
DOI：
https://doi.org/10.1016/j.xinn.2024.100672
引用格式：
Chen Y., Chen X., and Gao Z. (2024). Toward equitable, transparent, and collaborative human mobility computing for smart cities. The Innovation 5(5), 100672.
作者简介
陈 勇（第一作者），浙江大学建筑工程学院智能交通研究所博士生，师从陈喜群教授。主要研究方向为城市计算、城市居民出行分析。在The Innovation、Patterns、IEEE Transactions on Intelligent Transportation Systems、Transportation Research Part C/E、Applied Energy等期刊发表20余篇论文，获授权发明专利多项。
陈喜群（通讯作者），浙江大学长聘教授，智能交通研究所所长，智慧交通浙江省工程研究中心副主任。研究方向包括交通运输管理、共享出行、智能交通系统，致力于大数据驱动的城市多模式交通管理与优化研究。担任世界交通运输大会交通管理与出行服务学科主席、管理科学与工程学会理事、Transportation Research Part C: Emerging Technologies副主编，IEEE Transactions on Intelligent Vehicles副主编、npj Sustainable Mobility and Transport编委。主持国家自然科学基金4项，在The Innovation、Nature Sustainability、Patterns、Management Science、M&SOM、Transportation Science、Transportation Research Part B/C/D/E等期刊发表SCI/SSCI论文140余篇，研究成果被遴选为Nature研究亮点、Nature Sustainability研究亮点、Patterns期刊封面论文。荣获国家优青、浙江省杰青、中国智能交通协会科技创新领军人才奖、中国交通运输协会科技创新青年奖、IEEE国际智能交通学会最佳博士论文奖，入选中国科协青托工程、浙江省千人计划。
高自友（通讯作者），北京交通大学教授，博士生导师，系统科学学科首席教授。现任北京交通大学校学术委员会副主任，系统科学学院名誉院长，交通系统科学与工程研究院院长等。首届全国创新争先奖获得者，长江学者特聘教授，国家杰出青年科学基金获得者，复旦管理学杰出贡献奖获得者，新世纪百千万人才工程国家级人选，973计划项目首席科学家，国家自然科学基金委基础科学中心项目负责人，国家自然科学基金委创新研究群体项目负责人，教育部“长江学者与创新团队计划”创新团队学术带头人等，先后兼任管理科学与工程学会理事长，中国系统工程学会副理事长，国务院系统科学学科评议组成员等。作为第一完成人获国家自然科学二等奖，教育部自然科学一等奖，教育部科技进步一等奖等；获国家发明专利50余项；在国内外高水平学术期刊发表学术论文300余篇。