从通行速度到出行公平：AI 如何重设智慧交通的评价指标
从通行速度到出行公平：AI 如何重设智慧交通的评价指标
一座城市的智慧交通大屏上，平均车速每分钟刷新，旁边却没有一项数字告诉人们：低收入社区到医院要多久，轮椅使用者能否顺利换乘，夜班员工是否还有末班车。只量速度，系统自然会朝速度优化。评价指标换了，算法才会换一种看城市的方式。
先按具体人群和行程定义“到达”。统计不同区域居民在合理费用与时间内能到达的工作、教育和医疗机会，加入步行到站、等待、换乘和无障碍环节。对没有智能手机的出行者，补充调查与现场观察。模型可以整理投诉和服务请求，发现平均值掩盖的极端不便；它不能把每条留言都直接当作代表性样本。
仪表板要让取舍可见。主路速度提高后，住宅支路是否承受更多车流？公交准点率上升，是因为更稳的运行，还是因为删掉了难开的班次？共享单车投放增加，是否堵住盲道？把车辆速度、行程可靠性、交通费用、事故风险、污染暴露和基本服务覆盖并列，按地区和时段展示，不把它们压成一个无人理解的总分。
指标设定应有公众参与。居民、司机、残障人士、学生和商户对“好交通”的理解不同，城市可用实际方案让他们讨论：为了给学校门口更安全的过街，司机多等几十秒值不值？项目上线后按承诺评估，允许公众看到原始口径和改进进度。若某指标改善、另一项恶化，应解释并修正。
“可靠性”也值得单独上屏。每天平均三十分钟的通勤，如果偶尔要花九十分钟，照护孩子或按时打卡的人会承受很高风险。模型可显示不同地区行程时间的波动，而不是只报平均值。对低收入社区，票价和换乘费也应与时间一起算；有路可走却承担不起费用，同样是服务缺口。指标公布后，还需让市民知道哪些变化来自交通项目、哪些来自施工或天气。公平不只是给地图加颜色，而是让管理者在速度上涨时也看见谁仍然到不了。
指标选择里也要留“人不出门”的线索。居民因交通太难而放弃看病、培训或聚会，这些行程不会出现在轨迹数据里。入户调查与社区访谈能补上沉默的需求，让系统知道没有发生的出行也可能是服务问题。
交通系统最终服务的是人的生活，不是让车在屏幕上移动得更快。AI 能让城市看见更多细小差异，关键是城市愿意把那些原先不在大屏上的人和路程，放进目标里。
