基于人格化和可解释性的自行车友好性评估：一种视觉语言模型方法
计算与语言
2026-01-08 v1 计算机视觉与模式识别
人机交互
机器学习
摘要
自行车友好性评估对于推动可持续城市交通和创建自行车友好城市至关重要，需要纳入用户对安全和舒适感的感知。然而，现有的感知式自行车友好性评估方法在捕捉道路环境复杂性方面存在关键局限，同时未能充分考虑主观用户感知的异质性。本文提出一种基于人格化的视觉语言模型框架，用于自行车友好性评估，包含三个新颖贡献：(i)基于已建立的骑行者类型论述的人格化条件化，生成通过链式思考推理的人格化解释；(ii)多层次监督微调，将稀缺的专家标注推理与大量用户评分结合，用于联合预测和可解释评估；(iii)AI 驱动的数据增强，创建受控配对数据以隔离基础设施变量影响。为测试和验证该框架，我们开发了一个基于全景图像的众包系统，并收集了来自 427 名骑行者的 12,400 条人格化条件评估。实验结果表明，所提框架在竞争性的自行车友好性评分预测方面表现良好，同时独特地实现了因素归因的可解释性。
引用
@article{arxiv.2601.03534,
title = {Persona-aware and Explainable Bikeability Assessment: A Vision-Language Model Approach},
author = {Yilong Dai and Ziyi Wang and Chenguang Wang and Kexin Zhou and Yiheng Qian and Susu Xu and Xiang Yan},
journal= {arXiv preprint arXiv:2601.03534},
year = {2026}
}