Urbanite：面向人类-人工智能交互式对齐的基于数据流的城市可视化分析框架

随着城市数据获取量的不断增长和社会挑战日益复杂，视觉分析已成为洞察现实问题不可或缺的工具。然而，对此类数据进行分析本身具有复杂性和迭代性，要求跨越多个领域的专业知识。需要管理多样化数据集、提炼复杂工作流程并整合各种分析方法，这为缺乏数据管理、机器学习和可视化技能的研究人员和城市专家设置了很高的进入门槛。大型语言模型的进步为降低分析系统构建的门槛提供了可行方案，使用户能够指定意图而无需定义精确的计算操作。然而，这种从显式操作转向意图交互的变革在设计和开发过程中引入了对齐问题。若缺乏适当的机制，用户意图、系统行为与分析结果之间可能出现差距。为此，我们提出 Urbanite，一个面向城市视觉分析的人类-人工智能协作框架。Urbanite 利用基于数据流的模型，允许用户在多个层级上指定意图，实现城市分析中在规格、过程和评估三个阶段的交互式对齐。基于对挑战的调查调查结果，Urbanite 集成了解释性、跨数据流、节点和参数的多分辨率任务定义功能，同时支持交互的源头信息。我们通过与城市专家合作创建的使用情景展示了 Urbanite 的有效性。Urbanite 已可在 https://urbantk.org/urbanite 上访问。