摘要
城市交叉口的行人安全受到环境条件、社会信号以及有限理性行为反应之间复杂相互作用的影响，因此在不确定性条件下进行干预规划尤为困难。现有研究大多侧重于描述性分析或预测建模，对于数据匮乏情况下的决策支持机制关注较少。本研究提出了一种基于贝叶斯网络的鲁棒优化框架用于行人安全规划，并结合大型语言模型辅助参数提取过程。首先，我们依据刺激-有机体-反应范式构建三层贝叶斯网络，用以描述风险如何从环境信号通过潜在心理机制传导至行为违规及事故风险。针对特定地点的行为数据不足问题，我们引入了大型语言模型辅助的提取流程，将基于文献的定性证据转化为干预机制、作用方向及定性强度等级。数值参数范围则是通过明确的映射规则确定，而非由大型语言模型直接生成。随后，我们建立了双目标鲁棒优化模型，区分能够改变根节点分布的物理干预措施与能够修改条件概率表的认知干预措施。借助
