Ridezy 用边缘 AI 与物联网传感器实时生成司机可信度，并把哈希与信誉更新锚定在 Polygon 上，在行为检测保真度与信任保证上优于传统评分、纯 AI 与纯区块链三种基线
核心概要
本文提出 Ridezy——一个去中心化信任架构，用边缘人工智能与物联网（AIIoT）持续监测车道保持、限速合规、制动行为和交通标志遵守等行为指标，把行为摘要放在链下处理、仅将加密哈希、可信度更新与支付记录锚定到 Polygon 智能合约，并与传统评分制、纯 AI 架构、纯区块链架构三种信任模型在行为检测性能、端到端时延、成本效率、吞吐量、信誉稳定性、防篡改以及组件消融等维度上进行比较，结果显示该混合架构在保持低单次行程链上成本并通过批量链上提交实现可扩展运行的同时，取得更高的行为保真度与更强的信任保证。
深度剖析
提出以传感器驱动的可信度框架，把实时行为证据转化为可加密验证的信任原语，替代依赖行程后主观评分的信誉机制。 既有研究分别探索区块链出行、AI 司机监控与物联网交通，但未提供从可客观验证的驾驶行为持续推导可信度、同时兼顾可扩展性与低运营成本的集成信任框架；本文把三者整合进单一架构。 该主张由架构设计与对比评估支撑：Ridezy 与三种代表性信任模型（传统评分制、纯 AI、纯区块链）在行为检测性能、端到端时延、成本效率、吞吐量、信誉稳定性、防篡改及组件消融上进行比较，结果报告混合架构行为保真度更高、信任保证更强。
采用链下处理行为摘要、链上仅锚定加密哈希、可信度更新与支付记录的混合架构，在 Polygon 智能合约上实现防篡改信任并降低区块链开销。 不同于把高频遥测数据直接写入链上的做法，该设计将高频数据留在链下，只把可验证的摘要与记录上链，从而在保留防篡改性的同时压低单次行程成本。 评估报告该架构维持了较低的单次行程链上成本，并通过批量链上提交实现可扩展运行；成本效率与吞吐量是评估维度之一。
通过组件消融与多维度对比，说明边缘 AI、物联网遥测与区块链信任锚定三者组合优于任一单独组件路径。 纯 AI 架构与纯区块链架构作为对照被纳入评估，使“混合”相对“单一技术路线”的增益成为可检验的比较对象，而非仅作设计宣称。 证据来自组件级消融研究与对三类基线的对比评估，覆盖行为检测性能、时延、成本、吞吐量、信誉稳定性与防篡改等指标。
启示与展望
该工作面向出行生态中司机可信度的持续评估场景，适用于具备车载或移动传感、边缘算力与区块链接入条件的平台；其价值在于把实时行为证据变成可加密验证的信任原语，为后续在真实车队、跨平台信誉互认以及监管审计接口上的探索提供基础。对读者而言，这意味着可以把“信誉”理解为可被独立核验的行为记录，而不仅是乘客打分。
当前可见文本为不完整读取，未包含具体实验数值、数据集、样本规模、统计检验与图表，因此无法核验“更高的行为保真度”“更强的信任保证”“低单次行程成本”等表述的具体幅度。读者仍可关注：行为检测在真实道路与恶劣传感条件下的表现、批量链上提交对时延与吞吐量的实际影响、以及信誉稳定性在长期运行与对抗性操纵下的表现。