视觉语言模型在包括自动驾驶在内的各个领域都感兴趣，计算机视觉技术可以准确地检测道路使用者，但是车辆有时无法理解上下文。这项研究检查了GPT-4V在预测人类评估的交通图像中“风险”水平的有效性。我们使用了从移动车辆拍摄的210张静态图像，每辆车先前由大约650人进行评级。基于心理测量构建理论并使用来自自洽性提示方法的见解，我们提出了三个假设：（i）在有效的条件下重复提示提示提示提示提高有效性，（ii）在使用单个提示和（III）中，与对象分析相比，与单个提示相比，将总分数变化并提取总分来提高有效性，以及与对象分析相比，与对象分析相比，与构成，相比，与构成的特征，相比，与构成的特征相比，与构成的特征相比，与之相比，将其与单个提示相比，相比之下。提高模型的有效性。的有效性。结果证实了这三个假设。最终的有效性系数为r = 0.83，表明可以使用具有高度准确性的AI预测人口水平的人类风险。这些发现表明，必须以相当于人类填写多项目问卷的方式提示GPT-4V。