本研究提出了一种可解释的神经系统动态框架，结合深度学习的预测能力与传统模型的可解释性，提升因果可靠性和可扩展性，并验证其在自动化交通系统中的应用。

本研究提出了一种因果可靠的概念瓶颈模型（C$^2$BMs），旨在解决传统模型未能反映真实因果机制的问题。该模型通过结构化瓶颈促进推理，提升因果推理任务的表现，增强可解释性和因果可靠性，实验结果表明其优于现有模型。