深度学习模型在交通预测中应用广泛，但缺乏可解释性。通过不确定性量化方法，研究了多个城市和时间段的交通数据集，发现恢复有意义的不确定性估计，并检测无监督异常点。莫斯科案例研究表明方法能捕捉交通行为的时间和空间效应，推动不确定性意识的发展，突出不确定性量化方法对城市交通动态的价值。