SmartSport: zliczanie tłumów spotyka duże modele językowe dla inteligentnego zarządzania obiektami sportowymi

Dlaczego ważne są mądrzejsze przestrzenie sportowe

W wielu miastach pojawiają się nowe parki, korty i ścieżki fitness, a mimo to ludzie nadal napotykają zatłoczone boiska do koszykówki, podczas gdy pobliskie trasy spacerowe leżą puste. Ta rozbieżność marnuje publiczne pieniądze i frustruje mieszkańców, którzy chcą po prostu mieć równe szanse na aktywność. Badanie SmartSport przedstawia sposób wykorzystania kamer i zaawansowanej sztucznej inteligencji do mierzenia, jak faktycznie użytkowane są publiczne obiekty sportowe, a następnie przekształcania tych danych w konkretne rekomendacje dla zarządców miast. Cel jest prosty: pomóc społecznościom czerpać więcej korzyści zdrowotnych i radości z przestrzeni, które już mają.

Od clipboardów do ciągłego monitoringu

Dziś większość miast nadal polega na pracownikach z clipboardami lub okazjonalnych ankietach, aby oszacować, jak obłożone jest boisko czy bieżnia. Te metody dają tylko krótkie migawki, pomijają wiele miejsc i są zbyt powolne, by wspierać bieżące decyzje. Trudno im też wyjaśnić, dlaczego niektóre obiekty są przeciążone, a inne niemal puste. SmartSport zastępuje te rozproszone działania zautomatyzowanym systemem, który obserwuje obiekty za pomocą stacjonarnych kamer, liczy obecne osoby w czasie oraz łączy te informacje z mapami, danymi demograficznymi i innym kontekstem.

Nauka komputerów sprawiedliwego widzenia ludzi

Pierwsza część SmartSport, nazwana CrowdVision, koncentruje się na wykrywaniu i zliczaniu ludzi na otwartych obszarach sportowych, takich jak zewnętrzne korty, boiska czy ścieżki fitness. Zamiast śledzić twarze czy tożsamości, szuka drobnych wskazówek wizualnych sygnalizujących obecność osoby w szerokiej scenie — np. malutkich sylwetek daleko w tle lub częściowo zasłoniętych przez innych. Badacze zaprojektowali kompaktową sieć wizyjną, która potrafi skanować obrazy z różnych kierunków, składać wzorce obejmujące całą scenę i radzić sobie z ludźmi o bardzo różnej wielkości w tym samym kadrze. Reprezentuje każdą osobę jako punkt zamiast ramki ograniczającej, co ułatwia dokładne lokalizowanie osób w zatłoczonych ustawieniach przy zachowaniu szybkości pozwalającej na działanie na tanich urządzeniach brzegowych przy kamerze.

Przekształcanie surowych zliczeń w lepsze decyzje

Druga część, LLM-Advisor, działa jako cyfrowy konsultant dla zarządców obiektów. Przyjmuje szereg czasowy zliczeń tłumu wygenerowany przez CrowdVision i łączy go z innymi danymi: lokalizacją obiektu w mieście, tym, kto mieszka w pobliżu, jak łatwo dostać się tam transportem publicznym oraz jaki sprzęt jest dostępny. Wykorzystując duże modele językowe — ten sam rodzaj AI, który napędza współczesne chatboty — system jest kierowany starannie skonstruowanymi promptami, by podążać za krok po kroku procesem rozumowania. Identyfikuje wzorce godzinowe i tygodniowe, wykrywa oznaki przeciążenia lub niedostatecznego wykorzystania, a następnie proponuje praktyczne działania, takie jak zmiana godzin otwarcia, modernizacja wybranych kortów czy dodanie nowych obiektów w słabiej obsłużonych dzielnicach. Wspierająca baza wiedzy zawierająca praktyki i polityki z prawdziwego świata pomaga utrzymać te sugestie w ramach profesjonalnych standardów.

Dowód działania w rzeczywistych warunkach

Aby przetestować SmartSport, zespół ocenił CrowdVision na standardowych zbiorach danych do zliczania tłumów oraz na własnej kolekcji zdjęć z 15 publicznych obiektów sportowych. Moduł wizyjny osiągnął dokładność zliczania na poziomie około 94 procent w tych rzeczywistych warunkach sportowych, przewyższając kilka niedawnych metod badawczych, przy jednoczesnym działaniu wystarczająco wydajnym do monitoringu w czasie rzeczywistym. Po stronie rekomendacji autorzy poprosili 12 ekspertów ds. zarządzania obiektami sportowymi o ślepą ocenę ponad 250 raportów wygenerowanych przez AI. Średnio eksperci ocenili porady na 4,2 z 5 za jakość ogólną, chwaląc ich kompletność i logiczne rozumowanie, przy jednoczesnym wskazaniu, że bardzo szczegółowe, miejscowo specyficzne propozycje nadal stanowią wyzwanie. Razem wyniki te sugerują, że SmartSport może zarówno wiarygodnie mierzyć wykorzystanie, jak i oferować wnioski zarządcze, które profesjonaliści uznają za naprawdę użyteczne.

Co to oznacza dla codziennych użytkowników

Dla mieszkańców obietnica SmartSportu to nie więcej ekranów czy gadżetów, lecz lepiej zarządzane parki i korty. Dzięki cichemu zliczaniu, ile osób korzysta z danego obiektu i kiedy, bez śledzenia, kim one są, system pomaga urzędnikom miejskim zobaczyć, które miejsca są niedoinwestowane, a które stanowią niewykorzystane możliwości. Z czasem może to przełożyć się na krótsze kolejki do popularnych kortów, lepiej rozmieszczone trasy spacerowe i stacje ćwiczeń oraz harmonogramy dopasowane do lokalnych rutyn. Autorzy zauważają, że przyszłe prace muszą poradzić sobie z ekstremalnym oświetleniem, zabezpieczeniami prywatności i głębszym rozumieniem zachowań, jednak ich badanie pokazuje, że połączenie widzenia komputerowego z rozumowaniem opartym na języku może przesunąć zarządzanie obiektami sportowymi od zgadywania w stronę planowania miejskiego opartego na dowodach.

Cytowanie: Li, P., Xu, C. SmartSport: crowd counting meets large language models for smart facility management. Sci Rep 16, 13991 (2026). https://doi.org/10.1038/s41598-026-44145-9

Słowa kluczowe: publiczne obiekty sportowe, zliczanie tłumów, miejskie AI, inteligentne planowanie miasta, zarządzanie obiektami