SmartSport: подсчёт толпы встречается с крупными языковыми моделями для умного управления объектами

Почему важны более разумные спортивные пространства

Во многих городах появляются новые парки, площадки и беговые тропы, но люди по-прежнему обнаруживают переполненные баскетбольные корты рядом с пустыми пешеходными дорожками. Такое несоответствие тратит общие средства и расстраивает жителей, которые хотят просто иметь равные возможности для занятий спортом. Исследование SmartSport предлагает способ использовать камеры и продвинутый ИИ, чтобы измерять фактическое использование общественных спортивных объектов и превращать эти данные в конкретные рекомендации для городских менеджеров. Цель проста: помочь сообществам получать больше пользы для здоровья и удовольствия от уже имеющихся у них пространств.

От планшетов к непрерывному наблюдению

Сегодня большинство городов по-прежнему полагаются на сотрудников с планшетами или периодические опросы, чтобы оценить загруженность корта или беговой дорожки. Эти методы дают лишь краткие снимки, пропускают многие места и слишком медленны, чтобы управлять повседневными решениями. Они также плохо объясняют, почему одни объекты перегружены, а другие почти пустуют. SmartSport заменяет разрозненные усилия автоматизированной системой, которая наблюдает за объектами через фиксированные камеры, считает количество людей со временем и комбинирует эти данные с картами, демографией и другими контекстными сведениями.

Обучая компьютеры видеть людей справедливо

Первая часть SmartSport, названная CrowdVision, сосредоточена на распознавании и подсчёте людей в открытых спортивных зонах — на уличных кортах, полях и фитнес-тропах. Вместо отслеживания лиц или идентичности система ищет небольшие визуальные признаки, указывающие на человека в широком кадре — крошечные фигуры вдали или частично скрытые другими. Исследователи разработали компактную сеть компьютерного зрения, способную сканировать изображение с разных направлений, собирать закономерности по всей сцене и работать с людьми очень разных размеров в одном кадре. Каждый человек представляется точкой, а не ограничивающим прямоугольником, что упрощает точное локализование отдельных людей в плотной толпе и остаётся достаточно быстрым для исполнения на недорогих edge-устройствах рядом с камерой.

Преобразование сырых подсчётов в лучшие решения

Вторая часть, LLM-Advisor, выступает цифровым консультантом для менеджеров объектов. Она принимает временные ряды подсчётов толпы, созданные CrowdVision, и объединяет их с другой информацией: где расположен каждый объект в городе, кто живёт поблизости, насколько он доступен общественным транспортом и какое оборудование имеется. Используя крупные языковые модели — тот же тип ИИ, что лежит в основе современных чат-ботов — система направляется тщательно составленными подсказками, чтобы следовать пошаговому процессу рассуждений. Она выявляет суточные и недельные паттерны, обнаруживает признаки перегрузки или недоиспользования и предлагает практические меры, например изменить часы работы, модернизировать определённые корты или добавить новые объекты в недостаточно обслуживаемых районах. Поддерживающая база знаний с реальными практиками и политиками помогает удерживать рекомендации в рамках профессиональных стандартов.

Доказательства эффективности в реальном мире

Чтобы протестировать SmartSport, команда оценила CrowdVision на стандартных наборах данных для подсчёта толпы и на собственной коллекции изображений с 15 общественных спортивных объектов. Модуль компьютерного зрения показал точность подсчёта около 94 процентов в этих реальных спортивных условиях, превзойдя несколько недавних исследовательских методов и одновременно работая достаточно эффективно для мониторинга в реальном времени. Для части с рекомендациями авторы попросили 12 экспертов по управлению спортивными объектами слепо оценить более 250 отчётов, сгенерированных ИИ. В среднем эксперты оценили советы на 4,2 из 5 за общее качество, отметив полноту и логичность рассуждений, при этом указав, что очень детальные, привязанные к конкретным местам предложения остаются сложной задачей. В совокупности эти результаты говорят о том, что SmartSport способен как надёжно измерять использование, так и предлагать управленческие идеи, которые профессионалы считают действительно полезными.

Что это значит для обычных пользователей

Для жителей обещание SmartSport — не больше экранов или гаджетов, а лучше управляемые парки и корты. Тихо подсчитывая, сколько людей пользуются каждым объектом и когда, но не отслеживая их личности, система помогает городским чиновникам увидеть, какие пространства лишены инвестиций, а какие представляют собой неиспользованные возможности. Со временем это может привести к сокращению очередей на популярных кортах, более продуманному размещению пешеходных троп и тренажёрных зон и расписаниям, соответствующим местным рутине. Авторы отмечают, что в будущей работе потребуется учитывать экстремальные условия освещения, гарантии конфиденциальности и более глубокое понимание поведения, однако их исследование показывает: сочетание компьютерного зрения и языкового рассуждения может перевести управление общественными спортивными объектами от догадок к основанному на доказательствах планированию на уровне города.

Цитирование: 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

Ключевые слова: общественные спортивные сооружения, подсчёт людей, городской ИИ, планирование умного города, управление объектами