SmartSport: publikräkning möter stora språkmodeller för smart anläggningsförvaltning

Varför smartare idrottsytor spelar roll

I många städer dyker nya parker, banor och motionsspår upp, men folk upplever ändå att basketplaner är fullpackade medan närliggande promenadstråk står tomma. Denna missanpassning slösar offentliga medel och frustrerar invånare som bara vill ha en rättvis chans att träna. SmartSport-studien presenterar ett sätt att använda kameror och avancerad AI för att mäta hur offentliga idrottsanläggningar faktiskt används och sedan omvandla dessa siffror till konkreta råd för stadsförvaltare. Målet är enkelt: hjälpa samhällen att få mer hälsa och glädje från de ytor de redan har.

Från clipboards till kontinuerlig sensoring

Idag förlitar sig de flesta städer fortfarande på personal med clipboards eller tillfälliga undersökningar för att uppskatta hur upptagen en bana eller löparbana är. Dessa metoder fångar bara korta ögonblicksbilder, missar många platser och är för långsamma för att vägleda dagliga beslut. De har också svårt att förklara varför vissa anläggningar är överbelastade medan andra är nästan tomma. SmartSport ersätter dessa splittrade insatser med ett automatiserat system som övervakar anläggningar med fasta kameror, räknar hur många personer som är närvarande över tid och kombinerar den informationen med kartor, befolkningsdata och annan kontext.

Att lära datorer se människor rättvist

Den första delen av SmartSport, kallad CrowdVision, fokuserar på att se och räkna människor i öppna idrottsområden såsom utomhusbanor, fält och motionsspår. Istället för att spåra ansikten eller identiteter letar den efter små visuella tecken som signalerar en person i en vid scen, som små figurer långt i bakgrunden eller delvis dolda bakom andra. Forskarna designade ett kompakt synnätverk som kan skanna bilder från olika riktningar, pussla ihop mönster över hela scenen och hantera personer i mycket olika storlekar i samma bildruta. Det representerar varje person som en punkt snarare än en begränsningsruta, vilket gör det enklare att lokalisera individer korrekt i trånga miljöer samtidigt som det är tillräckligt snabbt för att köras på lågkostnads edge-enheter nära kameran.

Att omvandla råa räkningar till bättre beslut

Den andra delen, LLM-Advisor, fungerar som en digital konsult för anläggningsförvaltare. Den tar tidsserierna av publikräkningar som produceras av CrowdVision och blandar dem med annan information: var varje anläggning ligger i staden, vem som bor i närheten, hur lätt den nås med kollektivtrafik och vilken typ av utrustning som finns. Med hjälp av stora språkmodeller—samma typ av AI som driver moderna chatbots—vägleder systemet genom noggrant utformade uppmaningar för att följa en steg-för-steg resonemangsprocess. Det identifierar dagliga och veckovisa mönster, upptäcker tecken på överbelastning eller underutnyttjande och föreslår sedan praktiska åtgärder, såsom att justera öppettider, uppgradera vissa banor eller lägga till nya anläggningar i eftersatta områden. En stödjande kunskapsbas med verkliga bästa praxis och policyer hjälper till att hålla dessa förslag förankrade i professionella standarder.

Bevis för att det fungerar i verkligheten

För att testa SmartSport utvärderade teamet CrowdVision på standardiserade publikräkningsdatasets och på deras egen samling bilder från 15 offentliga idrottsanläggningar. Synmodulen uppnådde en räkningsnoggrannhet på ungefär 94 procent i dessa verkliga idrottsmiljöer, vilket överträffade flera nyare forskningsmetoder samtidigt som den kördes effektivt nog för realtidsövervakning. För rekommendationsdelen bad författarna 12 experter inom anläggningsförvaltning att blindbedöma över 250 AI-genererade rapporter. I genomsnitt gav experterna råden 4,2 av 5 för total kvalitet, och berömde dess fullständighet och logiska resonemang samtidigt som de noterade att mycket detaljerade, plats-specifika förslag fortfarande är utmanande. Tillsammans tyder dessa resultat på att SmartSport både kan mäta användning pålitligt och erbjuda förvaltningsinsikter som yrkesverksamma finner verkligt användbara.

Vad detta betyder för vardagsanvändare

För invånare innebär SmartSport inte fler skärmar eller prylar, utan bättre skötta parker och banor. Genom att tyst räkna hur många som använder varje anläggning och när, utan att spåra vilka de är, hjälper systemet stadsansvariga att se vilka ytor som är i behov av investeringar och vilka som är outnyttjade möjligheter. Med tiden kan detta leda till kortare väntetider för populära banor, mer genomtänkt placerade promenadstråk och träningsstationer samt scheman som passar lokala rutiner. Medan författarna noterar att framtida arbete måste hantera extrem belysning, integritetsskydd och djupare förståelse av beteenden, visar deras studie att kombinationen av datorseende och språkbaserat resonemang kan flytta offentlig idrottsförvaltning från gissningar mot evidensbaserad, stadstäckande planering.

Citering: 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

Nyckelord: offentliga idrottsanläggningar, publikräkning, urban AI, smart stadsplanering, anläggningsförvaltning