欧洲公共广场的行人轨迹数据集

观察行人步行如何重塑我们的城市

人们如何穿过广场和市集广场，说明了这些场所有多么友好以及设计得有多合理。然而，我们对日常步行模式的大多数了解来自小规模研究或一次性实验。本文介绍了一个大型、开放共享的数据集，追踪了数十万名行人在欧洲公共广场中的路径，为城市规划者、研究人员和设计师提供了一种理解公共空间实际运作的新途径。

将多个城镇广场纳入同一视角

作者把关注点放在一个熟悉的场景：欧洲城镇和城市的中心广场。这些地方有人散步、与朋友会面、在喷泉旁坐着或在上班途中穿过。研究者没有派出实地调查小组，而是利用一种日益丰富的资源——公共网络摄像头，全天候监视这些空间。他们系统性地在国际摄像头平台上搜索能够清晰显示广场、视频平稳且帧率合适并且可以可靠录制的摄像头。总共，他们从39个广场收集了193小时的录像，通常为早晨、午餐时、傍晚和一个繁忙周六的四段半小时片段，并为4个广场增加了跨季节和不同天气条件的额外录制。

将原始视频转成移动轨迹

为了把视频转化为数据，团队使用了现代计算机视觉工具，能够自动在每帧中检测并跟踪行人。首先，他们应用了前沿的检测模型来识别图像中的人体轮廓。该模型通过专门针对拥挤场景中行人的图像集进行训练和调优，提升了即使在人群密集或部分被遮挡时也能识别出行人的能力。随后，他们用跟踪算法将这些检测结果在时间上连接起来，为每个人分配临时ID并在其穿过广场时持续跟随。最终得到的是每名行人的时间戳位置序列——一条数字化的轨迹，显示他们来自何处、前往何处以及停留了多久。

从屏幕像素到真实地面

在屏幕上看到某人移动，并不等同于知道他们实际走了多远或移动速度多快。要使数据能用于研究真实行为，研究者需要将屏幕坐标转换为地面测量值。由于他们并不控制这些摄像头，因此缺乏有关每台相机镜头与位置的详细信息。于是他们采用了巧妙的替代方法：匹配同时出现在视频图像和同一广场卫星照片中的特征，例如建筑角、树木或长椅。这一匹配过程，在成像学中被称为利用同一表面的两个视图之间的变换，使他们能够估算每个像素在实际广场表面上的位置。由此，他们可以以米为单位计算步行速度、人群密度和精确路径，而不是以像素为单位。

清理、检验并共享数据

自动方法并不完美，因此团队采取了若干步骤来整理和测试数据。非常短或明显噪声的轨迹被剔除，剩余路径经过适度平滑以避免抖动。仅保留落在每个广场真实轮廓内的点，并对数据进行简化，使每秒的运动只由少数点表示——既能保留路径形状，又便于文件处理。作者在样本帧上检验了行人检测的准确性，发现绝大多数真实行人被正确识别，误报相对较少。他们还检查了个体跟踪的一致性，尤其是对较长行程的跟踪，并衡量了不同广场上变换后位置与已知地面点的匹配精度。

这个新资源能带来什么

总体而言，该项目发布了大约348,000条行人轨迹，每条轨迹包含一个ID、随时间变化的位置以及速度等基本信息，并为每段录制提供了天气和上下文数据。对非专业读者而言，关键结论是我们现在拥有一个开放、标准化的地图，展示人们在日常生活中如何真实使用数十个公共广场。城市规划者可以探索哪种布局鼓励停留或快速通过，交通分析师可以研究人们如何在前往公交或火车时穿越开放空间，社会科学家可以考察天气或一天中不同时间如何塑造公共生活。尽管该数据集仍反映摄像头追踪的局限性——例如当人们静止或被遮挡时偶有混淆——但它为使公共空间更有活力、更舒适并更符合人们实际出行方式提供了丰富且可复用的基础。

引用: Wolff, N., Perry, L., Venverloo, T. et al. Pedestrian Trajectory Dataset of Public European Squares. Sci Data 13, 402 (2026). https://doi.org/10.1038/s41597-026-06686-6

关键词: 行人轨迹, 公共广场, 城市出行, 计算机视觉数据, 人群行为