SmartSport：人群计数与大型语言模型相结合的智慧设施管理

为何更智能的运动场所至关重要

在许多城市，新建的公园、运动场和健身步道层出不穷，但人们仍然常常看到篮球场人满为患，而附近的步道却几乎无人使用。这种不匹配浪费公共资金，也令希望公平健身的市民感到沮丧。SmartSport 研究提出了一种方法，利用摄像头和先进的人工智能来测量公共体育设施的真实使用情况，并将这些数据转化为对城市管理者有实操意义的建议。目标很简单：帮助社区从已有空间中获得更多的健康与乐趣。

从剪贴板到持续感知

如今，大多数城市仍依赖手持剪贴板的工作人员或偶发性的调查来估计球场或跑道的繁忙程度。这些方法只能捕捉到短暂的快照，覆盖地点有限，并且速度太慢，无法为日常决策提供指导。它们也难以解释为何某些设施超负荷而其他设施几乎无人使用。SmartSport 用一个自动化系统取代这些分散的努力：通过固定摄像头监控设施，随时间统计在场人数，并将这些信息与地图、人口数据及其他背景资料结合起来。

教会计算机公平地看见人

SmartSport 的前半部分称为 CrowdVision，侧重于在户外运动区域（如室外球场、运动场和健身步道）中识别并计数人群。它并不跟踪面部或身份，而是寻找能在广阔场景中表明有人存在的小视觉线索，例如远处的微小人影或部分被遮挡的人。研究人员设计了一个紧凑的视觉网络，能够从不同方向扫描图像、在整个场景中拼接模式，并处理同一画面中人物尺度差异很大的情况。系统以点的形式表示每个人，而非边界框，这使得在拥挤环境中更容易准确定位个体，同时保持足够的速度以在靠近摄像头的低成本边缘设备上运行。

将原始计数转化为更好的决策

后半部分 LLM-Advisor 则充当设施管理者的数字顾问。它接收 CrowdVision 产生的人群计数时间序列，并将其与其他信息融合：设施在城市中的位置、附近居民构成、公共交通可达性以及现有设备类型。利用大型语言模型——同类技术也驱动现代聊天机器人——系统在精心设计的提示（prompt）引导下遵循逐步推理流程。它识别日常与每周模式，发现超载或闲置的迹象，然后提出切实可行的措施，例如调整开放时间、升级某些球场或在服务不足的社区增设新设施。一个以现实世界最佳实践和政策为基础的知识库，帮助这些建议保持专业规范与可行性。

在现实世界中检验效果

为检验 SmartSport，团队在标准的人群计数数据集及其自建的来自 15 个公共体育设施的图像集合上评估了 CrowdVision。该视觉模块在这些真实体育场景中的计数准确率约为 94%，超越了若干近期研究方法，同时运行效率也足以实现实时监测。在建议部分，作者请来 12 位体育设施管理领域的专家对 250 多份 AI 生成的报告进行盲审评分。专家平均给出的总体质量评分为 4.2（满分 5），他们赞赏报告的完整性与逻辑推理，但也指出非常细节化、针对特定场地的提案仍具挑战性。总体而言，这些结果表明 SmartSport 既能可靠测量使用情况，又能提供专业人士认为真正有用的管理见解。

这对日常用户意味着什么

对居民来说，SmartSport 的意义不是更多屏幕或小玩意，而是更优运营的公园与球场。通过低调地统计每个设施在何时、被多少人使用（且不追踪个人身份），该系统帮助城市官员看清哪些空间缺乏投资、哪些空间被低估。随着时间推移，这可能转化为热门球场等待时间缩短、更合理布置的步道与健身站点，以及更符合本地作息的开放时间安排。作者也指出，后续工作需应对极端光照条件、完善隐私保护并深化行为理解，但他们的研究展示了将计算机视觉与基于语言的推理相结合，能使公共体育管理从经验判断迈向基于证据的全市规划。

引用: 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

关键词: 公共体育设施, 人群计数, 城市人工智能, 智慧城市规划, 设施管理