《Applied Sciences》：Context-Aware Crowd Management in Smart Cities: A Scenario-Driven Systematic Review of Sensing, Prediction, and Intervention
在智慧城市中，交通枢纽、大型活动场所和商业/旅游区的人群拥挤可能迅速从服务拥堵升级为公共安全事件。实际运营受到异构感知覆盖、延迟统计、隐私需求以及需要可问责的多机构决策的约束。遵循严格的PRISMA协议，研究人员综合了107项主要实证研究（2020-2026年），以系统综述上下文感知人群技术。超越孤立的算法基准，研究人员将这些进展组织成一个数学形式化的闭环框架（Sensing–Prediction–Intervention–Feedback）。人群感知已向基于边缘的计算机视觉、被动移动信号和多模态融合演变，以平衡密度适用性、环境鲁棒性、隐私负担和端到端延迟之间的操作权衡。预测架构——集中于时空图神经网络（ST-GNNs）和仿真增强的数字孪生——根据预测范围、计算开销和可解释性方面的约束进行了批判性评估。为弥合理论与实践部署之间的差距，研究人员推导出一个多维评估分类法和一个层次化触发与升级矩阵，将控制理念（例如，时空容量同步和动态需求重塑）定制到三个异构场景。最后，研究人员提出四个战略方向，以绘制集成化城市大脑的面向部署的路线图：基于边缘的隐私保护融合、跨场景泛化、可问责的可解释人工智能（XAI）与人机协同，以及端到端的面向结果的实证验证。
**1. Introduction**
**1.1. Research Background and Challenges**
论文指出，大规模人群聚集是智慧城市中最关键的安全运营场景之一，密集且快速演变的行人流可能从服务拥堵升级为公共安全事件。传统依赖人工经验和滞后统计的“被动-反应”式运营无法满足前瞻性数据驱动治理的需求。因此，可靠感知、数据驱动预测和针对性干预技术成为核心，其对鲁棒性、及时性、隐私和问责性提出了高要求。从城市风险治理视角看，不良后果源于危险、暴露、脆弱性和响应能力的复杂交互。人群风险管理正从“被动响应”转向“主动预判与干预”，AI、物联网和大数据分析提供了技术基础。人群感知不仅限于计数，还支持多维感知，嵌入时空和环境上下文，使管理者能提前识别风险、优化资源分配并动态调整控制策略。这些技术需嵌入端到端运营管线，包括边缘-云部署、跨系统互操作性和数据治理。现有综述多聚焦孤立技术组件，缺乏对完整闭环框架的系统审视，且较少将技术架构与交通枢纽、大型活动场所和商业/旅游区三个代表性场景的异质性对齐，导致理论与实践的脱节。
**1.2. Conceptual Boundary and Framework Definition**
论文将“人群管理”定义为以干预为导向的闭环框架（Sensing–Prediction–Intervention–Feedback，感知–预测–干预–反馈），整合早期预警与可操作引导和控制，支持在高密度城市环境中的主动预判、缓解和影响驱动响应。引导指非强制性的信息或方向性措施（如多渠道传播），控制指限制性物理操作（如分阶段入口限制、闸门重配置）。
**1.3. Main Contributions**
论文贡献包括：(1) 系统梳理人群感知和预测技术的演进轨迹，超越简单性能指标，对多种方法进行关键比较，明确形式化操作权衡（密度适用性、环境鲁棒性、隐私负担、预测范围、计算开销和可解释性）。(2) 综合一个干预导向的闭环框架，并建立数学形式化的多维评估分类法和层次化触发与升级干预矩阵，实现从被动响应到主动干预的转变。(3) 综合三个场景（交通枢纽、大型活动场所、商业/旅游区）的差异化技术栈和控制理念，将算法选择与场景特定物理约束对齐。(4) 提出四个面向部署的战略方向：基于边缘的隐私保护多模态融合、通过仿真-对齐-适应管线的鲁棒跨场景泛化、可问责的可解释人工智能（XAI）与人机协同、以及端到端经验验证。
**1.4. Organization of the Paper**
论文结构包括：第2节系统综述方法，第3和4节技术基础（人群感知和预测），第5节理论框架与实践部署的桥梁（建立评估分类法和触发矩阵，并推导三个场景的差异化闭环控制理念），第6节总结并提炼四个战略方向。
**2. Systematic Review Methodology**
**2.1. Research Questions (RQs)**
论文围绕四个核心研究问题（RQs）：(RQ1) 当代人群感知模态如何在安全关键场景中平衡密度适用性、环境鲁棒性、隐私负担和端到端延迟的操作权衡？(RQ2) 当前人群预测架构在预测范围、表示能力、计算开销和可解释性方面存在哪些结构性局限？(RQ3) 如何结合数学形式化的评估分类法和层次化触发与升级矩阵，逻辑推导出场景特定的闭环控制理念？(RQ4) 将场景特定框架扩展为集成化跨场景“城市大脑”需要哪些战略研究支柱和面向部署的路线图？
**2.2. Search Strategy**
搜索策略以人群感知、预测和场景驱动干预为中心，遵循PRISMA 2020指南，主检索限定在Web of Science（WoS）核心合集，以涵盖计算机视觉、交通和公共安全治理的交叉领域。精确布尔检索字符串包括人群、乘客流、行人、计数、密度估计、预测、管理、数字孪生等术语，出版年份为2020-2026年。
**2.3. Inclusion and Exclusion Criteria**
纳入标准（IC）：(1) 高影响力SCI/EI期刊或顶级会议同行评审文章；(2) 2020-2026年发表；(3) 内容直接涉及至少一个RQ，贡献于感知-预测-干预技术栈或闭环评估分类法。排除标准（EC）：(1) 孤立算法改进缺乏运营背景；(2) 仅限室内微定位、车辆交通或非人类目标；(3) 二次综述、概念性文章或缺乏可重复经验验证。
**2.4. Screening and Thematic Analysis**
文献筛选遵循PRISMA 2020流程，由两名独立评审者进行，校准后达成一致。初始识别8196篇，去重后2917篇，标题摘要筛选排除2637篇，剩余280篇全文审查，排除173篇（其中81篇孤立算法改进，52篇范围外，40篇二次综述），最终纳入107篇主要实证研究（2020-2026年）。补充10篇背景引用（4篇宏观背景，6篇2020年前基础架构）。主题证据图表（表1）显示，感知（49篇，加6篇基础架构）和预测（45篇）研究集中，而干预（24篇，其中13篇专门研究，11篇重叠）稀缺，暴露了当前城市治理中的关键“开环”差距。
**3. Crowd Sensing**
**3.1. Traditional Technologies**
**3.1.1. Infrared Sensing**
红外传感成本低，适用于窄通道场景，但受限于物理机制，对环境鲁棒性（光照和温度变化敏感）和多人在平行通道中的计数精度（遮挡效应）存在显著固有局限，难以满足复杂城市环境的高精度要求。
**3.1.2. Automated Fare Collection (AFC)**
以地铁AFC系统为代表，提供高保真宏观进出站数据，是封闭景点和交通枢纽的统计骨干，但“进出”计数机制无法追踪区域内微观轨迹或分析细粒度行为特征。
**3.2. Passive Mobile Sensing**
**3.2.1. Cellular Signaling**
蜂窝信令凭借广覆盖和高实时性成为城市级人群分析的主导数据源，通过清洗和扩增基站交互数据可估计峰值流量系数，结合时空聚类算法（如ST-DBSCAN）可重构个体停留点和完整移动轨迹，支持地铁系统内全过程乘客行为精确再现。
**3.2.2. Wi-Fi and Bluetooth Sniffing**
Wi-Fi和蓝牙探针通过捕获MAC地址和RSSI实现非侵入式计数。Hao等人使用深度卷积自编码器恢复高精度人群密度图（CDM）；Chang等人提出Wi-FDM框架融合CNN和Transformer架构降低定位误差；Servizi等人利用设备间隐式交互低成本监测乘客流。
**3.2.3. LBS Heatmaps**
基于位置服务（LBS）技术集成GPS、蜂窝信令和Wi-Fi等多源数据，结合GIS空间分析和AI误差校正模型，实现城市网格级人群流动态建模与可视化，为全生命周期公共安全管理提供定量决策支持。
**3.3. High-Precision Positioning**
**3.3.1. Radio Frequency Identification (RFID)**
RFID凭借唯一ID识别能力在封闭交通系统中表现优异，但“强制标签依赖”使其对自发无标签人群无效，且易受金属环境和密集人群信号屏蔽干扰。
**3.3.2. Light Detection and Ranging (LiDAR)**
LiDAR作为非接触式、隐私友好的3D传感方法适用于开放空间宏观监测，但受不利天气（雨雾）导致点云噪声增加，侧视遮挡导致小目标特征丢失和分类混淆（如区分行人与路障）。
**3.4. Computer Vision and AI (CV and AI)**
**3.4.1. Extreme Density and Severe Occlusion**
在密集人群中，早期基于HOG特征和纹理回归的模型在极端遮挡下性能严重下降。深度学习基线（如MCNN、CSRNet、Switch-CNN）通过多列卷积、空洞卷积和自适应网络选择改善，但仍存在局部模糊。最新金字塔CNN（如HMoDE、PDD-CNN、HPANet、MZNet）通过层级专家融合和金字塔空洞卷积提升多尺度特征提取；Transformer架构（如TransCrowd、CsViT、CF-former）通过序列处理捕获全局远程依赖；混合模型（如CTASNet、PTCNet、HSNet）通过CNN局部细节与Transformer全局语义实现最优权衡。
**3.4.2. Environmental Noise and Cluttered Backgrounds**
在复杂动态光照或视觉混乱背景下，标准架构精度急剧下降。注意力引导网络（如AHNet、CAMCNet、MLANet）动态分配特征权重聚焦人群前景；密集连接计数模型（如DMPNet、MGANet）改善层间特征传播和重用，复合或自适应损失函数增强收敛和鲁棒性。因此，视觉混乱城市场景中优先选择注意力引导和密集连接架构。
**3.4.3. Edge Computing and Latency Constraints**
安全关键预警的端到端推理延迟至关重要。重型Transformer架构在资源受限边缘设备上加剧计算负担。基于YOLO的框架（如GR-YOLO、MSCD-YOLO）通过密集行人检测优化，提供优越实时性和抗遮挡能力，适用于实时瓶颈监测。
**3.4.4. Cross-Scene Generalization and Data Scarcity**
获取像素级标注成本高昂。弱监督/半监督框架（如CCTwins、PC-Net、MDGCN、P3Net）通过点标注或计数级标签减少标注依赖；视觉语言预训练模型（如CrowdCLIP）将空间计数视为图像-文本匹配问题，展现鲁棒跨场景泛化能力。因此，对于标注稀缺的新城市部署，视觉语言预训练和弱监督范式是最可行且经济高效的解决方案。
**3.5. Multimodal Fusion**
针对单模态视觉系统在动态环境变化（天气、光照）和复杂场景（遮挡、高密度）下的固有局限，多模态融合提供鲁棒全天气解决方案。TransFusion和HDANet创新性地整合Wi-Fi信号与视觉特征，利用射频（RF）信号全向覆盖补偿视觉盲区。在极差光照下，融合RGB和热成像的模型（如CSA-NET、CSCC、MC3Net）通过跨模态互补显著增强环境适应性。
**3.6. Integration of Privacy-Enhancing Technologies for Regulatory Compliance**
城市人群感知系统需调和及时高分辨率态势感知与隐私法规（如GDPR）之间的矛盾。在感知层，传感器边缘需进行不可逆、效用感知的变换（如模糊边界框、低分辨率密度热图、不可逆特征嵌入），并针对特定威胁模型评估残差重识别风险。对于被动无线电和移动感知，需采用任务范围的不可链接假名和结构隐私保证（如Paillier同态加密）。跨机构模型优化可通过联邦学习（FL）结合安全聚合、每客户端差分隐私和拜占庭鲁棒聚合规则实现。差分隐私（DP）被广泛集成到移动人群感知（MCS）任务中，现代框架采用模式敏感的本地差分隐私（LDP）和有界扰动机制（如Bounded Laplace）以保护关键短期时间序列模式。
**3.7. Operational Trade-Offs and Scenario-Specific Considerations**
将算法基准转化为城市部署需将模态选择重构为多准则优化问题。传统边界传感器（红外、AFC）在物理瓶颈处提供可靠宏观基线，但无法解析区域微观轨迹且在密集遮挡下计数严重误差。被动移动传感（蜂窝、Wi-Fi、LBS）提供低成本广域覆盖，但在密集人群中出现空间稀释且缺乏微观轨迹分辨率。计算机视觉提供像素级分辨率，但精度在严重遮挡、低光照或恶劣天气下急剧下降，且隐私合规要求引入额外计算开销增加延迟。高精度定位（LiDAR、RFID）改善空间建模和隐私保护，但受天气和标签依赖限制。最终，边缘多模态融合（如视觉+RF+热成像）成为实用范式，但需显式工程化时空同步和隐私保护算法。
**4. Crowd Prediction**
**4.1. Statistical Learning**
在客流波动平稳的常规场景中，统计学习模型通过分析数据平稳特性（周期性和均值回归）构建预测方程。高级时间序列方法（如SARIMAX）通过季节性差分捕获周期演化规律；道路流模型和基于类比方法的高铁预测模型扩展了统计方法在特定情境中的适用边界。
**4.2. Machine Learning**
面对复杂非线性和高维时空耦合，传统机器学习通过“手工特征+非线性算法”提供更大灵活性。Lin等人结合最大信息系数（MIC）与支持向量回归（SVR）和K近邻（KNN）减小预测误差；Chuwang等人提出多算法融合策略；Lu等人构建离线-在线双层系统，Santanam等人建立大型活动场所容量估计模型。Hoppe等人提出的“基线+校正”框架在数据稀缺条件下平衡精度和可解释性。随机森林（RF）、反向传播（BP）神经网络和聚类分解等方法被广泛用于局部或区间预测。
**4.3. Deep Learning**
**4.3.1. Grid-Based Spatiotemporal Feature Extraction (CNN/RNN Architectures)**
CNN与长短期记忆网络（LSTM）的混合架构形成早期深度学习预测骨干，CNN捕获网格局部空间特征，LSTM通过门控机制缓解长序列梯度消失。KSC-ConvLSTM通过动态邻域选择增强连续空间依赖性建模；Mul-DesLSTM通过层间融合策略减小预测误差；BiLSTM-CTPA引入因果时间模式注意力改善高峰值预测灵敏度。
**4.3.2. Topological Inference in Non-Euclidean Spaces (GNN Architectures)**
图神经网络（GNN），特别是时空图神经网络（ST-GNN），成为网络级预测标准范式。T-GCN建立早期参考框架；Adapt-GCN和IG-Net通过自适应矩阵和多类交互图超越物理拓扑约束；PVCGN集成物理和虚拟拓扑支持网络级OD（Origin-Destination）预测；TMS-GNN使用双图空间建模架构提高多步公交客流预测的精度、鲁棒性和长期时间稳定性。
**4.3.3. Global Long-Range Dependency Modeling (Transformer Architectures)**
Transformer架构通过自注意力捕获全局远程依赖。EF-former和优化版Informer在大型活动场所和长期预测任务中表现更强；MTS-Informer采用因果卷积减少多变量预测误差；Semi-Conv-Transformer通过半监督学习解决新线路数据稀缺问题。
**4.3.4. Frontier Paradigms: GAN, RL, and Transfer Learning**
STG-GAN利用对抗训练机制施加严格时空约束；De Nailly等人引入概率深度学习增强多变量容错性；DRIFT系统利用强化学习（RL）实现“预测与控制”无缝集成。针对突发事件和小样本问题，多源数据融合（流行病数据、搜索指数）、大语言模型（LLM）微调和迁移学习（AdaRNN-DCORAL）显著提升复杂动态环境下的鲁棒性。
**4.4. Simulation and Digital Twin**
**4.4.1. Discrete Event and Multi-Agent Simulation (DES/MAS)**
离散事件仿真（DES）基于离散时间节点事件触发机制，适用于交通枢纽和大型活动场所的短期实时流预测。多智能体仿真（MAS）以微观个体异质性和交互行为为中心，采用自底向上建模，在大型活动管理、应急疏散和设施规划中具有优势，可结合社会力模型（SFM）和粒子滤波算法重现大规模疏散中的非线性人群行为。
**4.4.2. Digital Twin (DT)**
数字孪生（DT）通过构建物理空间的高保真虚拟副本，建立“感知–预测–干预”闭环，实现多源数据的人群演化实时推理，并将优化决策反馈至现场运营。DT将预测从单向数据拟合转变为虚实耦合推理过程，通过实时同步链接宏观客流预测与微观人群行为仿真，并在虚拟沙箱中联合测试候选干预策略。
**4.5. Explainable Artificial Intelligence (XAI)**
先进架构（如GCN、Transformer）的黑箱特性在关键时刻引发信任赤字。XAI需端到端集成。后验归因技术（如GNNExplainer、SHAP）被用于空间显式城市分析和大数据移动性预测，但需算法优化以保证边缘设备实时推理。XAI输出需转化为可操作指令，如因果仿真评估物理干预效果，层次化剖析自然时空特征。为满足GDPR等法规，可解释性工件（特征显著性、反事实场景、不确定性边界）需系统归档到模块化可审计证据框架中。
**4.6. Operational Trade-Offs and Model Selection**
预测模型选择受预测范围、表示能力、计算开销和不确定性量化等交互需求支配。统计和经典机器学习模型（如高级时间序列、SARIMAX、SVR、RF）提供高可解释性和低延迟，适用于常规宏观监测，但无法外推非线性突变。前沿深度学习（ConvLSTM、ST-GNN、Transformer/Informer）有效捕获复杂时空依赖，但计算开销大且黑箱特性复杂。强化学习和迁移学习为动态控制和数据稀缺冷启动提供替代方案，但加剧建模复杂性。在高度随机或极端疏散中，MAS和数字孪生成为必要，但需大量计算和虚实标定。实际部署需要边缘-云分层模式。
**5. Scenario-Driven Closed-Loop Crowd Management Framework for Smart Cities**
**5.1. Multi-Dimensional Evaluation Taxonomy**
为消除开环差距，论文将人群管理形式化为社会技术操作控制问题，算法输出受隐私预算、多机构交接协议和场景特定部署准备度的显式约束。基于主题证据映射的结构性不平衡，论文从合成文献中提取碎片化操作约束，并映射到特定物理拓扑，推导出闭环感知–预测–干预–反馈框架。评估分类法包括四个轴：初级安全与流（有效性、及时性、鲁棒性/连续性）、系统性涟漪效应与社会经济影响（时空拥堵转移、社会经济中断指数）、公众接受度与组织准备度（公众合规性、机构可行动性、人类组织准备度）、方法论报告要求（非对称操作惩罚、可解释性和问责机制）。
**5.2. Operational Metrics and Measurement Protocol**
**5.2.1. Effectiveness (Outcome Impact)**
量化瓶颈区域密度变化，定义峰值密度净减少量，计算累积超过临界密度的时间，以及最大动态队列长度和清除时间，并量化近失和伤害发生率（每1000人-小时）以及服务中断分钟数。
**5.2.2. Timeliness**
定义数据采集、警报发布和物理干预执行的时间戳，计算端到端推理延迟和执行延迟，以及干预裕度，确保正裕度以保障有效物理干预。需报告延迟分布的尾百分位数（如95th百分位）。
**5.2.3. Robustness and Continuity**
量化单传感通道的缺失数据率，在多模态融合中报告通道缺失率和结构聚合规则，通过压力测试验证性能退化梯度，并定义退化模式覆盖和恢复时间。
**5.2.4. Systemic Ripple and Socioeconomic**
量化时空拥堵转移惩罚（相邻非控制区域的最大净密度激增），并测量社会经济中断指数（代表性代理指标的百分比退化，如商户交易量或商业人流）。
**5.2.5. Public Compliance and Sentiment**
定义引导合规率（合规行人比例），通过时空轨迹匹配实现，并整合多模态人群情绪指数（社交媒体NLP、结构化问卷、计算机视觉宏观物理激动特征）。
**5.2.6. Actionability and Feasibility**
映射早期预警信号对应的可实施控制杠杆，量化物理效果延迟，定义预案覆盖率（场景数与总参考集之比），并报告运营约束合规性和执行失败模式分解。
**5.2.7. Human–Organizational Readiness**
评估操作员工作负载（客观代理和主观量表）和警报疲劳，量化多机构交接延迟，并通过数字孪生沙盘演练持续验证人机系统准备度。
**5.2.8. Consequence-Aware Error Evaluation**
定义预期聚合成本，考虑情境依赖的惩罚权重（漏报和误报），归一化为风险成本指数（每1000人-小时），并利用成本敏感操作点最小化预期系统成本，同时跟踪峰值警报频率以缓解警报疲劳。
**5.2.9. Explainability and Accountability**
每次关键警报需附带最小可解释性包（top-k特征归因、反事实示例、简洁理由），并将面向审计的溯源持久化到不可变仅追加审计框架，通过密码学承诺保证端到端可追溯性。
**5.3. Scenario-Driven Closed-Loop Framework Architecture**
框架作为系统级分析综合和概念蓝图，由感知层（多源数据采集与清洗）、预测层（差异化时空推演范式）、干预层（软引导和硬控制）和反馈模块（评估效果并反馈优化参数）组成，实现预判性人群控制。
**5.4. Operational Intervention Logic: From Forecasts to Actions**
定义多维动态风险函数，整合密度、速度、空间约束和历史基线，干预触发阈值动态校准，仅当几何校准条件持续至少两个决策窗口时升级警报。不同场景对风险变量加权不同：交通枢纽以几何约束风险和密度为主，商业区以历史模式为主，大型活动场所联合评估极端密度和速度下降。共享执行骨架包括Level 0（监测）、Level 1（咨询引导）、Level 2（主动控制）、Level 3（应急协调），阈上预测转化为预定义动作包，并持久化到不可变审计框架。任何物理执行需满足干预裕度。
**5.5. Transportation Hubs (Metro Stations, Railway Stations, Airports)**
交通枢纽特性为强时空耦合和结构化流，策略为“宏观-微观集成、拓扑驱动”：感知层采用边缘压缩计算机视觉与宏观AFC数据融合；预测层采用ST-GNN范式，边缘-云解耦架构；干预层基于数字孪生沙箱模拟，聚焦时空容量同步，触发指标为几何约束风险和密度；反馈层动态评估峰值密度净减少量和清除时间，并跟踪端到端延迟保证干预裕度正。DRIFT系统和中国铁路站点案例证实了闭环逻辑的可行性。
**5.6. Large-Scale Event Venues (Sports, Theme Parks, Cultural Venues)**
大型活动场所特性为短期极端密度（≥5m
-2）和冷启动数据稀缺，策略为“多模态增强与仿真干预”：感知层采用边缘“视觉+无线信号”多模态融合；预测层采用非对称多智能体仿真（MAS）和强化学习（RL）范式；干预层从刚性封锁转向动态时空需求重塑，触发指标为极端密度和速度下降，优先非强制行为引导；反馈层持续审计漏报惩罚、多机构交接延迟和预案覆盖率。足球场疏散和5000人疏散仿真案例证实了逻辑可行性。
**5.7. Commercial/Tourist Districts (Walking Streets, Malls, Scenic Spots)**
商业/旅游区特性为开放环境、异构人群随机行走，运营目标需平衡物理安全与商业活力，策略为“广域追踪与长短期融合”：感知层采用被动移动传感范式，边缘网关聚合蜂窝和Wi-Fi信号生成LBS热图；预测层采用分布式“长短期融合”架构，边缘部署轻量LSTM捕捉分钟级波动，云端部署Transformer（如Informer）利用迁移学习预测7-30天宏观拓扑；干预层实现动态削峰填谷，优先软干预（多渠道信息分发、激励导向路由），触发指标校准历史模式；反馈层审计时空拥堵转移惩罚、社会经济中断指数、风险成本指数、引导合规率和情绪指数。北京三里屯和旅游区案例证实了被动传感与非强制干预的可行性。
**6. Conclusions**
**6.1. Summary of Findings**
论文系统综述了智能人群风险管理生态系统的演进，强调从孤立宏观统计监测向多模态感知和仿真增强预测的集成框架转变。针对四个核心RQ：当代感知和预测技术需从孤立精度基准转向操作平衡，边缘多模态融合最优解决密度-鲁棒性-隐私三难困境，ST-GNN和Transformer虽主导短期预测但需轻量边缘部署和XAI。消除开环差距需通过多维评估分类法和层次化触发矩阵实现主动闭环。场景特定干预必须与空间拓扑对齐：交通枢纽需时空容量同步，大型活动场所需多智能体仿真引导的空间隔离，商业区需非强制行为引导。城市大脑部署路线图需优先四个战略支柱。
**6.2. Limitations of the Review**
局限包括：仅依赖WoS核心合集可能排除工程导向会议论文或灰色文献；
