一、方向简介

大客流安全研究面向车站、机场、地铁、景区、体育场馆及大型活动现场等高密度人员聚集场景，重点关注人群聚集、流动、拥堵、踩踏风险及突发事件下的安全保障问题。该方向围绕多源异构数据感知、客流状态识别、时空分布建模、异常行为检测、风险预警与应急疏导等关键环节展开，综合运用视频智能分析、物联网感知、时空大数据挖掘与人工智能预测等技术，构建从实时监测、动态研判到辅助决策的技术体系。通过研究大客流演化规律与安全风险形成机制，可为公共场所精细化管理、重大活动安保、城市运行安全和应急联动处置提供支撑，提升复杂环境下人员密集场所的风险防控能力和安全治理水平。

二、核心研究内容

人群密度检测与客流统计

      面向车站站厅、站台、通道、场馆出入口等高密度人群聚集区域，利用视频监控、边缘感知设备、Wi-Fi探针及物联网传感器等多源数据，开展人群密度识别、客流计数与时空分布分析研究。通过构建实时感知与动态统计模型，实现重点区域客流变化趋势监测、峰值识别及人员流动规律挖掘，为现场限流组织、设施调度和安全管理提供精准数据支撑。

外滩区域某时刻客流状态

密度回归型人群计数模型所输出的密度图

      课题组围绕复杂城市环境中的人群密度检测与客流统计问题，重点研究多源异构数据驱动的精细化感知方法。针对传统视觉计数受遮挡、视角变化影响较大的局限，构建了以深度学习为核心的摄像头密度估计模型，实现人群空间分布的连续表征；同时引入LBS定位信令数据，对区域客流规模进行宏观建模。进一步通过时空对齐、路段映射与参数标定机制，建立视觉信息与位置数据的协同融合框架，实现微路网尺度下的人群密度识别与动态客流统计，为智慧城市治理和公共安全管理提供技术支撑。

数字孪生与仿真推演

      围绕交通枢纽、场馆园区及大型公共空间，构建物理场景与虚拟空间同步映射的数字孪生系统，实现人员分布、设施状态与运行过程的实时可视化表达。基于多智能体建模与仿真技术，开展客流组织优化、突发事件疏散推演及应急预案评估研究，提前验证不同管理策略效果，提升复杂场景下安全保障与协同指挥能力。

课题组构建南京东路-外滩区域大客流仿真预测智能体

课题组围绕数字孪生与仿真推演方向，聚焦复杂场景下的人群动力学建模与智能安全管控，形成了"虚实映射—行为感知—态势推演"的研究体系。在行人微观行为刻画方面，团队融合多模态感知数据与语义轨迹分析技术，构建了面向恐慌情绪的实时识别模型，实现了对异常行为演化规律的精准捕捉；在仿真推演层面，建立了耦合物理接触力与情绪传播机制的人群动力学模型，突破了高密度场景下运动状态高精度还原的难题。针对交通枢纽等典型场景，团队深入探究了行人-行李耦合运动规律及扰动传播机制，为数字孪生系统的实时镜像与风险预警提供了核心理论支撑。同时，团队积极推动技术转化，将虚实融合仿真方法应用于高危作业实训与应急演练，助力安全培训模式的智能化升级。