大型活动人群管理系统的构建研究*

□张美华，谢科范

（1.中南民族大学，湖北 武汉 430074）

（2.武汉理工大学管理学院，湖北 武汉 430073）

○治安学研究

主持人：郭建华

大型活动人群管理系统的构建研究*

□张美华1，谢科范2

（1.中南民族大学，湖北 武汉 430074）

（2.武汉理工大学管理学院，湖北 武汉 430073）

人群管理涉及人群观察、解释、预测、决策和实施的多样化实践，它一方面依赖影像数据的检测、算法提供信息，另一方面还需依赖人群管理专家的知识和经验对复杂情况进行快速而准确的评估，以提供实时决策支持。需要构建由人群交互子系统、挖掘子系统、预测子系统和决策子系统四部分组成的人群管理决策系统模型，同时由人群管理专家参与、嵌入人群管理决策系统的运作过程，以综合各种监测手段和人群管理专家的经验为大型活动人群管理提供支持，并遵循大型活动人群管理的若干规则。

大型活动；人群管理系统；监测技术；管理专家；实时决策

人群管理是指为人群聚集事件的安全和有序发展提供系统规划和决策指导的过程，其职能主要包括调研与解释各种来源的信息、预测人群行为以及制定防范风险的干预机制。目前，为使人群管理者在早期评估局势、发现潜在问题并选择采取适当的措施，常见的人群监控策略主要是人群观察和技术监测。如警察和安保人员固定在某个位置或在人群中巡逻观察监控，以及观察监控摄像头输出的画面。这些画面信息通常包括监测给定范围内人的数量和分布、人与人之间的空间、人流流入或流出的速率、人群行为或情绪的迹象以及人群潜在问题的迹象等。其他监控系统和策略包括部署配备摄像机的直升机和无人机、自动计数系统以及在社交媒体上浏览某些关键词等。但人群管理涉及人群观察、解释、预测和决策的多样化实践，它一方面依赖影像数据的检测、算法提供信息，另一方面还需依赖人类的知识和经验对复杂情况进行快速而准确的评估，并为实时决策提供支持。现有文献主要侧重于人群的监测和实时解释，缺乏采用综合性方法对预期场景进行预测、并制定动态情况下的决策来支持实时人群管理的研究。

一、人群行为模型与人群监测技术的研究

人群容量超出硬件环境支持的能力和管理调度指挥的承受能力时，会产生风险。集群时人员密度大、人际距离近，由于循环反应或情感互动，使得人群情绪极易感染和蔓延。人群达到一定数量后的秩序消失并非是由道德、素质所造成的，而是由人与人之间正常的互动反应带来的。[1]个人层面上的人们倾向于参考其过去的经验和知识以及对情形的认知来决定自己的行为，而群体行为是突发现象，事先存在的社会结构（群体成员之间的关系）和群体规范（对彼此行为的预期）对群体行为有着显著影响（Aguirre et al，2011；Chu et al，2015）。[2][3]

为理解人群动机与行为所导致的人群风险，各界建立了多种模型，如细胞自动机、社会力模型、基于速度的模型、连续体模型、混合模型、行为模型和网络模型等。这些研究成果以不同形式呈现，从极其规范的、以科学为基础的模型（如计算机、理论物理等模型）到隐性知识认知（如从心理学、社会学等方面描述人群心理特征）等。虽然这些成果有助于更好地理解人群行为，但现有模型要么计算精度高、费用昂贵，要么计算费用低但不准确，而由于缺乏实际应用所需要的精度和效率，切实应用于人群管理的成果较少（Duives et al.，2013），[4]需要在描述性模型基础上嵌入监测技术，以优化模型并使之应用于人群管理实践（Vermuyten，2016）。[5]

国内外诸多学者研究使用技术和自动化手段来支持、增强人群管理的效率，取得了重要进展。在视频和射频分析处理人群计数、密度和流量等影像数据的基础上，Anderson et al.（2009）使用遥感数据和组合传感器，如监控摄像机、热红外摄像机、雷达和声学传感器等来检测人群的异常行为；[6]Isella et al.（2011）基于影像数据，通过可穿戴设备、身体传感器等来识别目标人群行为；[7]Martella et al.（2014）通过邻近图挖掘社交媒体以检测人的社会动态的形成过程，实现人群心理方面的观察；[8]叶志鹏等（2017）利用场景中不同区域的亮度信息来分类人群密度，并利用光流法获取人群的运动信息。[9]这些研究旨在帮助人群管理相关人员收集、预测人群运动的信息，但对人群形势评估和决策的关键过程还缺乏深入研究。

人群聚集时，群体行为变得复杂、信息交流的有效性降低，骚乱极易产生。一方面，合理规划场所、设计场馆能有效降低人群管理的成本风险；另一方面，使用正确的人群管理和控制技术可以最大程度地防控恶性事件发生的风险。在给定场馆设计的情形下，人群管理成为控制大型活动风险事件的重要途径。为尽早发现大型活动人群聚集数量超出负荷或产生拥堵等不良状态的表征信息，以便相关部门及时采取对策措施，应建立大型活动人群管理系统，为人群管理相关领域的知识、方法和技术建立连接。

二、人群管理系统模型

人群管理系统是由问题驱动的，其职能包括挖掘、预测、决策和管理人群行为。因此，其系统架构可由四个子系统构成，分别是人群交互子系统、挖掘子系统、预测子系统和决策子系统。

（一）人群交互子系统。为实际的人群和实时人群管理系统之间提供接口，包括执行器和传感器。执行器用于对人群进行干预。执行器的典型例子是可移动障碍物、交通灯、显示器和特制的智能手机应用程序等。传感器用于测量或感知人群状态，通常包括摄像头、智能手机和社交媒体等。

（二）挖掘子系统。挖掘子系统负责解释所获取人群状态的原始数据。挖掘子系统采用多种数据获取技术和方法，综合人群管理专家提供的解释，对人群进行分析。

（三）预测子系统。预测子系统负责预测人群状态。它通常包含预测模拟情况模型和生成合成数据集的模型，这些数据集随后被送入挖掘子系统进行进一步的分析。

（四）决策子系统。决策子系统包括在适当人群干预下做决策的方法和技术。它包括选择或产生干预措施，然后通过人群交互子系统中的执行器来执行。

可将人群管理系统想象成一个连续的循环决策过程。首先，人群交互子系统以连续的原始数据的形式收集关于人群状态的信息；这些数据流被送入挖掘系统，挖掘系统为管理者提供一个正在进行事件的解释（箭头1）；使用原始人群数据或其解释，预测系统理论上预测所发生的事件（箭头2和箭头3）；经解释的人群数据（箭头4）被用来选择方案，在决策子系统中为人群干预提出建议；而干预结果又能对现在的人群状态产生影响（箭头5），如图1所示。

图1 人群管理系统模型

三、人群管理系统的运作原理

（一）人群互动子系统的运作。人群互动子系统代表工具和实际人群之间相互联系的平台，其作用在于将人群状态传感到工具中。人群状态可以状态变量的集合表示，主要的状态变量包括时空变量、社会变量和心理认知变量等。

时空变量包括人群速度、人群密度、人体所占空间、位置和变化等，这些因素之间存在着相互制约的关系。社会变量包括人群构成的年龄分布、性别分布、成员关系及社会结构等。心理认知变量主要是指人群情绪、精神状态、目标和信仰等。状态变量十分复杂，确定人群状态需要大量数据资料。即使对状态变量理解得很透彻，他们的相互作用也难以测量。对于人群管理而言，监测技术和人群管理专家为识别支持人群管理所需的各种元素提供了基础。

（二）挖掘子系统的运作。挖掘子系统是指利用数据挖掘技术合理解释人群交互系统提供的原始数据。数据挖掘技术包括分类器、聚类算法、特征提取技术和信息融合算法等。比如用视频分析可提取原始的人群数据，人群特征提取原是交互系统的一部分，但随后邻近图结果的提取是挖掘系统的一部分。挖掘子系统的影响在于，通过增加一层解释，将现有人群状态的观测上升到更高的抽象层次，并将该子系统的结果通过可视化的形式展示给人群专家，以辅助决策。

比如在某大型活动中，智能手机的Wi-Fi热点等能够自动识别人们在活动现场移动的轨迹，即原始的观测数据。中央控制室的人员结合活动热点信息以及其他一些吸引因素，分析热点数据以发现热门场地、意想不到的路线或潜在的危险情况（当多个轨迹瞄准同一个地点）等。人群专家解释这些视频图像，相关人员可通过图像判断该场景是否堵塞。

（三）预测子系统的运作。预测子系统包含的工具能够预测未来人群可能的状态，它是人群管理系统的关键。预测子系统的目的是推断给定原始输入数据的后续轨迹与新的数据点，通过集成原始数据的生成和解释，即时在更高抽象层次上产生数据。它的输出将被作为解释数据，嵌入到挖掘子系统中。

预测子系统的输出依赖于所使用的仿真模型。通常情况下，通过跟踪一个模拟器的痕迹，将其输出与传感器最初捕获的数据相比，可以评估仿真模型的预测能力。比如，在人群状态下接收数据，该模型产生需要检查的输出，导致反馈进一步微调；输入——输出——反馈周期迭代直到该模型可以被预测子系统接受。比如，在某大型活动中，将各种Wi-Fi热点采集的数据作为输入，并允许管理人员分析当前形势。一方面，挖掘子系统结合热点信息以及保安人员的输入，预见可能发生的事情；另一方面，预测子系统跟踪模拟人群流动，预测人群表现，输出与事实真相不断“比较”，以提炼仿真模型。这种预测的输出往往需要挖掘子系统进一步处理，才能预测堵塞发生地点，不需要相对低级的原始数据痕迹。

（四）决策子系统的运作。人群管理系统的输出在于建议是否使用具体的干预手段，而决策子系统旨在基于一个以通用规则为基础的决策模型，将其接收的每一个场景与可能匹配的干预相关联，然后提出基于情境的、作为输出的干预行动建议。

决策子系统的运作需要评估其决策应用对给定场景的干预是否能达成目标，这些目标可能是围绕安全与公共秩序的目标，如保持人群密度在给定面积低于一定限值。假设两种情形：一种是节日舞台前的人群，另一种是等待进入节日活动举办场地的人群。对于不同场景的不同人群密度水平，需要建议用不同的干预措施以降低人群密度。对于前者，在处理舞台前高密度人群时，可通过劝阻、结束表演等方式让人们离开舞台；而对于后者，需要额外设置进出口路线、或采用单向通行、限流等方式。每种可能的情况都涉及一个或更多的干预方法，决策子系统需要丰富的规则来对应不同的信息。

为了评价决策子系统是否可行，首先需要确定干预产生的影响，这可以通过使用预测子系统中的仿真模型或挖掘实际干预产生的结果来实现。根据系统的反馈，决策模型进行调整，并进入下一个迭代直到成为合适的决策子系统。决策模型的被接受过程可能需要进行多次嵌入式迭代。如在某大型活动举办场地的通道上，有狭窄的街道和双向通行的行人流。可能需要设置障碍使行人单向移动，对应于可能需要干预的场景。情景干预被反馈到实时模拟器，根据决策目标分析模拟结果，如果系统以自动化的方式提供设置障碍信息，则干预是有效的。在实际环境中，人群管理人员向安保人员提供指令，阻拦更多的人进入这一通道。

人群管理系统通过实际决定将各子系统连接起来，并以迭代序列反映一个持续的决策过程。如为了查明关于堵塞的危险，在决策子系统参与之前，收集关于堵塞的数据，确认堵塞的发生，预测堵塞发生的其他情景，然后决策子系统确定干预措施，最后评估这些干预措施的效果。在基于场景的方法中，通过以计算机可读的格式表示方案以及当前形势，进行自动化决策后，需要再次监测实际行动及其结果，并评价它是否达到预期的效果。事实上，人群管理系统的运作就是监控、解释、预测、决策和行动五个步骤不断发生的过程。

四、人群管理专家的嵌入

有效的人群管理不能完全依赖于自动化的方法，它需要来自人群管理专家和非计算性知识的参与。一个专家往往不能外化体现他的知识，但仍能运用其知识完成专家任务。如在人群管理系统中，当我们处理视频录像时，人的解释通常要比任何一个自动分析工具的描述充分得多。设想两种情形：一是通过摄像机、Wi-Fi热点或自动传感器得到人群的数据；二是通过安全管理专员（人类的传感器）得到观察数据。实践证明，人类的专业知识对于预测人群状态贡献显著。在配备人群管理专家或安全专员的情况下，观察人群与解释观察结果可以无缝耦合的方式一起发生。

将人群管理专家引入人群管理决策支持系统对于理解和管理人群至关重要。复杂、不确定和高度动态情况下，实时情境是任何决策过程的关键。但在人群管理系统中，有些变量能够相对容易地集成于人群管理的模拟环境中，但诸如人群个体的知识和经验、活动现场的特点、天气或其他因素的影响等不容易在模拟环境中体现。对于人群专家来说，对当前形势的认识和判断有益于选择匹配的场景和适当的干预措施。随着监控信息的获取，经验丰富的人群管理者整合并解释实时信息，并通过将人群的心理模型转化为对人群情况更高级的评估状态，达到态势的感知。

在人群管理中，沟通是最关键的因素，这包括人群管理专家与人群管理系统的沟通、人群管理团队成员之间的沟通以及人群管理团队与人群本身的沟通。由此，必须构建一个坚实的指挥和控制结构，由其中央控制点（室）负责整个活动事件的人群管理。基于现场观察、Wi-Fi热点的发现、现场的沟通、个人经验以及自动计算的人群管理系统，中央控制点（室）可直接通过摄像机观察指定地点并直接调动安保团队。

如在某大型活动现场的不同地点，运用摄像机对人群进行观察，并部署Wi-Fi热点对智能手机（匿名数据）进行检测。这些检测器材提供人群行踪、人群移动速度、人群行进轨迹、人群密度等数据。安全管理人员四处巡逻对人群的流动进行监管，并以各种方式进行干预。观测数据集中在一个控制室，监管人员对视频和其他数据进行观察，自动化工具可连同其他时空指标估算不同地点人的数量和密度。现场安保人员可以不同形式发送现场人群情况的报告，如通过特殊的智能手机应用程序或呼叫控制室等。在发现特定情况后，人群管理者决定是否需要进行干预。自动支持系统会自动推断通用干预措施是否适用于该场景。人群管理者试着选择最适合当前情况的方案，然后选择相应的措施进行干预。如果没有任何准备方案适用于现状，则需要专家运用专业知识修改选定的措施或从头开始设计全新的方案。

五、大型活动人群管理20条规则建议

群体行为遵循一定的自然规律，它反映在人们的物理、生理、心理和社会需求方面，如对充足的活动空间、食物、饮水、卫生设施、安全感知以及对目的、信息、通讯交流、娱乐活动的进程感知等的需求。如果不充分考虑这些因素，当人们的焦虑累积到一定程度的时候，必定会导致灾难的发生。这就要求大型活动要选择合适的举办地，做好充足的准备，恰当地组织与管理人群，对早期征兆快速反应以及要保证信息传递与通信的顺畅。

1.大型活动最好在举行过、经历过大规模人群管理的地方举行，并保证有一些人群管理专家。

2.大型活动举行前，所有关系人应在预定时间内讨论、完成、散布和实践安全观。

3.大型活动组织管理决策过程中，应鼓励各方针对任何关键问题发表评论（即使超过了委托分析范围），反对意见应被记录并反复强调，并防止决策压力影响人们的安全与防护。

4.确保为前往活动区域及等候入场的参与者提供基础设施设备（如厕所）、基本供给物（比如食物和水）以及娱乐休闲活动。

5.大型活动必须在预期人数的基础上进行计划，而不是在容量基础上进行计划。

6.考虑到巨大人流变化的可能性，需要进行人流流入与流出的数量和去处的分析，应避免让人滞留在外或延迟入内的组织观。

7.阻碍物分析极其重要，需考虑如何移开如彩车、摊点等类似的障碍物，应为救护车辆及应急行动保留一定的道路空间。

8.可利用装配有计算机模拟程序的软件对人流的汇流点、转弯点以及交叉点进行分析，识别人群集聚地，但需注意到这些软件无法应对所有的关于人群组织的挑战。

9.应去除临界点。必须反复核实在不利条件下，人群管理措施是否能顺利地解决存在的问题。

10.应提前预测安全边际（如容量储备），制定并演练详细的应急方案。

11.应分析复杂因素的相互作用、副作用以及连锁效应。快速反应往往是决定应对措施有效性的关键，必须及时反应以免问题变得更加严重；应实行合适的控制策略以阻止相互作用及连锁效应。应始终保证充足的安全及急救人员，以尽早减轻或消除问题。应通过监控视频持续监督和应用相关软件进行实时分析。

12.必须做好对潜在关键地区进行人流减压与疏散的准备，在人群过度拥堵之前进行人群疏散。

13.应避免人流交叉。不同方向的人流应尽量分开。在很多情况下，让人们保持走动（如改变行进路线）比让他们停下来更安全，循环流动群体最好选择其他路线。

14.应认真考虑防护栏的作用。在使用防护栏来控制大量人群时，防护栏可能并没有用，甚至可能会变成障碍物而造成危险的局面，使情况恶化。

15.应设置充分的现场提示和正确醒目的标示，建立高效的信息沟通机制以及制定合理的入场和退场疏导规则。

16.态势感知与良好的沟通极为关键。必须保证在任何相关地点关于相关因素的信息都能快速反馈，在不同参与人员与机构（组织者、警察、急救队员、人群）之间建立高效的信息流。

17.可考虑赋予警方、急救人员和安保人员更多的自主决策权及责任感，特别是联系中断或需要快速反应的时候。

18.有效的技术层与组织层之间的交流联系是查明、避免、解决紧急情况的关键，也是减少不良相互影响及阻止危险的连锁效应的关键。

19.持续、反复地评估、检验情势分析的合理性，全面考虑可能的备选方案；遇到问题时，应实施相应的应急方案。

20.积极传播安全文化，提醒每个人问题可能会随时发生，并尽可能对各种意外情况（包括天气突变）做好准备。

有效的人群管理在于潜在人群行为的预期分析质量和干预措施的有效性，这需要人群管理团队使用多学科的方法实现，包括活动组织者、人群管理专员、警察、急救人员、当地政府、交通管理人员以及各类专家等多方面的工作，也需要各种监测手段为人群管理提供决策支持。毫无疑问，事先计划是人群管理的关键，但利用人群管理系统关注实时人群情况，监控、预测并做出干预决策同样重要。急需培养、发挥人群管理专家的集成技术（评估复杂的情况）和计算能力（在短时间内获取、加工和过滤大量信息），使安全管理专员能够快速反应、寻求和连接到相关人群决策模型，从而确定他们在任务链内的工作重点，为实际的人群管理提供运营支持。

[1]Beltaief O.，Hadouaj S.E.，Ghedira K.Simulation model of pedestrians swarm in evacuation situations[J].International Journal of Computer Applications in Technology，2017，55（1）.

[2]Aguirre B.E.，Torres M.R.，Gill K.B.，Hotchkiss H.L.Normative collective behavior in the station building fire[J].SocSci Quart，2011，92（1）.

[3]Chu M.L.，Parigi P.，Latombe J.C.，Kincho H.Simulating effects of signage，groups，and crowds on emergent evacuation patterns[J].AI&Soc，2015，30.

[4］Duives D.C.，Daamen W.，Hoogendoorn S.P.State-of-theart crowd motion simulation models[J].Transportation research part C:emerging technologies，2013，37.

[5]Vermuyten H.， Belien J.，Boeck D.L.，et al.A review of optimization models for pedestrian evacuation and design problems[J].Safety science，2016，87.

[6]Anderson B.D.，BelhumeurP.N.，Eren T，etal.Graphical properties of easily localizable sensor networks[J].Wireless Networks，2009，15（2）.

[7]Isella L.，Stehle J.，Barrat A.，et al.What's in a crowd?Analysis of face-to-face behavioral networks[J].Journal of theoretical biology，2011，271（1）.

[8]Martella C.，Steen V.M.，Halteren A.，et al.Crowd textures as proximity graphs[J].IEEE Communications Magazine，2014，52（1）.

[9]叶志鹏，刘鹏，赵巍，唐降龙.视频场景人群运动异常状态检测[J].智能计算机与应用，2017（4）.

C931

A

1674-3040（2017）06-0060-05

2017-10-01

张美华，中南民族大学管理学院副教授，博士，主要研究方向为机制设计理论与应用、运营管理；谢科范，武汉理工大学管理学院教授，主要研究方向为风险管理、科技管理。

*本文系国家社会科学基金重点项目“大规模人群踩踏事件的预警预控及应急疏散研究”（项目编号：No.15AGL021）和中央高校基本科研业务费专项资金项目（项目编号：No.CSY16004）的研究成果。

郭建华）