1. 平台定位：从"看热力图"到"演一遍再决策"

大型活动人群安全管控长期存在三个痛点：看不见（只有二维热力图，缺乏空间感）、算不准（统计模型无法刻画个体行为）、来不及（预案靠经验，事发才反应）。

本平台以个体级人群行为仿真为核心，叠加三维数字孪生沙盘与多智能体协同，把"事后处置"前移为"事前推演"。一句话概括：决策之前，先在三维沙盘里演一遍。

维度	传统方案	本平台
人群建模	网格密度统计	个体级智能体（社会力模型）
态势呈现	二维热力图	三维孪生 + 高度场热力
预案验证	经验判断	三维沙盘并排推演对比
指令下达	电话/对讲	三维场景点击指派 + 可视化流转
现场作业	纸质方案	AR 实景叠加 + 移动端三维任务

2. 总体架构

3. 四类角色端能力矩阵

角色	核心诉求	关键能力	典型场景
指挥员	全局态势与决策	三维驾驶舱、沙盘推演、协同调度、应急告警	散场前 30 分钟预演限流方案
现场安保	快速到位与执行	AR 实景辅助、移动端三维任务、安全协同	通道拥堵点 AR 导航到位
观众	引导与避险	三维导航、避堵建议、紧急疏散指引	散场避堵路线推荐
管理员	平台治理	孪生底座管理、生成式情景、权限审计	一句话生成极端情景并批量仿真

4. 指挥员端：三维态势驾驶舱

4.1 核心能力

• 场馆三维孪生底座（看台 / 通道 / 出入口 / 舞台 / 周边道路）
• 个体级人群行为仿真（社会力模型 + 智能体寻路）
• 人群密度三维热力渲染（色阶 + 高度场）
• 瓶颈点自动识别与三维脉冲高亮
• 时间轴推演（入场 / 散场 / 突发三态切换）

4.2 密度分级与响应策略

密度等级	人员密度（人/㎡）	三维表现	响应动作
舒适	< 1.0	蓝色低矮热力	常规监测
关注	1.0 ~ 2.0	黄色热力抬升	加密视频巡检
预警	2.0 ~ 3.5	橙色高度场 + 脉冲	启动分流预案
危险	> 3.5	红色脉冲 + 柱状动画	强制限流 + 应急联动

4.3 沙盘推演对比示例

预案	预计疏散时长	峰值拥堵点	风险评分	结论
A：全开 8 个出口	12 min	北侧主通道	62	可用
B：分批放行 + 6 出口	15 min	无明显瓶颈	38	推荐
C：单向循环引导	18 min	东侧楼梯	55	备选

5. 现场安保端：AR 实景管控

// AR 实景叠加：将仿真密度数据锚定到真实空间
async function overlayDensityOnAR(anchorId, densityData) {
  const anchor = await arSession.resolveAnchor(anchorId);
  const layer = new DensityLayer({
    position: anchor.position,
    colorScale: ['#2E86FF', '#FFD400', '#FF7A00', '#FF2D2D'],
    heightField: true,
    pulseThreshold: 3.5
  });
  layer.update(densityData);
  arSession.addLayer(layer);
  return layer.id;
}

功能	输入	输出	时延要求
AR 密度叠加	手机位姿 + 仿真数据	实景热力层	< 300 ms
AR 导航	目标管控点	实景箭头 + 距离	< 500 ms
事件上报	拍照 + 定位	三维标注事件	实时
人流计数	现场计数	仿真联动更新	< 2 s

6. 观众端：三维引导与避险

场景	引导方式	数据来源
入场找座	三维场馆导航	票务座位 + 孪生模型
散场避堵	动态路线规划 + AR 步行指引	实时密度仿真
紧急疏散	三维指引 + 语音播报	应急预案推演结果
事件上报	拍照 + 位置标注	观众端上报

7. AI 智能体层

# 问答研判智能体：自然语言 → 三维高亮回答
class SituationQAAgent:
    def __init__(self, twin, simulator, llm):
        self.twin = twin
        self.simulator = simulator
        self.llm = llm

    def answer(self, question: str, context: dict):
        intent = self.llm.parse_intent(question, context)
        if intent.type == "bottleneck_query":
            result = self.simulator.predict_bottleneck(
                time_window=intent.time_window,
                region=intent.region
            )
            return {
                "text": self.llm.summarize(result),
                "highlight": result.region_ids,   # 三维高亮区域
                "camera": result.suggest_camera    # 自动运镜
            }
        return {"text": "暂不支持该问题类型"}

智能体	触发方式	核心能力	输出形态
人群仿真智能体	票务/人流阈值触发	多情景推演 + 风险评级	三维仿真结果 + 建议
调度管控智能体	自然语言指令	多目标优化调度	三维动画预演
问答研判智能体	语音/文本提问	多轮指代理解	三维高亮 + 简报
多模态交互	语音 + 手势	驾驶舱操控	三维标注反馈

8. 技术支撑与创新点

8.1 技术栈

层次	关键技术
仿真引擎	社会力模型、智能体寻路、GPU 并行
三维渲染	实时热力高度场、光追阴影、粒子流动
数字孪生	BIM + GIS + 视频 + 物联融合
生成式	大模型驱动情景与预案生成
空间计算	AR 空间锚定、虚实叠加

8.2 创新点

• 个体级仿真：每个人都是智能体，而非统计热力图上的一个像素
• 生成式情景：一句话生成"满场 + 暴雨散场"等极端情景并推演
• 沙盘对比决策：多套预案并排 3D 对比，决策前先"演一遍"
• 三维协同管控：任务在场景中流转，可视可溯
• AR 实景管控：虚实叠加辅助一线作业

9. 总结

平台以仿真为脑、孪生为眼、智能体为手，把大型活动人群安全管控从"被动响应"升级为"主动推演"。核心价值在于：让每一次决策，都先在三维沙盘里安全地失败一次。