Überwachungssysteme für städtische Flüsse spielen weltweit eine wichtige Rolle bei den Bemühungen um intelligente Städte. Allerdings verursachen die allgegenwärtigen Bereitstellungen von Überwachungsgeräten, wie etwa CCTV-Kameras, langfristig enorme Kosten für Wartung und Betrieb. Dies deutet auf die Notwendigkeit einer Technologie hin, die die Anzahl der bereitgestellten Geräte reduzieren kann, ohne dass sich dies negativ auf die Genauigkeit und Feinheit der Daten auswirkt. In dieser Arbeit zielen wir darauf ab, in Echtzeit und mit hoher Feinheit die Menschenströme in einer Stadt basierend auf grobkörnigen Beobachtungen zu erfassen. Diese Aufgabe ist wegen zweier Gründe herausfordernd: der räumlichen Korrelation zwischen grobkörnigen und feinkörnigen städtischen Flüssen sowie der Komplexität externer Einflüsse. Um diese Probleme anzugehen, entwickeln wir eine Methode namens UrbanFM, die auf tiefen neuronalen Netzen basiert. Unser Modell besteht aus zwei Hauptkomponenten: 1) einem Inferenznetzwerk zur Generierung feinkörniger Flussverteilungen aus grobkörnigen Eingaben durch Verwendung eines Merkmalsextraktionsmoduls und eines neuartigen Verteilungsupsampling-Moduls; 2) einem allgemeinen Fusionsunternetzwerk zur weiteren Steigerung der Leistung durch Berücksichtigung der Einflüsse verschiedener externer Faktoren. Ausführliche Experimente mit zwei realen Datensätzen, nämlich TaxiBJ und HappyValley, bestätigen die Effektivität und Effizienz unserer Methode im Vergleich zu sieben Baseline-Verfahren und zeigen die Standarte-Setzung unseres Ansatzes beim Problem der feinkörnigen städtischen Flussinferenz.