主导杭州市余杭区区域级智慧停车系统的技术架构设计与全生命周期落地，衔接区政府“城市静态交通大脑”监管需求与路侧停车、商圈停车场等多场景运营，统筹数据治理、算法优化及系统高可用保障

• 主导设计基于“云-边-端”协同的智慧停车系统架构，采用Spring Cloud Alibaba微服务框架搭建核心业务中台，整合路侧单元（RSU）、高位视频桩、地磁传感器等5类终端设备，实现1200+路侧泊位、3个商圈停车场的实时数据采集与状态同步，解决了早期单点故障导致的“数据孤岛”问题，系统全年可用性从92%提升至99.95%
• 针对政府“停车资源一张图”监管需求，牵头构建停车数据治理体系：运用Apache Kafka实现秒级数据流处理，结合Apache Atlas完成8类停车资源（路侧、商圈、小区、医院、学校、园区、公共停车场、临时占道）的数据血缘追踪与质量管控，制定《余杭区智慧停车数据标准》，数据准确率从85%提升至98.5%，直接支撑区政府每月向杭州市交通局报送的《静态交通运行分析报告》
• 优化停车泊位预测算法模型，基于XGBoost与LSTM融合算法，整合历史停车数据、时段流量、周边商圈活动、天气等12维特征，将余杭区CBD商圈300米范围内泊位命中率从68%提升至82%，推动合作停车场日均周转率提高25%，间接增加运营方月收入约18万元
• 统筹系统容灾与性能优化：采用Redis Cluster实现热点数据（如实时空车位、无感支付记录）缓存，结合JMeter、Gatling进行全链路压力测试，识别并解决晚高峰（17:00-19:00）API响应超时问题——将平均响应时间从800ms压缩至180ms以内，支撑“无感支付”功能上线后日均15万笔交易零宕机，用户支付成功率从95%提升至99.2%

负责宁波市鄞州区智慧停车系统从0到1的架构搭建与初期运营，衔接鄞州交警“静态交通治堵”专项需求，聚焦路侧停车智能化改造与前端设备适配

• 主导鄞州区路侧停车“无人化”改造的架构设计：选用NB-IoT低功耗物联网技术部署520+智能停车桩，结合华为Atlas 200边缘计算网关实现设备状态本地预处理（如电量监测、信号强度预警），减少云端数据传输量30%，解决了早期ZigBee技术覆盖范围有限（仅100米）、功耗高的问题，设备在线率稳定在99.1%以上
• 设计“停车+执法”联动模块：采用Drools规则引擎对接鄞州交警“智慧交管”平台，将路侧视频桩抓拍的违停数据（含车牌、时间、地点、照片）自动推送至执法端，附带“违停时长、影响路段”分析标签，实现“发现-审核-处罚”全流程自动化，违停处置效率提升42%，助力鄞州区2022年静态交通违法率较2021年下降25%
• 搭建系统原型验证平台：运用Docker Compose容器化部署微服务组件（用户中心、设备管理、订单系统），支持快速迭代验证“预约停车”“跨场域结算”等新功能，将功能从需求评审到上线的时间从30天缩短至14天，支撑鄞州区在2022年全国文明城市考核中获得“静态交通管理优秀案例”
• 对接第三方生态：设计符合RESTful规范的API接口，实现与支付宝、高德地图的平台对接——用户可通过高德地图查询鄞州区实时车位、预约停车并完成支付，上线后高德地图鄞州区车位查询点击率提升38%，合作停车场线上支付占比从65%提升至94%

参与温州市鹿城区智慧交通平台的停车模块架构设计，负责前端设备数据接入与基础功能开发，为后续智慧停车系统升级奠定技术基础

• 参与鹿城区智慧交通平台停车模块架构设计：采用SSH（Struts2+Spring+Hibernate）框架搭建后端服务，实现路侧停车手动录入数据与前端POS机的对接，完成110+路侧泊位的初始数据采集，支撑平台初期“停车资源查询”“收费标准公示”功能的上线
• 优化数据传输稳定性：将原有的HTTP短连接协议改为MQTT 3.1.1长连接，增加心跳包机制与重连策略，解决早期设备因信号波动导致的频繁离线问题，数据丢包率从15%降至1.8%，提升了平台数据的完整性
• 协助开发“停车收费统计”模块：运用MySQL建立数据仓库，设计“按区域、按时段、按停车场”三维统计报表，支撑鹿城区交通局每月进行收费情况汇总与分析，将人工统计时间从3天缩短至8小时，工作效率提升87%
• 参与设备兼容性测试：针对鹿城区不同厂商的路侧停车设备（如科拓、捷顺），制定统一的设备接入协议（JSON格式+MQTT传输），解决多品牌设备无法互联互通的问题，为后续全区设备标准化改造积累了经验

某新一线城市智慧水务全域感知与智能决策中枢建设项目

• 项目针对该城市水务系统“管网漏损率高（15%）、应急响应滞后（平均45分钟）、跨部门数据割裂”三大痛点，以“全域感知-精准建模-智能决策”为核心目标，我作为技术负责人牵头统筹感知层设备接入、数据中台构建及决策模型开发全流程，对齐自来水公司、应急管理局、排水管理处3类用户需求。
• 关键难题包括：①12类300+物联网传感器（来自5家厂商）的数据异构问题，无法实现实时融合；②管网老化导致的物理模型精度不足，漏损预测准确率仅70%；③应急场景下多部门决策规则不统一，缺乏自动化协同机制。我针对性引入“边缘计算+联邦学习”架构解决数据隐私与融合问题，选用TensorFlow框架结合历史漏损数据（10年、500万条）与管网GIS拓扑数据训练梯度提升树模型，同时参考《城市供水管网漏损控制及评定标准》（CJJ92-2016）搭建多部门决策规则引擎。
• 我主导完成3项核心行动：1）制定《智慧水务物联网设备接入技术规范》，通过边缘端预处理将数据格式统一率提升至100%，实时传输延迟降至2秒内；2）构建管网数字孪生高精度模型，融合声波检漏、压力监测等8类数据，将漏损预测准确率提升至92%；3）联动11个部门梳理18类应急场景（如爆管、水质超标），定义“事件分级-责任部门-处置动作”映射关系，嵌入决策引擎实现自动化派单。
• 项目成果：①管网漏损率从15%降至8%，年节约自来水供应成本约2000万元；②爆管等应急事件响应时间缩短40%（至27分钟），2023年重大爆管事故数量较2021年下降30%；③形成《城市智慧水务决策中枢建设指南》，被纳入该市水务局标准化体系。我个人贡献占比超60%，覆盖技术方案设计、团队管理及跨部门协调全环节。

某地级市智慧城管事件智能分拨与处置闭环项目

• 项目针对该城市城管事件“人工分拨准确率低（65%）、多部门推诿、处置时长超标准（平均6小时）”问题，目标是构建“事件识别-智能分拨-处置跟踪-效果评估”全闭环系统，我作为方案负责人牵头需求调研、流程设计与系统落地，对接城管执法局、环卫处、市政工程处等5个核心部门。
• 难点在于：①城管事件类型分散（涵盖市容、环卫、市政等8大类），缺乏统一分类标准；②部门间职责边界模糊，15%的事件存在“多头管”或“无人管”情况；③传统系统仅支持事后统计，无法实时监控处置进度。我采用NLP技术提取12345热线、APP上报事件的关键词（如“道路积水”“违规广告”），结合《城市管理执法办法》构建事件分类知识库；通过知识图谱映射30+部门职责，解决权责不清问题；同时集成RPA技术实现跨系统自动派单。
• 我主导3项关键行动：1）梳理200+细分事件类型，制定《智慧城管事件分类与编码标准》，统一各部门认知；2）构建“事件-职责-部门”知识图谱，覆盖95%以上常见事件的责任主体；3）对接11个业务系统（如GIS、视频监控、处置反馈平台），实现事件从上报到结案的全链路可视化。
• 项目成果：①事件分拨准确率从65%提升至92%，人工干预率下降70%；②一般事件处置时长缩短50%（至3小时内），超时率从18%降至5%；③年减少城管部门人工分拨与跟踪成本约300万元。项目推动该市城管考核指标进入全省前三，我负责方案的落地执行与迭代，积累了“业务标准-技术实现-用户反馈”闭环的早期经验。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。