主导区域级智慧停车平台全生命周期架构设计与技术落地，统筹物联网感知、数据中台、业务应用三层技术栈，协同交通、城管部门完成需求转化，支撑10+区县停车资源联网与智能调度，保障系统与市级城市大脑平台高效对接。

• 主导设计“感知-传输-计算-应用”四层技术架构，针对老旧停车场信号覆盖弱痛点，创新采用LoRaWAN+5G双模物联方案，通过OPC UA协议打通地磁、高位视频、道闸等9类停车设备，将设备接入率从78%提升至95%，单设备数据延迟从3秒压缩至800ms以内，支撑全市8.2万个车位实时状态采集。
• 构建基于Spark Streaming的实时数据处理中台，结合ArcGIS API for JavaScript时空引擎，实现车位状态秒级更新与动态路径规划算法，联动高德地图开放平台输出诱导信息，试点区域（覆盖32个商圈）平均找位时长从12分钟降至4.5分钟，用户APP端投诉率下降62%。
• 破解多部门数据孤岛问题，设计符合GDPR的脱敏规则库（涵盖车主手机号、车牌、停车轨迹等12类敏感数据），通过Flink CDC实现与公安交管、城管执法系统的数据同步，支撑违停联合执法场景，月均协同处置违停事件从1200件提升至3500件，跨部门响应时效从4小时缩短至2.5小时。
• 牵头编制《区域智慧停车系统技术规范》（含设备接入标准、数据接口规范、安全防护要求），被纳入市级新型智慧城市建设项目参考模板，推动3家生态厂商按规范改造设备，后续集成成本降低28%，成为省内首个区县级停车系统标准化示范案例。

参与市级智能交通平台建设，聚焦停车管理模块需求分析与技术实现，负责前端交互开发、后端接口设计及基础功能落地，支撑停车诱导、电子支付等核心功能上线。

• 独立完成停车诱导系统前后端开发（Vue.js+Spring Boot），对接路侧地磁设备数据，实现剩余车位数实时展示与热力图渲染，上线后试点路段（北京路-南京路）车位周转率从1.8次/日提升至2.3次/日，用户通过诱导屏找到车位的成功率从58%提升至82%。
• 优化电子支付链路，引入微信/支付宝免密支付SDK并重构对账逻辑，解决高峰期支付超时问题（原超时率8%），将支付成功率从91%提升至98.5%，月均减少人工收费差错导致的投诉15起以上，年度节省运维人力成本约12万元。
• 参与制定《停车数据采集标准V1.0》，梳理包含车位状态、进出时间、用户停留时长等12类字段的字典，支撑后续大数据分析建模，为分时段差异化定价策略提供数据基础，试点区域夜间（20:00-7:00）车位利用率从45%提升至68%。
• 主导完成与市级交通大数据平台的初步对接，通过RESTful API同步停车流量数据，支撑交通拥堵指数计算模型优化，相关成果在季度考核中获“技术创新奖”。

协助完成智能交通基础平台部署与维护，参与小型项目需求调研与文档编写，积累物联网设备集成、数据处理及跨团队协作经验。

• 协助部署城市级物联网关设备（共50台），使用WinSCP完成配置文件传输，配合Zabbix监控平台设置设备在线率告警阈值（99%），保障试点区域200+地磁设备稳定运行，设备月故障率控制在1.2%以内，获运维部门“优秀协作奖”。
• 参与停车需求专项调研，使用SPSS分析1000+份车主问卷数据，识别“找位耗时”“缴费排队”为核心痛点，输出《停车服务优化建议报告》，其中3项建议（如增加临时车位电子围栏）被纳入首期平台功能规划。
• 编制《系统操作手册》与《常见问题排查指南》（覆盖设备调试、数据查询、简单故障处理），降低一线运维人员培训成本，新员工独立处理基础问题时间从7天缩短至3天，团队人效提升40%。

某地级市‘城市运行体征感知与智能决策平台’一期项目

• 项目背景：该地级市原有城市管理体系存在‘数据孤岛（12个部门数据未打通）、体征模糊（原有指标零散无法反映整体运行）、决策滞后（应急响应平均延迟2小时）’三大痛点，需构建‘全量数据融合-动态体征监测-智能决策支撑’的一体化平台，支撑‘十四五’新型智慧城市建设目标。我的总体职责是主导项目全生命周期管理，包括需求调研、方案设计、跨部门协调及落地交付。
• 关键难题与技术路径：①跨部门数据打通难——12个部门数据标准不统一（如公安‘人口库’与民政‘低保库’字段差异达40%），且涉及隐私顾虑；②体征体系不科学——原有指标多为单一部门KPI，未关联城市整体目标；③实时分析性能瓶颈——海量IoT数据（日均500GB）下，传统架构响应延迟超15分钟。针对数据问题，采用‘主数据管理+联邦学习’框架，制定《城市运行数据共享元标准》，在不共享原始数据的前提下实现跨域模型训练；体征体系设计上，运用‘战略解码+KPI树’方法论，结合城市‘安全、效率、生态、民生’四大战略目标，梳理出4大维度32个核心指标（如‘暴雨内涝风险指数=降雨量×管网拥堵率×周边人口密度’）；实时性能优化中，基于Apache Flink搭建流批一体计算引擎，结合Redis热点数据缓存，将响应时间压缩至1分钟内。
• 核心行动与创新：牵头组织6次跨部门数据治理委员会会议，推动出台《城市运行数据共享管理办法》；带领团队完成3轮指标验证，访谈20+基层工作人员调整权重（如将‘公交准点率波动值’权重从5%提升至12%，更贴合民生感知）；针对实时计算延迟，对比Spark Streaming与Flink的技术特性，最终选择Flink的低延迟算子（如ProcessFunction），并通过数据分区优化（按区域划分并行任务）提升吞吐量。
• 项目成果与价值：平台覆盖12个部门、80+数据源，数据融合率从35%提升至82%；应急响应时间缩短40%（暴雨预警从2小时提前至30分钟，内涝处置效率提升50%）；被省住建厅列为‘省级智慧城市示范项目’，直接推动公司获取项目二期1200万元订单。我的贡献在于主导方案设计与跨部门协同，解决了数据孤岛与实时决策的核心痛点，指标体系被纳入《该市智慧城市建设技术标准（2024版）》。

某区‘智慧城管’精细化管理系统升级项目

• 项目背景：该区原智慧城管系统依赖人工巡查（日均投入120人次），问题发现滞后（平均上报时间2.5小时），处置流程不规范（派单错误率达20%），结案率仅70%。目标是升级系统为‘主动发现-智能派单-闭环考核’的精细化管理体系，支撑‘城市管理精细化’考核指标。我的职责是担任技术负责人，主导AI智能分析、流程自动化及考核机制设计。
• 关键难题与解决方案：①智能分析准确率低——原有YOLOv3模型对本地特有场景（老城区乱堆物、城乡结合部违规广告）识别准确率仅60%；②流程自动化不足——派单依赖人工判断，易出错；③考核机制粗放——仅以‘结案数’评价部门，未关注问题根源。针对智能分析，采用‘迁移学习+小样本训练’，采集5000+张本地场景图片微调YOLOv5模型，准确率提升至89%；流程自动化上，运用BPMN2.0建模，结合RPA机器人自动提取问题特征（如‘乱堆物’的形状、位置），匹配责任部门，派单准确率从75%提升至95%；考核机制优化中，引入平衡计分卡（BSC），设置‘问题发现率’‘处置及时率’‘复发率’3个维度，推动区政府出台《智慧城管考核办法》。
• 核心行动与突破：带领算法团队完成4轮模型迭代，针对老城区‘乱堆物’场景补充训练数据；与业务部门联合梳理12类城管问题的处置流程，优化RPA规则引擎（如‘违规广告’自动关联‘城市管理综合执法局’责任节点）；设计考核指标时，推动将‘复发率’纳入部门绩效，倒逼源头治理。
• 项目成果与价值：系统上线后，问题发现率提升60%（日均发现问题从80件增至128件），结案率提升至92%，复发率下降35%；人工巡查成本降低30%（日均投入降至84人次）；成为区‘精细化管理标杆项目’，我个人因主导技术突破与业务落地，晋升为资深经理，获得公司‘年度优秀项目负责人’称号。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。