主导区域级智慧停车平台全生命周期架构设计与落地，衔接政府交通管理部门、停车场运营方及市民三方需求，整合路内路外停车资源，保障系统高可用、低延迟及数据安全，支撑城市静态交通智能化治理

• 主导某地级市智慧停车平台架构设计，基于AWS云原生架构与Spring Cloud Alibaba微服务框架，搭建“感知-传输-计算-应用”四层体系；针对路内地磁传感器、路外POS系统、公安卡口数据等多源异构数据融合难题，设计Kafka消息队列实现实时数据分发，HBase存储历史轨迹数据、Redis缓存热点车位状态，将数据同步延迟从15秒压降至1秒内，支撑日均120万条数据处理，满足政府实时监控与运营方动态调价需求
• 针对晚高峰（19:00-21:00）系统查询卡顿问题，使用JProfiler进行性能 profiling，定位到车位状态查询SQL瓶颈（未命中索引+重复查询）；优化联合索引（车位ID+时间戳）与覆盖索引，同时引入Redis集群缓存TOP1000热点车位数据，将查询响应时间从800ms降至200ms内，系统吞吐量提升40%，支撑节假日停车高峰场景稳定运行
• 推动平台与市交通局“智慧交通大脑”集成，遵循RESTful API与OpenAPI 3.0规范，解决跨域、数据格式不一致问题；制定JSON Schema数据同步协议，实现停车泊位利用率、周转率等12项指标实时推送，支撑政府部门调整3条主干道限行方案，试点区域拥堵指数下降18%，获交通局书面感谢
• 构建数据安全防护体系，针对市民车牌、停车轨迹等敏感信息，采用AES-256加密存储、RSA加密传输；邀请第三方机构开展渗透测试，修复SQL注入、XSS等3个高危漏洞，系统通过网络安全等级保护三级认证，保障数据合规性与用户隐私

负责城市智能交通管理系统停车管理模块设计与实施，聚焦技术攻坚解决传统停车效率痛点，支撑市级交通拥堵治理项目落地

• 核心参与市级智能交通平台停车管理模块开发，采用LoRa低功耗物联网技术与ArcGIS Server GIS引擎，部署1.2万个路内地磁传感器，实现停车状态实时监测；替代传统人工巡检模式，试点区域人工巡检频次从每日4次降至1次，停车费收缴率从75%提升至92%，降低运营成本约30%
• 优化停车诱导系统算法，结合Dijkstra最短路径算法与实时路况数据（对接高德地图API），在“城市通”APP上线实时车位推荐功能；试点区域市民平均停车寻找时间从12分钟降至5分钟，APP用户月活从8万增长至15万，市民满意度调研得分提升25分
• 对接12家停车场运营方系统，制定统一数据标准（车位状态、收费标准、空闲时段），通过WebService接口实现数据互通；整合200多个停车场、3.5万个泊位数据，上线“全城车位一键查”功能，上线3个月用户注册量达5万，成为当地出行必备工具

参与政务信息化项目开发，聚焦数据整合与前端的可视化展示，为后续转向智慧停车架构积累技术与业务基础

• 开发政务数据共享平台前端界面，采用Vue.js与Element UI实现跨部门数据可视化；对接公安、民政、人社3个部门数据，解决数据孤岛问题，部门间数据查询时间从半天缩短至5分钟，支撑“一站式”政务服务办理，获市政府“政务信息化先进项目”表彰
• 优化数据同步工具，使用Python Pandas进行数据清洗、Scrapy框架自动化采集第三方数据（气象、人口）；将数据同步准确率从85%提升至98%，每月节省人工录入时间约200小时，降低运营成本约15%
• 参与“出生一件事”联办项目需求分析，将政务业务流程转化为技术方案；实现出生医学证明、户口登记、医保参保等5个环节数据自动流转，市民办事环节从5个减至2个，材料提交量减少60%，获得市卫健委“便民服务优秀案例”称号

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。