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。