负责城市级智慧停车系统全栈架构设计与技术落地，统筹路内/路外泊位感知设备接入、多源数据治理及应用层功能开发，保障系统高并发、低延迟运行，支撑政府部门静态交通决策与市民出行服务。

• 主导三代路内停车感知网络架构迭代，针对高位视频设备（海康威视AI球机）与地磁传感器（艾科智联EZ-MAG）异构数据融合难题，设计基于Kafka消息队列的秒级数据同步链路，结合Flink实时计算引擎优化车位状态判断算法（引入滑动窗口去重策略），将数据准确率从97.3%提升至99.2%；试点区域（福田区2000+泊位）上线后，日均周转率从2.1次/日提升至2.88次/日，超年度目标18%。
• 牵头构建停车数据中台，基于Hadoop 3.3+Spark 3.4技术栈整合交管违停数据、城管执法数据、第三方支付流水等8类外部数据源，设计「泊位资源-用户行为-收费交易」三大主题域模型，制定23条数据质量校验规则（含空值率≤0.5%、时间戳偏差≤30s）；推动中台与市级政务云数据湖对接，数据可用率从82%提升至96%，支撑运营团队动态调整重点商圈泊位定价策略，试点区域夜间错峰停车利用率提升41%。
• 对接市交通局「智慧交通大脑」平台，采用OpenAPI 3.0标准封装12个标准化接口（含余位查询、收费明细、异常告警），实现与公安交警「一键挪车」系统、支付宝「城市服务」入口的深度联动；推动建立跨部门数据共享机制，月均接口调用量超52万次，相关成果获市大数据管理局「2024年度优秀数据共享案例」表彰。
• 攻克大并发场景下的性能瓶颈，针对早高峰8万+用户同时查询余位的场景，采用Redis Cluster缓存热点泊位数据（TTL动态调整为5-15分钟），结合Nginx负载均衡将响应时间从800ms压缩至120ms；系统全年可用率达99.98%，未发生因架构问题导致的用户投诉。

聚焦静态交通场景，负责路内停车监控平台的功能设计与实施，涵盖前端交互、后端数据处理及设备管理模块开发，保障平台稳定运行与业务需求落地。

• 参与平台一期开发，独立负责前端GIS地图引擎与后端MySQL数据库交互设计，针对1000+泊位状态实时刷新的性能问题，优化MySQL空间索引（采用R-Tree索引替代B-Tree），将单页面加载耗时从800ms降至200ms；支撑运营人员实时查看泊位占用情况，上线后首月操作效率提升65%。
• 主导设备管理模块开发，基于Spring Boot框架搭建全生命周期管理系统，集成Modbus RTU协议实现地磁传感器远程配置（如灵敏度调节、休眠周期设置）与故障诊断（通过电流阈值判断电池低电量）；将设备离线率从15%降至5%，年节省现场维护成本约45万元。
• 设计异常告警规则引擎，结合历史数据训练逻辑回归模型识别「连续2小时无车辆进出」「单日收费异常波动＞30%」等8类异常场景，告警准确率从72%提升至89%；推动运营团队建立快速响应机制，问题处理时效从4小时缩短至1.5小时。

负责物联网设备接入层开发，为智慧交通、智慧社区项目提供稳定的设备通信与数据传输支持，解决多协议适配与边缘计算问题。

• 开发LoRaWAN网关数据解析模块，适配5种不同厂商的停车传感器（如微传科技VTR600、森霸传感SB-850），设计自定义协议转换中间件（基于Python Scapy解析二进制报文），解决多设备数据格式不统一问题；设备接入周期从7天缩短至2天，项目交付效率提升71%。
• 优化边缘计算逻辑，在网关侧部署轻量级机器学习模型（TensorFlow Lite量化版），实现「车辆停留超30分钟自动标记为疑似违停」的本地判断，减少云端计算压力，数据上传量降低40%，网络延迟敏感场景响应速度提升50%。
• 搭建设备模拟测试平台，基于GNS3模拟1000+台设备并发上报，验证系统在高负载下的稳定性；发现并修复TCP粘包导致的指令丢失问题，设备指令下发成功率从92%提升至99.6%。

XX市全域智慧城管平台迭代升级与场景落地项目

• XX市原2018年建成的智慧城管平台存在三大痛点：数据仅覆盖主城区且与环保、交通等12个部门系统孤岛化，IoT设备（垃圾桶、管网传感器等）协议杂乱无法联动，以及以“被动投诉响应”为主的业务模式效率低下。我的核心职责是主导平台全域迭代的技术方案设计、跨部门资源协调及场景落地推进，目标是打造“全域覆盖、数据融合、主动预警”的新一代智慧城管中枢。
• 项目面临三大关键挑战：一是多源数据整合难——原有平台对接的系统数据格式差异大，且下辖3区2县的IoT设备涵盖Zigbee、Modbus等8种协议；二是场景智能化不足——传统投诉处理依赖人工派单，缺乏对管网堵塞、道路积水等问题的主动预判能力；三是跨部门协同壁垒——各部门对数据共享的安全顾虑导致权限开放滞后。
• 针对数据整合，我牵头制定《XX市城管数据元标准》，统一21类核心数据字段，并搭建基于Apache Kafka的实时数据管道，结合自研ETL工具清洗异构数据，实现12个部门系统的全量对接；针对智能预警，联合XX大学数据科学学院优化LSTM神经网络模型，融合历史流量、降雨量、周边施工等18项特征训练管网堵塞预测模型；针对协同壁垒，推动成立“城管数据共享委员会”，基于区块链技术实现数据“可用不可见”，明确分级授权机制解决安全顾虑。
• 项目上线后实现全域5个区县覆盖，数据整合率达95%，管网堵塞预测准确率从72%提升至89%，道路积水、垃圾满溢等场景主动预警占比达35%；投诉处理时长从4.2小时缩短至2.5小时，节省一线巡查人力成本约20%（年减少人工投入约150万元）。项目获“2023年度XX省智慧城管优秀案例”，我作为核心设计者在“全国城管信息化发展论坛”做主题分享，推动方案在省内3个地市复制。

XX区智慧路灯杆集成应用试点项目

• XX区原有路灯杆仅承担照明功能，杆体资源闲置率达60%，同时存在路灯能耗高（年电费超800万元）、故障响应慢（平均2小时/次）等问题。我的角色是试点项目的技术总负责，目标是通过100根智慧路灯杆集成多场景应用，打造“一杆多用”的区级智慧城市场景标杆，验证商业模式可行性。
• 项目核心难点在于三方面：一是多设备兼容——需集成LED信息屏、环境传感器、5G微基站、一键报警装置等4类设备，涉及8家厂商的不同通信协议；二是低功耗与稳定性平衡——路灯杆需24小时运行，传统组网方式易出现断网导致数据丢失；三是运营模式闭环——环境监测等数据的变现路径不明确，影响可持续性。
• 技术上，我主导采用LoRaWAN+NB-IoT混合组网解决通信问题，开发统一边缘计算网关兼容90%厂商的设备协议；通过动态调光算法结合光照强度、人流量实时调整照明功率，降低能耗；运营层面，与区环保局签订数据共享协议，将空气质量监测数据变现，收益按比例反哺运维成本。
• 试点项目运行1年，路灯能耗降低35%（年节省电费280万元），故障响应时长缩短至15分钟以内，环境监测数据准确率达98%；项目成为XX区“智慧城管”场景示范，吸引周边3个区考察，相关标准被纳入《XX区智慧城市建设技术导则》。我全程参与项目验收，梳理的“多设备集成兼容性规范”成为区里后续智慧杆件建设的参考依据。

• 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。