业务和功能介绍
一、立项背景与目标
（一）立项背景
传统园区存在多系统数据孤岛（安防、物业、能耗数据不通）、人工运维成本高（10 人 / 天巡逻，故障响应超 2 小时）、服务体验差（访客登记耗 5 分钟、报修流程繁琐）等问题，需统一平台打通 “人、车、物、空间” 链路，实现从 “被动管理” 到 “主动服务” 升级。
（二）立项目标
管理目标：运维人员减 30%，故障响应缩至 30 分钟内，能耗统计准确率 100%；
服务目标：访客登记缩至 1 分钟，报修闭环率≥98%；
数据目标：整合 8 类数据，形成可视化看板，支撑决策。
二、软件功能及核心功能介绍
（一）整体功能框架
含智能安防、物业运维、能源管理、企业服务、访客管理、运营看板六大模块，配套权限与系统配置功能。
（二）核心功能
智能安防：接入监控、门禁、周界报警器，AI 识别翻墙、徘徊等异常，自动抓拍告警；门禁支持人脸 / 刷卡 / 二维码，记录实时同步。
物业运维：在线报修（传故障照片），系统自动派单，维修后传完工照，用户在线验收，形成 “报修-派单-维修-验收”闭环，支持评价。
能源监管：实时采水电数据，生成能耗趋势图；分楼栋 / 企业统计，高能耗（如突增 30%）自动预警，助力节能。
访客管理：企业提前登记访客信息，生成临时二维码；访客扫码核验，门禁自动放行，免人工登记。
三、核心业务流程（以物业报修为例）
住户发现水管漏水，登录系统传照片、填地址与联系方式；
系统 10 分钟内匹配就近维修人员，推送带导航的报修单；
维修人员 30 分钟内到场，完工后传照片；
住户收验收提醒，确认后可评价；
系统归档记录，生成月度报表。
四、功能路径描述
访客登记：企业登录→“访客管理”→“新增访客”→填信息→生成二维码→分享给访客；
能耗查询：管理员登录→“能源管理”→选时间范围→筛楼栋 / 企业→查看数据与趋势→导出 Excel；
报修操作：住户登录→“物业报修”→选类型（如水电故障）→传照填详情→提交→看派单进度；
安防告警处理：保安登录→“安防告警”→查看异常（含照片 / 位置）→“处理”→填结果→闭环。
（一）立项背景
传统园区存在多系统数据孤岛（安防、物业、能耗数据不通）、人工运维成本高（10 人 / 天巡逻，故障响应超 2 小时）、服务体验差（访客登记耗 5 分钟、报修流程繁琐）等问题，需统一平台打通 “人、车、物、空间” 链路，实现从 “被动管理” 到 “主动服务” 升级。
（二）立项目标
管理目标：运维人员减 30%，故障响应缩至 30 分钟内，能耗统计准确率 100%；
服务目标：访客登记缩至 1 分钟，报修闭环率≥98%；
数据目标：整合 8 类数据，形成可视化看板，支撑决策。
二、软件功能及核心功能介绍
（一）整体功能框架
含智能安防、物业运维、能源管理、企业服务、访客管理、运营看板六大模块，配套权限与系统配置功能。
（二）核心功能
智能安防：接入监控、门禁、周界报警器，AI 识别翻墙、徘徊等异常，自动抓拍告警；门禁支持人脸 / 刷卡 / 二维码，记录实时同步。
物业运维：在线报修（传故障照片），系统自动派单，维修后传完工照，用户在线验收，形成 “报修-派单-维修-验收”闭环，支持评价。
能源监管：实时采水电数据，生成能耗趋势图；分楼栋 / 企业统计，高能耗（如突增 30%）自动预警，助力节能。
访客管理：企业提前登记访客信息，生成临时二维码；访客扫码核验，门禁自动放行，免人工登记。
三、核心业务流程（以物业报修为例）
住户发现水管漏水，登录系统传照片、填地址与联系方式；
系统 10 分钟内匹配就近维修人员，推送带导航的报修单；
维修人员 30 分钟内到场，完工后传照片；
住户收验收提醒，确认后可评价；
系统归档记录，生成月度报表。
四、功能路径描述
访客登记：企业登录→“访客管理”→“新增访客”→填信息→生成二维码→分享给访客；
能耗查询：管理员登录→“能源管理”→选时间范围→筛楼栋 / 企业→查看数据与趋势→导出 Excel；
报修操作：住户登录→“物业报修”→选类型（如水电故障）→传照填详情→提交→看派单进度；
安防告警处理：保安登录→“安防告警”→查看异常（含照片 / 位置）→“处理”→填结果→闭环。
项目实现
一、整体架构与设计思路
采用 “云边协同 + 微服务” 架构，分三层设计：边缘层（园区网关、传感器）负责实时数据采集与本地预处理；云端层分数据中台（存储 / 计算）、业务中台（核心功能模块）；应用层（Web / 移动端）面向不同角色提供界面。设计核心：一是基于 GIS 地图整合园区空间数据，实现 “数据 + 位置” 可视化管理；二是用事件驱动架构联动各模块（如安防告警触发门禁联动）；三是预留 API 接口，支持后续对接充电桩、智能停车等拓展功能。
二、各模块技术栈
边缘层：传感器接入用 MQTT 协议，边缘网关基于 Go 语言开发（低资源占用），本地缓存用 Redis（支持断网存储）；
云端层：数据中台用 Kafka（消息队列）、InfluxDB（时序数据存能耗 / 安防数据）、Flink（实时计算）；业务中台用 Spring Cloud 微服务，Flowable 做运维流程编排；GIS 引擎用 ArcGIS；
应用层：Web 端用 Vue3+ECharts（可视化看板），移动端用 uniapp（跨安卓 /iOS）；AI 识别集成百度智能云 API（行为识别、人脸比对）；
运维层：Docker+K8s 容器化部署，Prometheus+Grafana 监控系统，ELK 栈日志分析。
三、“我” 负责的模块与结果
负责智能安防模块 + 访客管理子系统，核心成果：
开发 AI 行为识别对接逻辑，支持翻墙、徘徊等 6 类异常识别，准确率达 91%，异常事件处置响应时间从 15 分钟缩至 5 分钟；
设计访客二维码生成与核验功能，支持人脸辅助验证，访客登记效率提升 80%，日均处理访客 300 + 人次；
实现安防告警与门禁联动（如告警时自动锁定附近门禁），园区安全事件发生率下降 45%；
模块峰值支持 500 人同时操作，响应时间≤400ms，稳定性达 99.9%。
四、难点、坑与解决方案
难点 1：边缘网关断网后数据丢失
坑：初期仅实时上传数据，山区弱网时数据丢失率 12%
解决方案：在网关实现 “本地缓存 + 断点续传”，断网时缓存 72 小时数据，网络恢复后增量同步，数据回收率达 100%。
难点 2：AI 行为识别误报率高（初期 25%）
坑：通用模型未适配园区场景（如树木晃动误判为翻墙）
解决方案：采集 2000 + 条园区场景样本，微调模型参数，新增 “动态阈值”（雨天提高识别灵敏度），误报率降至 8%。
难点 3：访客二维码易被复用
坑：初期二维码无时效限制，存在安全隐患
解决方案：添加时效性（默认 24 小时）与动态校验（每次扫码生成临时 token），结合人脸核验双重验证，杜绝复用风险。
采用 “云边协同 + 微服务” 架构，分三层设计：边缘层（园区网关、传感器）负责实时数据采集与本地预处理；云端层分数据中台（存储 / 计算）、业务中台（核心功能模块）；应用层（Web / 移动端）面向不同角色提供界面。设计核心：一是基于 GIS 地图整合园区空间数据，实现 “数据 + 位置” 可视化管理；二是用事件驱动架构联动各模块（如安防告警触发门禁联动）；三是预留 API 接口，支持后续对接充电桩、智能停车等拓展功能。
二、各模块技术栈
边缘层：传感器接入用 MQTT 协议，边缘网关基于 Go 语言开发（低资源占用），本地缓存用 Redis（支持断网存储）；
云端层：数据中台用 Kafka（消息队列）、InfluxDB（时序数据存能耗 / 安防数据）、Flink（实时计算）；业务中台用 Spring Cloud 微服务，Flowable 做运维流程编排；GIS 引擎用 ArcGIS；
应用层：Web 端用 Vue3+ECharts（可视化看板），移动端用 uniapp（跨安卓 /iOS）；AI 识别集成百度智能云 API（行为识别、人脸比对）；
运维层：Docker+K8s 容器化部署，Prometheus+Grafana 监控系统，ELK 栈日志分析。
三、“我” 负责的模块与结果
负责智能安防模块 + 访客管理子系统，核心成果：
开发 AI 行为识别对接逻辑，支持翻墙、徘徊等 6 类异常识别，准确率达 91%，异常事件处置响应时间从 15 分钟缩至 5 分钟；
设计访客二维码生成与核验功能，支持人脸辅助验证，访客登记效率提升 80%，日均处理访客 300 + 人次；
实现安防告警与门禁联动（如告警时自动锁定附近门禁），园区安全事件发生率下降 45%；
模块峰值支持 500 人同时操作，响应时间≤400ms，稳定性达 99.9%。
四、难点、坑与解决方案
难点 1：边缘网关断网后数据丢失
坑：初期仅实时上传数据，山区弱网时数据丢失率 12%
解决方案：在网关实现 “本地缓存 + 断点续传”，断网时缓存 72 小时数据，网络恢复后增量同步，数据回收率达 100%。
难点 2：AI 行为识别误报率高（初期 25%）
坑：通用模型未适配园区场景（如树木晃动误判为翻墙）
解决方案：采集 2000 + 条园区场景样本，微调模型参数，新增 “动态阈值”（雨天提高识别灵敏度），误报率降至 8%。
难点 3：访客二维码易被复用
坑：初期二维码无时效限制，存在安全隐患
解决方案：添加时效性（默认 24 小时）与动态校验（每次扫码生成临时 token），结合人脸核验双重验证，杜绝复用风险。
示例图片视频
相似推荐
Tres开发框架
数字孪生开发模板是一个开箱即用的数字孪生可视化前端开发框架。它基于 Vue 3 Composition API 和 TypeScript 构建，深度集成 TresJS（Three.js 的声明式封装）和 ECharts 数据可视化库。支持多语言，框架已开发多个数字孪生园区，并成功落地。可以为客户快速接入数字孪生系统。
网络安全策略平台
1.项目主要分为态势大屏和后台管理
2.对终端，服务器，路由器，防火墙等设备的在线采集信息及时发现风险并生成告警发送给用户
3.用户可在系统创建专项任务并在此专项任务中绘制和编辑当前单位的单位拓扑和设备拓扑
4.态势模块用户可在态势页面中的地球上开到各个区域内的单位，和部署的设备，并且可以在三维地球上手动对有关系的单位和单位，单位和设备，设备和设备进行连线绘制，以及可以查看单位和设备的信息
智慧运行知识平
负责海康，大华，宇视等厂家智能终端的sdk集成，使用rtsp协议+zlm+webrtc实现实时视频和回放，数据库维护，数据迁移，MySQL读写分离，MongoDB分片集群搭建，智能化巡视逻辑编写，前端页面逻辑编写，对接第三方api，第三方数据集成，ipc远程控制，集成第三方sdk，实现ipc的远程控制，支持云台控制，焦距，光圈等控制，手势控制，sdk抓图，支持守望配置，ipc邮箱配置，配置文件的导入导出，修改视频的编码格式。结合zlm实时视频，使用rtsp协议转webrtc协议进行播放，延时低200ms内，操作无感延时。提供api接口未第三方继承。
点云分割与分类项目
在 3D 视觉、自动驾驶、机器人感知、工业检测等领域，点云是核心环境数据载体。传统 PCL 库仅能实现基础点云分割与分类，规则依赖人工定义，开发成本高、鲁棒性差，难以应对复杂无序点云与密度不均场景。PointNet/PointNet++ 作为点云深度学习里程碑算法，可直接处理无序点云、捕捉局部结构、保持变换不变性，适用于 Ubuntu 环境下的点云智能识别、分割、分类任务，为机器人三维感知、自动驾驶环境理解、工业零件检测提供高效解决方案，是从传统点云处理迈向深度学习智能分析的关键技术。
智慧校园工作室管理平台
参与开发的校园工作室管理系统，这是一个基于springboot和vue的管理系统，使用采用前后端分离架构,为校园工作室提供空间预约、设备维修、成员管理等全流程数字化解决方案。
技术栈
后端:Spring Boot 2.5.15 + Spring Security + JWT
MyBatis + PageHelper 分页插件
Redis 缓存 + Druid 数据库连接池
MySQL 数据库
Swagger3 接口文档
前端:Vue 2.6.12 + Element UI 2.15.14
Vuex + Vue Router
Axios 异步通信
ECharts 数据可视化
开发工具:
Maven 构建工具、Git 版本控制
IntelliJ IDEA、VS Code
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服