整理制作：郎丰利 制作时间： 2022 年 整理制作：郎丰利 制作时间： 2022 年 整理制作：郎丰利 制作时间： 2022 年 数字政府智慧政务大数据资源平台项目可 研方案 郎丰利于 2022 年 8 月整理制作，碳排放数字化建设及数字化驾驶舱建设综合解决方案 整理制作：郎丰利 制作时间： 2022 年 整理制作：郎丰利 制作时间： 2022 年 整理制作：郎丰利 制作时间： 2022 整理制作：郎丰利 制作时间： 2022 年 整理制作：郎丰利 制作时间： 2022 年 整理制作：郎丰利 制作时间： 2022 年 3 整理制作：郎丰利 项目概况 郎丰利于 2022 年 8 月整理制作，碳排放数字化建设及数字化驾驶舱建设综合解决方案 整理制作：郎丰利 制作时间： 2022 年 整理制作：郎丰利 制作时间： 2022 年 整理制作：郎丰利 制作时间： 2022 年 项目实施与投资规划 6 项目建设效益分析 7 郎丰利于 2022 年 8 月整理制作，碳排放数字化建设及数字化驾驶舱建设综合解决方案 整理制作：郎丰利 制作时间： 2022 年 整理制作：郎丰利 制作时间： 2022 年 整理制作：郎丰利 制作时间： 2022 年 5 整理制作：郎丰利 数据平台现状：数据平台已实现部分功能 区当前大数据系统架构 为了满足市大数据中心考核要求，以及区委办

的最大流量比 按比例分配。此外，还有澳大利亚的 ARRB 方法以及美国的 HCM 法 15 等。 1.1.3.2 感应控制 感应控制是通过车辆检测器测定到达进口道的交通需求，使信 号显示时间适应测得的交通需求的一种控制方式，适用于流量变化 较大或变化不规则的交叉口。按检测器设置方式的不同，感应控制 可分为全感应控制和半感应控制两类。 （1）半感应控制 半感应控制是只在部分进口道上设置检测器的感应控制，适用 全感应控制是所有进口道上都设置了检测器的感应控制，适用 于相交道路等级相当、交通量相仿且变化较大的交叉口上。 目前，国内外对感应控制配时参数的研究比较少，常用的最大 16 绿灯时间计算方法和单位绿灯时间的延长标准。在不同交通流状况 下的实际使用效果不太理想。 1.1.3.3 自适应控制 自适应控制的实现方式主要分为两类，即配时参数实时选择方 式和实时交通状况模拟方式。 配时参数 也不需要事先确定一套配时参数与交通量的对应选择关系。它是依 靠存储于中央计算机的某种交通模型，对反馈回来的实时交通数据 17 进行分析，并对配时参数作优化调整。配时参数的优化是以综合目 标函数，即延误时间、停车次数、拥挤程度及油耗等的预测值为依 据。因此，它可以保证整个路网在任何时段都在最佳配时方案控制 下运行。 国内外对于自适应控制的研究比较多，大多数研究者都是选取 延误最小、停车次数最少、通行能力最大、油耗最少等为优化指标，

示。 1 项 视频巡查 录入 在视频预览框下有视频截图，点击可录入巡 查的内容；内容包括：视频截图、监所名称、 监控点位 名称、动态类型、动态类别、动态详 情、事件发生时间、接收岗位 。 1 项 监室基本 信息 “ 在每个所的监室视频预览框下有 监室基本 ” 信息 点击之后在视频预览框表右侧显示监 室名称及类型、主协管民警信息、实时关押人 数、重大安全风险人数，对应的信息模块可以 位 4 督 导 管 理 督导查询 以列表形式实时显示支队视频巡查过程中发 现的各类推送信息包括(记录时间、监所名 称、监控点位 名称、事件时间、动态类型、动 态类别、动态详情、截图民警、值班领导、签 收人员、签收时间、处理民警、处理时间、督 导状态等)。 1 项 督导统计 以图形化形式对相关信息进行实时汇总和展 示，如各监所涉及的各动态类型的实时统计 市本级智慧监管建设项目清单 序 号 名称 规格及参数 数 量 单 位 周风险 趋 势 各监所周风险趋势选择显示，不选择的时候 则将全市(含辖县)各监所周风险趋势按固定 时间轮流显示。 全 市 ( 含 辖县)看 守所各诉 讼阶段人 数分布 显示全市(含辖县)看守所各诉讼阶段(逮捕、 一审、二审、刑事拘留、已决等)的人数汇总， 支持选择全市(含辖县)各看守所数据实时变

路交通 状况、交通流信息、交通违法行为等的全面监测，采集、处理及分 析大量的实时监测数据，具有数据量巨大的特点；随着城市机动车 保有量不断提高，城市道路交通状况日趋复杂化，交通流特性呈现 随时间变化大、区域关联性强的特点，需要根据实时的交通流数据 及时全面采集、处理和分析等，因此具有系统负载时变性高、波动 大的特点应支持低延迟、高并发事务；公众出行服务对交通信息发 布的时效性要求高， 展、升级创造条件。 3）先进性和实用性原则 16 智慧交通综合大数据管控平台设计建设方案 系统设计立足于高起点，采用国际先进、成熟和实用的技术，构 建合理并适当超前的技术体系架构，用以确保长时间的技术领先。 各系统通过集成，实现资源和信息共享。系统软、硬件配置采用模 块化、开放式结构，以适应系统灵活组织、扩展和系统集成整体提 升的需要。 4）经济性、投资保护性原则 应以较高的性能 发生太大变化 的交通信息，如路网信息、交通基础设施信息等；动态交通信息是 指随时间变化的交通信息，如交通流信息、交通事故信息和环境状 况信息等。而智能交通的信息采集主要关注的是动态交通信息中的 交通流信息，如车流量、平均车速、车辆类型、车辆定位以及行程 23 智慧交通综合大数据管控平台设计建设方案 时间等。对于上述不同类型的交通信息，采集技术种类很多，动态 交通信息采集可分为非自动采集和自动采集两大类。非自动采集需

城市安全风险综合监测预警平台数据融合实施治理方案 2.1. 开发生命周期图 2.2. 开发生命周期分析 2.2.1. 项目规划 2.2.1.1. 工作任务 项目规划指的是从开始到部署上线的一个单次循环，有固定的开始时间和结束时 间。在这阶段主要的工作是对项目范围的界定，这需要对现有业务需求、业务未来规 划、单位目前的数据运营及技术情况有综合的考量，并遵循增量迭代的原则，划分多 个子项目，根据子项目优先级，规 模型、原型模型、螺旋模型、 喷泉模型等开发模型。 其中迭代增量模型融合了瀑布模型的基本成分和原型实现的迭代特征，假设可以 将需求分段为一系列增量产品，每一增量可以分别地开发。该模型采用随着日程时间 的进展而交错的线性序列，每一个线性序列产生软件的一个可发布的“增量”。 2.2.11.3. 数据仓库开发模型分析 数据仓库开发是典型的由数据生命周期驱动的软件开发，即由所能采集的数据开 始 验其存 在的问题，分析作业执行结果，并针对结果不断升级数据资源和集成处理作业版本， 数据应用需求最终才能得到充分理解及正确实现。 数据仓库的构建从来不会真正结束。不像传统的数据库在部署后的一段时间里保 29 城市安全风险综合监测预警平台数据融合实施治理方案 持相对的不变，数据仓库始终处于不断的变化之中，以应对它所服务的业务环境的变 化。 因此，软件开发生命周期模型的迭代增量模型适合于数据仓库开发，即在数据仓

整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 乡村振兴旅游休闲景观解决方案 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行 整理制作：郎丰利 1519 制作时间： 2023 年 睿利而行

全域旅游是将特定区域作为完整旅游目的地，进行整体规划布局、综合统筹管理、一体化营销 推广，促进旅游业全区域、全要素、全产业链发展，实现旅游业全域共建、全域共融、全域共享的 发展模式。计划利用 5 年时间，培育一批景城一体、彰显个性、错位发展、宜居宜游、主客共享的 省级全域旅游示范县(市、区)。在省、市、区总体规划下，旅游业将由“景区旅游”向“全域旅游”发展 模式转变，构建新型旅游发展格局。 二、总体建设要求 数据来源 1 旅游景区 景区中文名称、景区英文名称、有无子景区、行政区 划、景区地址、景区等级、景区游客中心地址、 景区 负责人、景区负责人手机、主管单位、微信公众号、 景区 logo、开放时间、景区面积、主要景点、景区图 片、停车场位置、停车位数量等。 人工采集或上报 2 旅游饭店 饭店名称、饭店英文名称、等级、行政区划、饭店 地 址、营业执照号、税务登记证号、法人代表、法人代 人工采集或上报 3 旅行社 旅行社名称、经营许可证号、营业执照号、税务登记 证号、旅行社类型、业务范围、导游人数等 人工采集或上报 4 餐饮场所 名称、行政区划、地址、餐饮企业类型、开业时间、 人工采集或上报 序号 数据名称 数据内容 数据来源 餐厅面积、总餐位数、包间数等。 5 乡村旅游 中文名称、等级、行政区划、乡村旅游地址、占地面 积、简介、图片、配套设施和服务、周边配套设施、

供了四类数据交换机制： (1)定时交换 事先设定数据同步时间，在每天到指定时间时执行数据同步，不同的数据 项 同步时间可以设定在不同的时间，例如视频设备凌晨 1:00 同步，信号机设 备凌 晨 1:30 同步。这种同步机制适用于数据同步要求实时性不高的数据项。 (2)循环交换 按照事先设定的时间间隔执行数据同步，每隔一段时间执行一次数据同步 动 作，例如每隔 2 秒钟同步一次最新的卡口过车数据。这种同步机制适用于数 道路拥堵告警 道路编号、状态、发生时间、发生地点 2 区域拥堵告警 区域编号、状态、发生时间、发生地点 3 路段拥堵告警 路段编号、状态、发生时间、发生地点 4 路段方向拥堵告警 路段编号、路段方向、状态、发生时间、发生地点 5 路口拥堵告警 路口编号、状态、发生时间、发生地点 (4)实时交通流信息 序号 数据对象 对象属性 1 道路交通流参数 道路编号、数据上报时间、交通量(辆/小时)小车 当量、流率(辆/单位时间)小车当量、时间平均速 度(公里/小时)、平均行驶速度(公里/小时)、平 均行程速度(公里/小时)、第 85 位速度(公里/小 时)、平均时间占有率(%)、车头间距(米)、车 头时距(秒)、平均车长(米)、密度(Veh/km)、 排队长度(米)、旅行时间(秒)、间隙(GAP) (秒)、损失(WASTE)(秒)、延误(DELAY) (秒)、微型车交通量(辆/小时)、小车交通量

建设内容 1 数据解析 确定结构化数据存储库、表； 数值预报产品通用模块； 非结构化数据文件类型 ID 确认； 数据文件元数据解析：类型 ID、类型名； 数据文件缓存地址、文件名、文件大小、创建时间、MD5 值计算； 数据文件保存规则确定：保存方式、保存路径、保存存储类型； 2 数据入库 采用分布式架构设计开发，部署在多个处理节点上，具备高可用、 高可扩展性； 数据处理模块可以根据业务发展，动态调整处理节点； 布式文件系统 4 种存储方式 。 分布式数据库。主要用于存储所有的结构化气象数据，包括观测数据、气象服务产品数 据、社会公共数据、政务管理数据以及灾害灾情数据。 数据仓库。主要用于存储气象观测的长时间序列历史数据和数值模式数据。提供利用数 据仓库作为结构化数据的存储方案，用于 OLAP、数据挖掘、深度学习等应用场景。 第 22 页 共 114 页 对象存储，主要用于气象服务产品、部门间共享数据、社会公共数据以及灾害灾情等数 分布式数据库 具有时间、空间（经纬度，高度）属性的气象数据的存储及查询； 通过合理的存储建模，满足对未来新增数据类型的衍生存储及查询支 持； 支持分布式部署，实现通过扩展数据存储节点来增加存储容量，同时 查询性能不会随数据存储容量的增加而降低。 以行业应用数据库中间件产品的方式，实现海量携带时间、空间（经 纬度，高度）属性的气象数据的存储与查询； 解决业务应用对实时气象数据单点时间序列查询，单时间点矩形及多

源，包括但不限于车载传感器、交通摄像头、雷达、GPS 设备以及 交通卡口数据。这些数据经过清洗、整合后，输入到深度学习网络 中，用于训练模型识别交通模式、预测交通流量变化以及检测异常 事件。通过引入时间序列分析、空间模式识别等技术，模型能够高 效处理高维数据，并生成精准的交通态势感知结果。 其次，模型的多场景协同决策功能是其核心优势之一。传统的 交通治理系统往往局限于单一场景的优化，而 AI 在实际应用中，交通治理 AI 大模型的实施效果可以通过以下 关键指标进行评估： - 交通拥堵指数：通过对比模型实施前后的交 通拥堵情况，评估其对拥堵的缓解效果。 - 平均出行时间：测量驾 驶员或乘客的平均出行时间变化，评估模型对出行效率的提升。 - 交通事故率：统计模型实施前后交通事故的发生率，评估其对交通 安全的促进作用。 - 能源消耗：通过分析车辆的平均油耗或电力消 耗，评估模型对节能减排的贡献。 路况等），进行实时分析和预测，从而优化交通管理策略。 AI 大模型的核心优势在于其能够从海量数据中提取出深层次的 特征和规律，而不依赖于传统的规则建模。例如，通过分析历史交 通数据，模型可以识别出特定时间段内的交通拥堵模式，并结合实 时数据预测未来可能出现的拥堵情况。此外，AI 大模型还具备自适 应性，能够根据环境变化自动调整决策策略。例如，在突发事件 （如交通事故或恶劣天气）发生时，模型可以快速生成新的交通疏