本项目为方案设计阶段，页面中的数字来自需求测算与架构推演，不是上线后的实际运行数据。 已交付项目会单独标注「已交付」。
这个项目难在哪
每个案例的难点都不一样。先把难点说清楚，方案才有意义。
非现场执法的抓拍数据量巨大，但误报率高，一线执法员每天要人工复核几百条，实际处罚率极低。
建设施工监管分散在多个部门，质量、安全、进度、环保四条线各有一套报表，数据口径不一致。
运输企业、车辆、驾驶员的信息散在不同系统，要做风险画像必须先解决数据归集和主体识别。
基层执法人员大量使用手机办公，PC 端系统在移动场景下几乎不可用。
地区级平台的特殊约束
地区级和省级、城市级的平台设计逻辑完全不同。省级重汇总统计，城市级重精细治理，地区级两头都要沾——既要向上报数，又要向下管到具体车辆和企业。
这意味着数据模型必须在「可汇总」和「可下钻」之间取得平衡。我们的做法是：所有业务实体统一编码，汇总和下钻走同一套主键，不做二次加工。
误报剔除：先把复核工作量降下来
非现场执法的抓拍设备本身准确率不低，问题出在「合规性判定」这一步。同一张超速照片，可能因为限速标志缺失、施工路段临时限速、特种车辆执行任务等原因不构成违法。这些情况规则写不全，只能靠人复核。
方案里设计了三层过滤：
| 层级 | 过滤方式 | 预期效果 |
|---|---|---|
| 第一层：规则排除 | 白名单车辆、临时限速时段、设备故障标记 | 过滤掉明确不构成违法的记录 |
| 第二层：模型判定 | 图像质量评分 + 场景分类，剔除模糊、遮挡、重复抓拍 | 减少不可用证据 |
| 第三层：相似聚类 | 同一车辆短时间内多次抓拍合并为一条 | 避免重复计罚，减少复核条数 |
AI 只能做「建议剔除」，最终是否处罚必须由人确认并留痕。执法行为需要可追溯、可申诉，模型直接出结论会带来程序合法性问题。这是方案里明确写进设计原则的一条。
四级画像：同一套指标，四种粒度
画像的价值不在于打多少分，而在于同一套指标体系能在四个层级上一致地展开。
| 层级 | 核心指标 | 使用场景 |
|---|---|---|
| 地区 | 违法率、事故率、企业合规率、路网负荷 | 区域态势、资源投放决策 |
| 企业 | 车辆违法数、逾期未检、安全事故、投诉率 | 分级监管、约谈依据 |
| 车辆 | 违法记录、检验状态、GPS 异常、维修记录 | 重点车辆盯防 |
| 驾驶员 | 记分、从业资格、培训记录、事故责任 | 从业资格管理 |
关键设计是「指标同源」：企业画像的违法数就是旗下车辆违法数的汇总，不另算一套。否则向上汇报和向下核查会对不上，这是这类平台最常见的信任崩塌点。
建设施工监管：四条线并成一张表
- 质量：关键工序影像留痕，AI 识别是否按规范施工（如钢筋间距、混凝土浇筑温度）。
- 安全：现场视频 + 安全帽识别 + 危险区域闯入告警。
- 进度：结合计划工期与实际完成量，自动计算偏差并预警。
- 环保：扬尘、噪声监测数据接入，超标自动关联施工标段。
四条线原本分属不同部门的报表体系。方案的做法是不推翻现有报表，而是在数据层做映射，让同一份原始数据既能满足原有上报格式，又能支撑新的综合分析。这样推行阻力最小。
移动端不是 PC 端的缩小版
基层执法员的使用场景是：站在路边、戴着手套、一只手拿设备。这种情况下能做的操作非常有限。
- 首屏只放三个动作：查车辆、查证件、开单据。其他功能收进二级菜单。
- 所有查询支持拍照识别车牌和证件号，避免手输。
- 离线可用：无网络时先本地暂存，恢复后自动同步。
- 单据生成后可直接分享到微信，方便现场告知当事人。
485 到 700 万，差在哪
投资区间跨度大，是因为模块可以取舍。方案给出了三档配置：
| 配置档位 | 包含模块 | 投资区间 | 适用判断 |
|---|---|---|---|
| 基础档 | 非现场执法 + 车辆档案 + 移动端 | 485 万左右 | 先把执法闭环跑通 |
| 标准档 | 基础档 + 四级画像 + 诚信考核 + 建设施工监管 | 600 万左右 | 监管需求全面 |
| 完整档 | 标准档 + AI 助手 + 报表自动生成 + 数据比对分析 | 700 万左右 | 有明确减负诉求 |
建议从基础档起步，把执法闭环跑顺再扩展。这类平台最怕一次建很大，结果每个模块都只用了三成功能。
有类似的项目？
把你的现场情况说清楚就行，不用先写需求文档。我们会告诉你从哪切入最划算、哪些环节其实可以不花钱。