立项原因： 解决中小学放学时段家长集中在校门口停车等候造成的交通拥堵痛点，以及校车运营中的安全监管缺失问题。
行业场景： 面向学校与校车运营方的智慧交通管理场景。传统放学模式下，家长车辆无序涌入校门口，造成主干道拥堵、安全隐患大；校车运营中则存在孩子在哪不知道、异常行为发现不了、司机驾驶行为无监管等痛点。本方案通过临停区动态分配 + 分段放学错峰 + 家长定向放学通知，引导家长车辆分流至划定的临停区等候，收到孩子放学通知后再驶抵校门口即停即走，从源头疏解校门口拥堵；同时面向校车提供定位追踪、到站预警、车内霸凌音频检测、司机驾驶行为分析等安全监管能力。
系统包含家长端小程序与校车安全监管两大板块。
1. 交通疏导模块：家长端小程序+后台管理
临停区动态分配： 按班级/时段为家长分配指定临停等候区，避免车辆集中涌入校门；
分段放学错峰： 对接学校分年级、分时段放学的排期，错峰释放接驳压力；
定向放学通知： 孩子放学后，系统精准推送通知至对应家长手机，家长收到后再启动车辆驶向校门口接驳，实现“人等车”到“车等人”的模式反转。
2. 校车安全监管模块：rk3576边缘计算+后台管理
定位追踪与到站预警： 实时上报校车位置，到站前自动向家长推送预警，便于提前到站接孩子；
车内霸凌音频检测： 基于RK3576边缘计算开发板采集车内音频，智能识别疑似欺凌、哭喊等异常声音并告警；
司机驾驶行为分析： 通过车内摄像头结合YOLO算法实时分析司机行为，识别接打电话、吸烟、疲劳驾驶等违规行为并即时预警；
车内视频监控： 车厢前后双摄像头全程录像，支持事后追溯与下载查看。
个人职责：
负责小程序后端接口开发：用户登录认证、用户管理、临停区动态分配、家长报备、消息推送等核心业务模块；
负责管理后台（Vue）的界面与功能开发；
独立负责校车端边缘计算模块的算法设计代码开发。
技术栈：
后端： Spring Boot + MyBatis + MySQL + Redis + MQTT
前端： 微信小程序原生开发、Vue2 + Element UI（管理后台）
边缘计算： RK3576开发板 + Python
实现亮点：
司机驾驶行为分析（DMS）： 基于车内摄像头 + YOLOv8目标检测算法，实时识别司机接打电话、吸烟、疲劳驾驶（Haar 级联人脸/眼部检测 + PERCLOS 疲劳判定）等违规行为，本地推理、即时告警；
车内霸凌音频检测： 构建"VAD语音活动检测 → YAMNet声音事件分类 → 声学特征（情绪/异常声音）识别"的三级分析流水线，对车内音频进行实时分析，疑似欺凌事件自动告警；
边缘计算架构： 算法全部在RK3576车端本地推理，视频监控本地分片存储、按需上传云端下载回看，兼顾实时性、带宽成本与数据留存；边缘设备与服务端采用MQTT协议通信，适应车载弱网环境；
OTA：采用OTA升级，配置动态下发提升系统维护便利性
临停区动态分配： 结合分段放学时段与临停区容量，动态为家长分配等候区域并推送定向放学通知，实现校门口车流错峰疏导。
评论