智慧停车综合管理平台（Smart Parking Platform）

一句话简介：一套集园区态势感知、视频监控大屏、异常智能报警、停车运营管理与 AI 智能助手于一体的、可私有化 Docker 一键部署的智慧停车综合管理平台。

目录

• 一、详细功能描述
• 二、解决的行业痛点
• 三、核心技术优势
• 四、应用场景
• 五、适配目标行业与人群
• 六、商业应用价值
• 七、技术架构
• 八、环境前置依赖
• 九、快速开始
• 十、完整安装部署教程
• 十一、AI 对话（TokenFree）使用教程
• 十二、版权与使用说明

---

一、详细功能描述

平台围绕“一张屏、一张图、一个大脑”设计，功能逐条对应实拍截图：

1. 平台登录与权限体系

• 玻璃拟态登录页、动态渐变背景、发光输入框，支持账号密码登录与 JWT 鉴权。

1.1 项目概述大屏

平台内置炫酷的项目概述大屏：顶部动态标题与实时时钟，五大核心指标卡片（摄像头总数、设备在线率、 报警事件、报警规则、系统用户），近 7 天报警趋势折线图、设备状态环形分布图及最新报警实时滚动， 全部数据来自后端实时聚合，10 秒自动刷新，适配大屏投放。

2. 园区态势总览

• 园区停车核心指标看板：总车位、占用/空闲、异常事件、设备在线率；
• 基于本地地图的摄像头点位分布与状态渲染，支持点位点击联动。

3. 视频监控大屏

• 科技感数据大屏：多路摄像头实时画面、轮播、实时指标与报警滚动；
• 支持 HLS（hls.js）低延迟直播，适配主流分辨率。

4. 异常报警事件管理

• 报警事件列表、级别筛选、处置状态流转，事件全程可追溯。

5. AI 智能对话助手

• 标准 Chat Completions 流式对话，默认接入 TokenFree 的 kimi-k2.6 模型；
• 支持停车运营、设备状态、异常分析等问答，接口配置抽屉内置使用教程。

6. 个人中心

• 用户信息维护、密码修改等自助功能。

7. 系统管理（管理员）

• 园区地图管理：自定义地图数据上传、切分与点位编辑。

• 摄像头管理：摄像头档案、RTSP/RTMP 拉流地址、点位与启用状态维护。

• 报警规则管理：按摄像头配置检测目标、触发条件与规则启停。

• 用户管理：账号、角色（管理员/操作员）与状态管理。

---

二、解决的行业痛点

1. 系统割裂、信息孤岛：传统监控、停车、报警系统各自独立，缺乏统一态势视图，运维人员需多平台切换。
2. 依赖人工值守、响应滞后：传统监控需人工 7×24 盯屏，异常发现晚、研判慢、上报链路长。
3. 摄像头位置不可视：不存储园区 GIS 地图与摄像头精确位置，调取和排查效率低。
4. 部署复杂、落地成本高：传统方案环境依赖多、部署周期长，中小企业难以私有化落地。
5. 数据不沉淀、运营无依据：缺乏停车与设备数据沉淀，管理决策缺少数据支撑。

平台以“统一面板 + 智能检测 + 一键私有化部署”系统性解决上述问题。

三、核心技术优势

• 全栈现代技术架构：Umi 4 + React 18 + Ant Design 5 前端，NestJS + TypeScript 后端，模块清晰、可维护性强。
• 智能视频分析：基于 YOLO 深度学习的实时目标检测（监控算法端），异常自动识别并联动报警。
• 低延迟流媒体：RTMP 收流 + Nginx-RTMP/FFmpeg 转 HLS 分发，兼顾实时性与浏览器兼容性。
• 本地地图引擎：Leaflet + 地图瓦片本地化切分与存储，支持自定义园区地图。
• 私有化一键交付：Docker Compose 编排前后端、数据库、媒体服务，一条命令完成部署。
• 统一暗色面板设计体系：玻璃拟态 + 霓虹光效 + 响应式布局，视觉统一、辨识度高。
• AI 能力可插拔：支持标准 Chat Completions 协议，可按需切换 TokenFree 上的 Kimi / Qwen / Claude 等模型。

四、应用场景

• 产业园区、写字楼、商业综合体的停车场与周界监控；
• 校园、医院、政务园区的车辆与人员安全管理；
• 物流园、工厂厂区的车辆出入与作业区域异常监测；
• 物业/安保指挥中心的集中监控与接处警；
• 需要私有化部署、数据不出内网的安防与停车运营场景。

五、适配目标行业与人群

维度	说明
目标行业	智慧物业、智慧园区、智慧交通、安防安保、校园/医院后勤、工厂物流
管理决策者	需要全局态势、数据报表与运营决策依据的管理者
一线运维/安保	需要视频监控、报警处置、设备巡检与快速定位的操作人员
IT/集成服务商	需要可快速私有化交付、二次集成与品牌化部署的集成商

六、商业应用价值

• 降本增效：自动化异常检测替代部分人工盯屏，降低人力成本、缩短响应时间。
• 私有化资产沉淀：数据与平台完全部署在客户侧，形成可持续运营的数字化资产。
• 快速复制交付：标准化 Docker 交付包支持多项目快速复制，显著降低项目实施成本。
• 可扩展增值空间：可在统一平台上扩展计费、引导、数据分析等模块，形成增值收入。
• 品牌化交付能力：支持 Logo、品牌与主题定制，便于服务商品牌化对外输出。

七、技术架构

7.1 总体架构

平台划分为 前端、后端、监控算法端、RTMP 媒体服务器、地图瓦片服务、关系型数据库 六大部分：

flowchart LR
    subgraph Client[浏览器端]
        UI[Umi4 + React18 + Antd5 玻璃面板]
    end
    subgraph Server[服务端]
        API[NestJS 后端 REST + WebSocket]
        DB[(MySQL 8.0)]
        RTMP[RTMP/HLS 媒体服务]
        TILE[地图瓦片服务]
    end
    subgraph AI[监控算法端]
        YOLO[YOLO 实时目标检测]
    end
    CAM[摄像头 RTSP/RTMP 流] --> YOLO
    YOLO -->|FFmpeg 推流| RTMP
    YOLO <-->|WebSocket 配置/事件上报| API
    UI -->|HTTPS / HLS| API
    UI -->|HLS 直播| RTMP
    UI -->|瓦片请求| TILE
    API --> DB

• 前端：React + Umi 4，Leaflet 渲染地图，hls.js 播放直播；
• 后端：NestJS（TypeScript），负责业务逻辑、REST API、WebSocket、数据库 IO 与算法端鉴权；
• 监控算法端：Python + YOLO，拉流、检测、推流，并通过 WebSocket 上报事件；
• 媒体服务：RTMP 收流并转 HLS 提供浏览器直播；
• 数据层：MySQL 8.0 持久化用户、设备、规则、报警、地图数据。

原始架构图（项目早期版本）保留于 docs/tech-framework.png、docs/deployment-framework.png。

7.2 端口规划（默认）

服务	容器端口	宿主机默认端口
Web 应用（HTTP/HLS）	80	4010
MySQL	3306	4012
RTMP	1935	4015

端口可通过 .env 文件调整，详见部署章节。

八、环境前置依赖

8.1 硬件建议

规模	CPU	内存	磁盘
测试/小规模（≤16 路）	4 核	8 GB	40 GB SSD
生产/中规模（16–64 路）	8 核+	16 GB+	100 GB+ SSD

监控算法端（YOLO）建议独立部署或配备 GPU 以获得更好性能。

8.2 软件依赖

• Docker Engine 20.10+
• Docker Compose v2+
• 开放端口：应用端口（默认 4010）、RTMP（默认 4015）；数据库端口建议仅内网开放
• 现代浏览器：Chrome / Edge / Firefox 最新版本
• （可选）AI 对话：在 TokenFree 申请 API Key

完整依赖与注意事项见交付包内「文档」目录下的《环境依赖清单》与《部署注意事项》。

九、快速开始

# 1. 进入项目目录
cd smart-parking-platform

# 2.（可选）按需修改端口与数据库口令
#    复制并编辑环境变量文件
cp .env.example .env   # Windows: copy .env.example .env

# 3. 一键启动全部服务
docker compose up -d

# 4. 浏览器访问
#    http://localhost:4010

默认账号（见后端初始化逻辑 backend/src/database-seeder.ts）：

角色	账号	密码
管理员	admin	admin123
操作员	operator	123456

首次登录后请及时修改默认密码。

十、完整安装部署教程

10.1 Docker 一键部署（推荐）

1. 安装并启动 Docker（Windows 建议使用 Docker Desktop，Linux 使用官方源安装 Docker Engine + Compose 插件）。
2. 获取项目完整源码（含 docker-compose.yml、.env.example、front-backend.Dockerfile）。
3. 根据现场环境调整 .env，关键变量：

APP_PORT=4010           # Web 访问端口
MYSQL_PORT=4012         # MySQL 宿主机端口
RTMP_PORT=4015          # RTMP 推流端口
MYSQL_ROOT_PASSWORD=<修改为强口令>

4. 执行 docker compose up -d，首次会自动构建镜像并初始化数据库、导入示例数据。
5. 使用 docker compose ps 查看状态，等待应用容器变为 healthy。
6. 浏览器访问 http://<服务器IP>:<APP_PORT>，使用默认账号登录。

10.2 本地开发/手动部署（无 Docker 时）

后端（NestJS）

cd backend
npm install
# 配置数据库连接（环境变量或配置文件）
npm run start:dev

前端（Umi 4）

cd frontend
npm install
# 开发启动
npm run dev
# 生产构建（如本地 pnpm 与 lockfile 版本冲突，可直接使用 umi）
# ./node_modules/.bin/umi build
npm run build

监控算法端（Python + YOLO）

cd ai-end
pip install -r requirements.txt
# 配置后端地址、RTMP 地址、管理员账号
python main.py

算法端基本流程：建立 WebSocket 连接 → 后端鉴权并下发摄像头配置与拉流地址 → 每个摄像头独立进程完成 FFmpeg 推流与规则检测 → 异常实时上报。

10.3 运维与排障

• 查看日志：docker compose logs -f app
• 重启服务：docker compose restart app
• 停止并清理：docker compose down（数据保留在数据卷，加 -v 会同时删除数据卷，请谨慎）
• 直播无画面：检查摄像头源是否可达、RTMP 端口是否放通、浏览器是否允许混合内容（建议统一走 HTTP/HTTPS 同源）。

十一、AI 对话（TokenFree）使用教程

平台「AI 对话」页面默认接入 TokenFree——统一 AI API 网关，支持标准 Chat Completions 协议，默认模型 kimi-k2.6。

配置项	默认值
API Base URL	https://www.tokenfree.com/v1
默认模型	kimi-k2.6
协议	标准 Chat Completions（流式输出 / Models 列表）

使用步骤：

1. 打开 https://www.tokenfree.com/，注册账号并完成邮箱验证后登录；
2. 进入控制台「令牌 / API Keys」页面，点击「添加令牌」，复制生成的 Key（sk- 开头）；
3. 登录本系统，进入「AI 对话」页面，点击右上角齿轮（接口配置）；
4. 将 API Key 粘贴到表单（接口地址、模型已预填，一般无需修改）；
5. 点击「测试连接」验证通过后「保存」，即可开始流式对话。

说明：

• API Key 仅保存在浏览器本地（localStorage），不会上传到本系统后端；
• 可在 Model 中填写 TokenFree 支持的其他模型（如 Qwen、Claude 等）；
• 切换服务商后本地配置会自动升级版本，旧缓存不会污染新默认值。

十二、版权与使用说明

• 本平台的界面设计、面板风格、部署脚本、AI 对接及项目文档由交付团队完成，其使用权与商用权以合同及授权文件为准。
• 未经书面许可，不得对本平台进行复制、反向工程、转售、再次分发或用于授权之外的用途。
• 平台所接入的第三方服务（如 TokenFree）受其各自服务条款与模型许可约束，使用时请同时遵守对应条款。
• 请在遵守适用法律法规的前提下使用本平台。

---

相关链接

• 开源社区 GitCC
• GCC AI Coding