一、方案概述随着城市轨道交通网络的快速发展，传统视频监控系统存在平台孤岛、数据分散、智能分析能力不足等问题，急需通过视频融合技术实现智慧化升级。SkeyeVSS视频融合平台的核心价值在于：打破政府部门间的“视频孤岛”，将原本分散在公安、城管、交通等不同系统的摄像头统一汇聚，并结合AI智能分析，实现从“被动查看”到“主动预警”的升级，全面提升城市精细化管理水平。

一、方案概述随着城市轨道交通网络的快速发展，传统视频监控系统存在平台孤岛、数据分散、智能分析能力不足等问题，急需通过视频融合技术实现智慧化升级。SkeyeVSS视频融合平台的核心价值在于：打破政府部门间的“视频孤岛”，将原本分散在公安、城管、交通等不同系统的摄像头统一汇聚，并结合AI智能分析，实现从“被动查看”到“主动预警”的升级，全面提升城市精细化管理水平。

（周期、批次、超时、是否阻塞、运行日志等）：数据落在表 sk-crontab。（非自增数字 id）。（与 RPC 入参结合），避免无限增长，联调时注意观察返回的。会 Insert(crontab.InitRecords)与 cron 内 VideoProjectLogic。：录像计划等业务常与本表 video-project。内的记录，避免脏数据残留。写入内置任务（如 video-project。

平台级联数据模型概述 本文介绍了GB28181平台级联(GBC)的配置实体模型，包含以下核心内容： 模型作用：描述下级平台向上级注册、保活及目录关系的配置，存储在sk-cascade表中，包含SIP连接参数、认证信息、级联通道节点等。 运行时机制：VSS进程通过CascadeRecords维护级联状态，在录像、报警等逻辑中按relations匹配通道实现数据转发。 数据结构：详细说明了表字段与Go

包中的职责、与项目各层的对接方式，以及字段含义与 API/库形态对应关系。下列「说明」中概括库类型与典型 JSON 形态。的核心实体：数据落在表 sk-channels。做类型转换后序列化为字符串写入 map。等运行时状态与业务字段的持久化。映射表 sk-channels。表达国标目录树中的父子关系；，通过统一 ORM 接入。组成业务唯一约束（索引。

包中的职责、与项目各层的对接方式，以及字段含义与 API/库形态对应关系。：协议与连接参数在设备上配置，具体监控点位与目录行在通道表展开。做类型校验与 JSON 字符串化。等常量映射表，服务于协议展示、信令与过滤含义说明，的核心实体：数据落在表 sk-devices。等，支撑注册、保活、拉流、统计与后台管理。中可按字符串整体更新；另有 AccessProtocols。的外键语义关联字段。，需业务层

会将全量部门与管理员、角色一并返回，供初始化与权限相关逻辑使用。核心业务实体：数据落在表 sk-departments。（由 ORM 通用逻辑使用，通用类型，后期将不再赘述）。包中的职责、与项目各层的对接方式，以及它的对应关系。再序列化为字符串写入 map，保证与库类型一致。便于查询与校验统一使用常量名，避免魔法字符串。在系统管理下提供部门增删改查与树形列表；映射表 sk-departments。

在智慧新警务背景下，围绕视频图像为主、多种资源关联叠加构建一个专注于视频汇聚、融合管理以及智能处理的SkeyeVSS视频融合云平台，平台通过多维度、可视化数据的集成，汇聚、解析并管理视频图像信息数据资源和各部门视频图像信息数据资源，从而实现视频图像信息数据的综合接入、存储和数据共享，同时也可以实现基于端、边、云架构的算力分配、资源调度、计算与存储、智能处理、敏捷部署等服务，建设以数据洞察和智能挖掘

基于AI智能分析网关平台的SkeyeVSS端-边-云一体化视频融合预警解决方案，基于AI、边缘计算、大数据、5G等新兴技术，可以实现基于端、边、云架构的AI智能检测分析及算力的精细化调度等能力，可实现的智能检测技术有：人脸检测与识别、车辆检测与识别、车牌识别、烟火识别、安全帽识别、区域入侵检测等，在助力城市安全建设、推进城市安全治理、提升城市安全运行保障等方面可提供重要技术支撑。平台，支持多类型设

按 channel 维度的批量聚合与节流策略心跳驱动的尾部 flush 机制固定 worker pool 的订阅消费模型并发安全的关闭与异常告警机制在保证高吞吐的同时，也兼顾了实时性、可靠性与可维护性。在需要跨节点消息广播、事件推送、高频通知的场景下，这套设计可以作为一个通用的基础通信组件，进一步和业务协议封装后即可在多项目间复用。