aritra-2447-bytes/GRID-EventOps-Twin

# EventOps Twin (THE GRID) ### 拥堵预测与战术部署指挥中心 **EventOps Twin**（代号 **THE GRID**）是一个先进的全栈事件指挥中心原型，专为城市交通指挥中心（具体以印度班加罗尔为模型）设计。作为 Flipkart Gridlock 挑战赛的合规原型，该应用程序架起了原始、混乱的自然语言交通信息流与结构化机器学习遥测数据之间的桥梁，旨在优化警力资源部署、预测交通瘫痪的升级，并简化事件清理工作流程。 ## 核心理念与架构 当交通事件发生时（如交通事故、积水或自发抗议），报告通常通过混乱的无线电通讯或非结构化文本传递。**EventOps Twin** 作为智能层，负责接收这些原始输入，对其进行结构化分类，评估其潜在的网络风险，并推荐最佳的空间部署策略。 ``` [ Messy Natural Language Incident Report ] │ ▼ [ Resilient NLP Parsing Layer ] ────► (Failsafe Regex Heuristics fallback) │ ▼ [ Structured Feature Vectors (JSON) ] │ ▼ [ Impact Prediction Engine (ML) ] ────► [ Gemini Failsafe Refinement Layer ] │ ▼ ┌─────────────────┴─────────────────┐ ▼ ▼ [Geospatial Command Map] [Tactical Station Dispatch Optimization] ``` ## 🚀 技术栈

前端	后端	ML 与 AI 流水线	基础设施
React Vite TypeScript	Node.js Express Git	Python Conda Scikit-Learn	FastAPI Docker Vercel

## ⚙️ 配置与环境设置 应用程序会根据可用的 API 凭据，优雅地动态降级其功能。 在根目录下创建一个 `.env` 文件： ``` # Server Operating Port PORT=3000 # MapTiler Geocoding 和 Map Vector Key # （留空则默认回退到嵌入式设置） MAPTILER_API_KEY=your_maptiler_api_key_here # Generative AI Core Key # 启用弹性解析和故障安全纠正 GEMINI_API_KEY=your_gemini_api_key_here # 外部 Python/FastAPI Machine Learning Model Base URL # 如果未定义，系统会自动路由任务 # 通过 Deterministic Smart Fallback 引擎 PREDICTION_API_BASE_URL=http://localhost:8000 ``` ## 🚀 安装与启动流程 ### 前置条件 请确保您的系统已安装以下组件： * Node.js (v18+) * npm ### 1️⃣ 依赖安装 安装所有前端和后端依赖： ``` npm install ``` ### 2️⃣ 在开发模式下运行 使用 `tsx` 通过 `server.ts` 启动 Express API 服务器，同时 Vite 通过 Hot Module Replacement (HMR) 为前端提供服务。 ``` npm run dev ``` 启动后，请打开： ``` http://localhost:3000 ``` ### 3️⃣ 生产环境构建与启动 编译优化后的生产环境 bundle 并启动服务器： ``` # 构建应用程序 npm run build # 启动生产服务器 npm run start ``` ## 📦 项目功能 ### 📝 事件录入网关 将非结构化的交通报告转化为结构化的操作数据。 **功能特点** * 自然语言事件解析 * 结构化事件表单编辑 * 自动字段提取 * 验证与校正工作流 * 计划内与计划外事件分类 ### 📊 运营影响仪表板 为指挥中心操作员提供预测性的运营情报。 **功能特点** * 交通严重程度预测 * 拥堵升级评分 * 清理时间估算 * 道路封闭建议 * 网络风险评估 ### 🗺️ 地图指挥视图 基于 Leaflet 和 MapTiler 构建的交互式地理空间可视化层。 **功能特点** * 实时事件可视化 * 警察署覆盖层 * 部署半径可视化 * 地标地理编码 * 瓶颈热点识别 ### 🚔 事件部署指挥 供调度控制员使用的运营响应管理界面。 **功能特点** * 自动站点推荐 * 资源分配工作流 * 调度生命周期模拟 * 基于容量的响应者选择 * 状态进度跟踪 ``` Alert Sent ↓ Acknowledged ↓ Units Dispatched ↓ Arrived On Scene ``` ### 📂 批量预测流水线 支持大规模模拟和压力测试。 **功能特点** * 批量 JSON 上传 * 多事件评估 * 区域拥堵模拟 * 快速场景测试 * 模型基准测试 ### 📈 事后学习循环 捕获运营结果以供未来优化。 **功能特点** * 预测与实际清理时间对比 * 人力利用率跟踪 * 历史遥测数据存储 * 性能审计 * 未来模型训练数据集生成 ### 🎯 目的 强化循环通过持续收集运营反馈和部署结果，为未来的优化周期准备边缘数据集。 ## 🚢 团队成员 ## 🤝 合作者 **Aritra Paul** — **Swarnava Bag** — **Skyy_07** —

标签：AI数据处理, MITM代理, 交通拥堵预测, 地理空间可视化, 指挥中心, 智慧交通, 自动化攻击, 请求拦截, 逆向工具