2026年项目设计试题(附答案)

2026年项目设计试题(附答案)一、项目背景与需求分析（30分）随着我国60岁以上人口占比突破22%，社区养老模式成为应对老龄化的核心方向。某街道拟建设“智慧养老服务系统”，要求实现老年人健康监测、紧急事件预警、社区服务资源联动三大核心功能。现有调研数据显示：78%的独居老人希望设备操作简单，无需复杂设置；65%的家属关注异常数据的实时推送（延迟需≤30秒）；社区工作人员反馈，当前多套养老系统数据孤立（如健康监测与安防系统未打通），导致响应效率低；技术限制：社区网络覆盖率95%（其中30%为4G，65%为Wi-Fi），部分老旧小区存在信号弱区。问题1（10分）：请基于上述背景，设计用户需求清单（需区分老人、家属、社区工作人员三类角色，包含功能需求与非功能需求，至少列出8项）。问题2（20分）：针对“数据孤立”问题，提出数据融合方案（需说明数据来源、融合技术、存储结构设计，要求支持跨系统查询与实时分析）。二、系统架构设计（40分）系统需支持以下场景：场景1：老人佩戴智能手环（支持心率、血压、跌倒检测），数据实时上传至平台；场景2：独居老人家中安装门磁传感器（检测24小时未开门）、燃气传感器（浓度超标预警）；场景3：社区医生通过移动端查看老人健康档案，发起上门服务；场景4：家属通过小程序接收“跌倒预警”通知，并查看历史位置轨迹。问题3（15分）：绘制系统架构图（需标注感知层、网络层、平台层、应用层），并说明各层关键组件（如感知层设备类型、网络层通信协议选择依据、平台层核心服务模块、应用层终端类型）。问题4（25分）：针对“跌倒检测”功能，设计算法方案（需包含数据采集方式、特征提取方法、模型选择及训练流程，要求误报率≤5%，响应时间≤2秒）。三、技术实现与测试（30分）开发团队选择以下技术栈：硬件：STM32L4系列单片机（低功耗）+三轴加速度计（ADXL345）+心率模块（MAX30102）；通信：MQTT协议（QoS1等级）+LoRa（覆盖弱信号区）；平台：SpringBoot（后端）+Redis（缓存）+InfluxDB（时序数据存储）+MongoDB（非结构化数据）；应用端：微信小程序（老人/家属）+定制Android平板（社区端）。问题5（10分）：分析硬件选型的合理性（需结合低功耗需求、跌倒检测精度、社区网络环境）。问题6（10分）：设计“燃气浓度超标预警”的触发逻辑（需包含传感器阈值设置、多级预警规则、与社区安防系统的联动流程）。问题7（10分）：制定系统测试方案（需包含功能测试用例、性能测试指标、安全性测试重点，要求覆盖所有核心场景）。四、扩展与优化（20分）（注：本题为选答题，总分不超过100分）问题8（10分）：提出2项系统优化方向（如降低设备功耗、提升预警准确率、增强用户交互体验），并说明具体技术手段。问题9（10分）：结合AI大模型（如多模态大模型、医疗领域专用模型），设计1项创新功能（需说明模型输入输出、应用场景及预期价值）。答案问题1答案（10分）功能需求（6项）：老人端：一键呼叫（物理按键）、健康数据实时查看（大字体显示）、语音提醒（服药/活动）；家属端：异常预警推送（跌倒/心率异常）、历史数据查询（7天健康趋势）、位置轨迹回放（近24小时活动路线）；社区端：多设备状态监控（手环/门磁/燃气传感器在线率）、服务工单派发（自动提供上门任务）、跨系统数据关联（健康数据与安防记录联动）。非功能需求（2项）：实时性：异常数据上传延迟≤30秒，预警推送延迟≤10秒；易用性：老人端设备操作步骤≤3步，界面字体≥24pt；可靠性：设备在弱信号区（-110dBm）仍能每5分钟上传一次缓存数据；安全性：用户健康数据加密存储（AES-256），访问需双因素认证（账号+短信验证码）。问题2答案（20分）数据融合方案：数据来源：现有健康监测系统（心率、血压）、安防系统（门磁开关、摄像头抓拍）、社区服务系统（用药记录、上门服务日志）；融合技术：采用ETL工具（ApacheNiFi）实现跨系统数据抽取（支持HTTPAPI、数据库直连），通过实体匹配（基于姓名+身份证号）与时间戳对齐完成数据关联，利用图数据库（Neo4j）构建老人“数字画像”（节点为老人/设备/服务，边为数据关联关系）；存储结构：时序数据（如心率、燃气浓度）存储于InfluxDB（按设备ID+时间分区），非结构化数据（如摄像头抓拍图片）存储于MongoDB（元数据关联至InfluxDB记录），关联关系存储于Neo4j（支持“某老人近3天未开门+心率异常”的联合查询）。问题3答案（15分）系统架构图（文字描述）：感知层：智能手环（心率/血压/三轴加速度传感器）、门磁传感器（干簧管+低功耗MCU）、燃气传感器（MQ-2+ADC模块）；网络层：强信号区（Wi-Fi/4G）使用MQTT协议（QoS1确保消息到达），弱信号区（老旧小区）使用LoRa（长距离、低速率，每10分钟上传一次缓存数据）；平台层：设备管理服务（OTA升级、在线状态监控）；数据处理服务（清洗异常值、融合多源数据）；AI服务（跌倒检测模型推理、健康趋势预测）；通知服务（短信/小程序模板消息推送）；应用层：老人端（极简界面手环屏幕+语音交互）、家属端（微信小程序）、社区端（Android平板管理后台）。问题4答案（25分）跌倒检测算法方案：数据采集：手环以100Hz频率采集三轴加速度（x,y,z）、角速度（gyro_x,gyro_y,gyro_z），每次采样窗口为2秒（200个数据点）；特征提取：计算窗口内加速度的均方根（RMS）、最大/最小值、方差，角速度的变化率（Δgyro），以及是否存在“自由下落阶段（加速度<2m/s²持续0.3秒）+撞击阶段（加速度>15m/s²持续0.1秒）”的典型模式；模型选择：采用LSTM网络（输入为6维时序数据，隐藏层64节点，输出二分类：跌倒/非跌倒），训练数据包含1000例真实跌倒模拟（志愿者佩戴设备从1.5米高度跌落）与2000例日常活动数据（行走、坐下、爬楼梯）；训练流程：数据标准化（Z-score）后划分7:2:1训练/验证/测试集，使用交叉熵损失函数，Adam优化器（学习率0.001），早停法（验证集损失5轮不下降则停止），最终测试集准确率97%，误报率4.2%，单样本推理时间1.8秒。问题5答案（10分）硬件选型合理性：低功耗：STM32L4系列（ARMCortex-M4，工作电流160μA/MHz）支持低功耗模式（停止模式电流2μA），配合传感器休眠策略（非检测状态下加速度计进入1Hz采样），设备续航可达15天（300mAh电池）；跌倒检测精度：ADXL345（±16g量程，13位分辨率）可捕捉微小加速度变化（如跌倒时的撞击峰值），优于普通加速度计（±8g量程）；网络适配：LoRa模块（SX1278）工作在433MHz频段，穿透性强（可视距离3km），解决弱信号区数据上传问题；MQTT协议轻量（报文最小2字节），减少4G/Wi-Fi流量消耗。问题6答案（10分）燃气预警触发逻辑：阈值设置：MQ-2传感器输出电压与燃气浓度正相关，标定阈值为0.8V（对应天然气浓度0.5%LEL，低于爆炸下限5%LEL）；多级预警规则：一级预警（0.8V≤电压<1.2V）：推送小程序通知家属，社区端显示“注意观察”；二级预警（1.2V≤电压<2.0V）：触发手环震动+语音提醒老人关闭燃气，同时短信通知家属与社区工作人员；三级预警（电压≥2.0V）：自动拨打社区安防电话（预存3个号码循环拨打），并向最近的派出所发送定位信息；联动流程：燃气传感器数据上传至平台后，触发规则引擎判断等级，通过通知服务调用安防系统API（HTTPPOST），同步推送“燃气异常”事件至社区端，自动提供工单（包含老人地址、浓度值、历史开关门记录）。问题7答案（10分）系统测试方案：功能测试用例（示例）：用例1：模拟老人跌倒（佩戴手环从1.5米跌落），检查平台是否触发预警（预期：家属小程序收到通知，社区端工单提供）；用例2：断开Wi-Fi，将设备置于LoRa弱信号区（距离网关2km），检查30分钟内是否上传缓存数据（预期：上传成功，数据完整性≥95%）；性能测试指标：并发量：模拟500台设备同时上传数据，测试平台处理延迟（要求≤500ms）；实时性：测量手环数据从采集到家属端显示的总延迟（要求≤30秒）；稳定性：连续运行72小时，检查设备掉线率（要求≤2%）、平台崩溃次数（0次）；安全性测试重点：数据加密：抓包验证MQTT报文是否TLS加密（要求使用TLS1.3）；权限控制：测试社区工作人员能否访问非管辖老人数据（预期：无权限）；抗攻击：模拟DDoS攻击（向平台发送大量虚假设备连接请求），检查系统是否限流（要求连接数限制为1000/秒）。问题8答案（10分）（示例）优化方向1：降低设备功耗技术手段：引入边缘计算，在手环端部署轻量级模型（如将LSTM压缩为TinyML模型，参数量减少80%），仅在检测到“可能跌倒”的初步特征时才上传完整数据，减少数据传输次数（预计降低30%功耗）。优化方向2：提升预警准确率技术手段：融合多传感器数据（手环加速度+门磁状态），若“跌倒预警”触发时门磁显示“未开门”（老人独居），则标记为高优先级；若门磁显示“已开门”（可能有家人在场），则标记为低优先级，结合家属确认反馈（是否误报）更新模型权重（预计误报率降至3%）。问题9答案（10分）（示例）创新功能：基于医疗大模型的